Genomic Profiling of Virulence in the Soybean Cyst Nematode Using Single-Nematode Sequencing
Notice bibliographique
Résumé
Soybean cyst nematode (SCN) is one of the most important diseases in soybean. Currently, the main management strategy relies on planting resistant cultivars. However, the overuse of a single resistance source has led to the selection of virulent SCN populations, although the mechanisms by which the nematode overcomes the resistance genes remain unknown. In this study, we used a nematode-adapted single-cell RNA-seq approach to identify SCN genes potentially involved in resistance breakdown in Peking and PI 88788 parental soybean lines. We established for the first time the full transcriptome of single SCN individuals allowing us to identify a list of putative virulence genes against both major SCN resistance sources. Our analysis identified 48 differentially expressed putative effectors (secreted proteins required for infection) alongside 40 effectors showing evidence of novel structural variants, and 11 effector genes containing phenotype-specific sequence polymorphisms. Additionally, a differential expression analysis revealed an interesting phenomenon of coexpressed gene regions with some containing putative effectors. The selection of virulent SCN individuals on Peking resulted in a profoundly altered transcriptome, especially for genes known to be involved in parasitism. Several sequence polymorphisms were also specific to these virulent nematodes and could potentially play a role in the acquisition of nematode virulence. On the other hand, the transcriptome of virulent individuals on PI 88788 was very similar to avirulent ones with the exception of a few genes, which suggest a distinct virulence strategy to Peking.
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 ».