MétaCan
Menu
Retour à la cohorte
Enregistrement W2313090673 · doi:10.1021/jf503974t

Unraveling the Toxicity Mechanisms of the Herbicide Diclofop-Methyl in Rice: Modulation of the Activity of Key Enzymes Involved in Citrate Metabolism and Induction of Cell Membrane Anion Channels

2014· article· en· W2313090673 sur OpenAlexaff
Haiyan Ding, Haiping Lu, Michel Lavoie, Jun Xie, Yali Li, Xiaolu Lv, Zhengwei Fu, Haifeng Qian

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAluminum toxicity and tolerance in plants and animals
Établissements canadiensUniversité Laval
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésToxicityOryza sativaMetabolismCitrate synthaseChemistryBiochemistryEnzymeIntracellularMembrane potentialBiologyGene

Résumé

récupéré en direct d'OpenAlex

Residual soil concentrations of the herbicide diclofop-methyl (DM) can be toxic to other nontarget plant species, but the toxicity mechanisms at play are not fully understood. In the present study, we analyzed the toxic effect of DM on root growth and metabolism in the rice species Oryza sativa. The results show that a 48-h exposure to a trace level (5 μg/L) of DM inhibits rice root growth by almost 70%. A 48-h exposure to 5 μg/L DM also leads to an ≈2.5-fold increase in citrate synthase (CS) activity (and CS gene transcription) and an ≈2-fold decrease in the citrate lyase gene transcripts, which lead to an increase in the intracellular concentration of citrate and in citrate exudation rate. Addition of a specific inhibitor of cell membrane anion channel, anthracene-9-carboxylic acid, decreased citrate release in the culture, suggesting that DM-induced citrate loss from the cells is mediated by a specific membrane-bound channel protein. This study brings new insights into the key biochemical mechanisms leading to DM toxicity in rice.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,190
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetAluminum toxicity and tolerance in plants and animalsTravaux en français237 207