Temporospatial Flavonoids Metabolism Variation in Ginkgo biloba Leaves
Notice bibliographique
Résumé
Ginkgo (Ginkgo biloba L.) is a high-value medicinal tree species characterized by its flavonoids beneficial effects that are abundant in leaves. We performed a temporospatial comprehensive transcriptome and metabolome dynamics analyses of clonally propagated Ginkgo plants at four developmental stages (time: May to August) across three different environments (space) to unravel leaves flavonoids biosynthesis variation. Principal component analysis revealed clear gene expression separation across samples from different environments and leaf-developmental stages. We found that flavonoid-related metabolism was more active in the early stage of leaf development, and the content of total flavonoid glycosides and the expression of some genes in flavonoid biosynthesis pathway peaked in May. We also constructed a co-expression regulation network and identified eight GbMYBs and combining with other TF genes (3 GbERFs, 1 GbbHLH, and 1 GbTrihelix) positively regulated the expression of multiple structural genes in the flavonoid biosynthesis pathway. We found that part of these GbTFs (Gb_11316, Gb_32143, and Gb_00128) expressions was negatively correlated with mean minimum temperature and mean relative humidity, while positively correlated with sunshine duration. This study increased our understanding of the molecular mechanisms of flavonoids biosynthesis in Ginkgo leaves and provided insight into the proper production and management of Ginkgo commercial plantations.
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 | 0,000 | 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 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 ».