Transgenerational response to stress in plants and its application for breeding
Notice bibliographique
Résumé
A growing number of reports indicate that plants possess the ability to maintain a memory of stress exposure throughout their ontogenesis and even transmit it faithfully to the following generation. Some of the features of transgenerational memory include elevated genome instability, a higher tolerance to stress experienced by parents, and a cross-tolerance. Although the underlying molecular mechanisms of this phenomenon are not clear, a likely contributing factor is the absence of full-scale reprogramming of the epigenetic landscape during gametogenesis; therefore, epigenetic marks can occasionally escape the reprogramming process and can be passed on to the progeny. To date, it is not entirely clear which part of the epigenetic landscape is more likely to escape the reprogramming events, and whether such a process is random or directed and sequence specific. The identification of specific epigenetic marks associated with specific stressors would allow generation of stress-tolerant plants through the recently discovered techniques for precision epigenome engineering. The engineered DNA-binding domains (e.g. ZF, TALE, and dCas9) fused to particular chromatin modifiers would make it possible to target epigenetic modifications to the selected loci, probably allowing stress tolerance to be achieved in the progeny. This approach, termed epigenetic breeding, along with other methods has great potential to be used for both the assessment of the propagation of epigenetic marks across generations and trait improvement in plants. In this communication, we provide a short overview of recent reports demonstrating a transgenerational response to stress in plants, and discuss the underlying potential molecular mechanisms of this phenomenon and its use for plant biotechnology applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».