Transcriptomic characterization of the B. napus – L. maculans pathosystem
Notice bibliographique
Résumé
Canola (Brassica napus L.) is one of the world’s most valuable oilseed crops and sustains a multibillion-dollar industry. Currently, blackleg disease caused by the hemibiotrophic fungus L. maculans threatens the canola industry in Canada, Europe, and Australia and causes over $500 Million in crop loss per annum. Disease control relies heavily on crop resistance mediated by SOBIR1-interacting receptor-like proteins, such as Rlm2 and LepR1. Understanding the downstream plant immune responses activated by SOBIR1-RLP complexes is currently an area of interest in plant pathology. This work profiles the transcriptome of canola cotyledons from the initial stages of infection through to the necrotrophic stage of disease, in both compatible and incompatible (Rlm2, LepR1) interactions. A spatial dimension was added to this dataset through the application of laser microdissection and captured early signaling events during initial host colonization. Through transcriptomic interrogation I identified plant immune responses associated with resistance, such as jasmonic acid signaling, lignin and callose production, and calcium signaling. Additionally, I designed the program SeqEnrich to build regulatory networks and predict transcriptional control of these important immune processes. SeqEnrich has been made publicly available and will serve as a valuable resource to researchers studying transcriptional control of biological processes in B. napus and Arabidopsis. Further, sequencing data was functionally validated with mutant screens, microscopy, measurement of endogenous jasmonic acid concentrations, and physiological experiments with calcium channel blockers. This identified positive regulators of plant resistance, including uncharacterized receptor-like proteins, that are the focus of ongoing research. To my knowledge, this is the first study to apply LMD and RNA-Seq in combination to characterize early signaling events during a plant host-microbe interaction, and the first transcriptomic investigation into LepR1- and Rlm2-mediated immunity. Together, this information will be valuable to researchers studying blackleg disease, regulation of transcription in plants, and plant host pathogen interactions in general.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».