Transcriptome and metabolome profiling of Narcissus pseudonarcissus ‘King Alfred’ reveal components of Amaryllidaceae alkaloid metabolism
Notice bibliographique
Résumé
Amaryllidaceae alkaloids (AAs) represent a diverse class of plant specialized metabolites and many display potent pharmacological activities. The AA metabolic pathway is poorly understood and resources are minimal. To enable AA pathway elucidation and novel biosynthetic enzymes discovery, we generated comprehensive metabolomic and corresponding transcriptomic datasets from different tissues of Narcissus pseudonarcissus 'King Alfred'. In this study, we performed untargeted UPLC-QTOF-MS metabolite analysis from different tissues, which generated exhaustive list of compounds, including several AAs, most predominant and diverse in bulbs. RNA sequencing of N. pseudonarcissus 'King Alfred' bulbs yielded 195,347 transcripts, after assembly. Top expressed genes belong to process like metabolism, survival, and defense including alkaloid biosynthetic genes. The transcriptome contained complete sequences for all proposed genes encoding AA-biosynthetic enzymes such as tyrosine decarboxylase (TYDC1 and TYDC2), phenylalanine ammonia-lyase (PAL1 and PAL2) and phenolic acids hydroxylases (C4H and C3H) to name a few. Furthermore, transcriptome data were validated using RT-qPCR analysis and expression study in different tissues of N. pseudonarcissus 'King Alfred' was performed. Here, we present the first comprehensive metabolome and transcriptome study from N. pseudonarcissus 'King Alfred' providing invaluable resources for metabolic engineering and biotechnological 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».