MétaCan
Menu
Retour à la cohorte
Enregistrement W2808846441 · doi:10.1111/ppl.12787

Alfalfa response to heat stress is modulated by microRNA156

2018· article· en· W2808846441 sur OpenAlexafffund
Craig J. Matthews, Muhammad Arshad, Abdelali Hannoufa

Notice bibliographique

RevuePhysiologia Plantarum · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Molecular Biology Research
Établissements canadiensAgriculture and Agri-Food CanadaWestern University
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésAbiotic componentMedicago sativaAbiotic stressBiologyAgronomyForageHeat stressChlorophyllCultivarCropBotanyGeneEcologyAnimal scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

Heat stress and extreme temperatures negatively affect plant development by disrupting regular cellular and biochemical functions, ultimately leading to reduced crop production. Alfalfa (Medicago sativa) is an important forage crop grown worldwide as forage for livestock feed. Limiting the effects of abiotic stress by developing alfalfa cultivars that are stress tolerant would help mitigate losses to crop production. Members of the microRNA156 (miR156) family regulate the Squamosa Promoter-Binding Protein-Like (SPL) genes that in turn impact plant growth and development by regulating downstream genes in response to various abiotic stresses. In this study, alfalfa with miR156 overexpression and SPL13 RNAi knockdown show increased tolerance to heat stress (40°C). Transgenic plants show high water potential and increased non-enzymatic antioxidant content under heat stress. Moreover, anthocyanin content and chlorophyll abundance were increased under stress. Expression of some important transcription factors and downstream genes involved in abiotic stress response were altered in miR156-overexpressing genotypes under heat. Taken together, our results demonstrate that the miR156/SPL13 network contributes to improving heat stress tolerance in alfalfa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,159
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 GPT0,240
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

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

Citations110
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysiologia PlantarumMême sujetPlant Molecular Biology ResearchTravaux en français237 207