miRNA alteration is an important mechanism in sugarcane response to low-temperature environment
Notice bibliographique
Résumé
BACKGROUND: Cold is a major abiotic stress limiting the production of tropical and subtropical crops in new production areas. Sugarcane (Saccharum spp.) originates from the tropics but is cultivated primarily in the sub-tropics where it frequently encounters cold stress. Besides regulating plant growth, miRNAs play an important role in environmental adaption. RESULTS: In this study, a total of 412 sugarcane miRNAs, including 261 known and 151 novel miRNAs, were obtained from 4 small RNA libraries through the Illumina sequencing method. Among them, 62 exhibited significant differential expression under cold stress, with 34 being upregulated and 28 being downregulated. The expression of 13 miRNAs and 12 corresponding targets was validated by RT-qPCR, with the majority being consistent with the sequencing data. GO and KEGG analysis indicated that these miRNAs were involved in stress-related biological pathways. To further investigate the involvement of these miRNAs in tolerance to abiotic stresses, sugarcane miR156 was selected for functional analysis. RT-qPCR revealed that miR156 levels increased in sugarcane during cold, salt and drought stress treatments. Nicotiana benthamiana plants transiently overexpressing miR156 exhibited better growth status, lower ROS levels, higher anthocyanin contents as well as the induction of some cold-responsive genes, suggesting its positive role in the plant cold stress response. CONCLUSIONS: This study provides a global view of the association of miRNA expression with the sugarcane response to cold stress. The findings have enriched the present miRNA resource and have made an attempt to verify the involvement of miR156 in plant response to cold stress.
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 ».