Comparative secretome analysis of different smut fungi and identification of plant cell death-inducing secreted proteins from Tilletia horrida
Notice bibliographique
Résumé
BACKGROUND: Tilletia horrida is a basidiomycete fungus that causes rice kernel smut, one of the most important rice diseases in hybrid rice growing areas worldwide. However, little is known about its mechanisms of pathogenicity. We previously reported the genome of T. horrida, and 597 genes that encoded secreted proteins were annotated. Among these were some important effector genes related to pathogenicity. RESULTS: A secretome analysis suggested that five Tilletia fungi shared more gene families than were found in other smuts, and there was high conservation between them. Furthermore, we screened 597 secreted proteins from the T. horrida genome, some of which induced expression in host-pathogen interaction processes. Through transient expression, we demonstrated that two putative effectors could induce necrosis phenotypes in Nicotiana benthamiana. These two encoded genes were up-regulated during early infection, and the encoded proteins were confirmed to be secreted using a yeast secretion system. For the putative effector gene smut_5844, a signal peptide was required to induce non-host cell death, whereas ribonuclease catalytic active sites were required for smut_2965. Moreover, both putative effectors could induce an immune response in N. benthamiana leaves. Interestingly, one of the identified potential host interactors of smut_5844 was laccase-10 protein (OsLAC10), which has been predicted to be involved in plant lignification and iron metabolism. CONCLUSIONS: Overall, this study identified two secreted proteins in T. horrida that induce cell death or are involved in defense machinery in non-host plants. This research provides a useful foundation for understanding the interaction between rice and T. horrida.
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 ».