MétaCan
Menu
Retour à la cohorte
Enregistrement W2804590605 · doi:10.1186/s12864-018-4741-7

Transcriptomic analysis of genes in soybean in response to Peronospora manshurica infection

2018· article· en· W2804590605 sur OpenAlexaff
Hang Dong, Shuangfeng Shi, Chong Zhang, Sihui Zhu, Mei Li, Jie Tan, Yue Yu, Liping Lin, Shirong Jia, Xujing Wang, Yuanhua Wu, Yuhui Liu

Notice bibliographique

RevueBMC Genomics · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Pathogens and Resistance
Établissements canadiensBiotechnology Research Institute
Organismes subventionnairesAgricultural Science and Technology Innovation Program
Mots-clésBiologyGeneKEGGTranscriptomeDowny mildewGene expressionGeneticsDNA microarrayFold changeGenomeRNA-SeqGene expression profilingBotany

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Soybean downy mildew (SDM), caused by Peronospora manshurica (Pm), is a major fungal disease in soybean. To date, little is known regarding the defense mechanism at molecular level and how soybean plants response to Pm infection. In this study, differential gene expression in SDM-resistant (HR) and SDM-susceptible (HS) genotype was analyzed by RNA-seq to identify differentially expressed genes (DEGs) following Pm infection. RESULTS: Of a total of 55,017 genes mapped to the soybean reference genome sequences, 2581 DEGs were identified. Clustering analysis of DEGs revealed that these genes could be grouped into 8 clusters with distinct expression patterns. Functional annotation based on gene ontology (GO) and KEGG analysis indicated they involved in diverse metabolism pathways. Of particular interest were the detected DEGs participating in SA/ROS and JA signalling transduction and plant/pathogen interaction. CONCLUSION: fold change > 2 or < - 2 upon fungal inoculation were identified, suggesting they were SDM defense responsive genes. These findings have paved way in further functional characterization of candidate genes and subsequently can be used in breeding of elite soybean varieties with better SDM-resistance.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,023
Tête enseignante GPT0,226
Écart entre enseignants0,203 · 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'étudeObservationnel
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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC GenomicsMême sujetPlant Pathogens and ResistanceTravaux en français237 207