Biosensor-based spatial and developmental mapping of maize leaf glutamine at vein-level resolution in response to different nitrogen rates and uptake/assimilation durations
Notice bibliographique
Résumé
BACKGROUND: The amino acid glutamine (Gln) is a primary transport form of nitrogen in vasculature following root uptake, critical for the location/timing of growth in maize and other cereals. Analytical chemistry methods do not permit in situ analysis of Gln, including visualization within the vascular network. Their cost and tissue requirement are barriers to exploring the complexity of Gln dynamics. We previously reported a biosensor, GlnLux, which can measure relative Gln levels inexpensively with tiny amounts of tissue. RESULTS: Here, maize seedlings were given different N rates for multiple uptake/assimilation durations, after which > 1500 leaf disk extracts were analyzed. A second technique permitted in situ imaging of Gln for all leaves sampled simultaneously. We demonstrate that multifactorial interactions govern Gln accumulation involving position within each leaf (mediolateral/proximodistal), location of leaves along the shoot axis, N rate, and uptake duration. In situ imaging localized Gln in leaf veins for the first time. A novel hypothesis is that leaf Gln may flow along preferential vascular routes, for example in response to mechanical damage or metabolic needs. CONCLUSIONS: The GlnLux technology enabled the most detailed map of relative Gln accumulation in any plant, and the first report of in situ Gln at vein-level resolution. The technology might be used with any plant species in a similar manner.
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 | 0,000 | 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 ».