Metatranscriptomics and small RNA analysis revealed that viral covert coinfection resulted in disease symptoms reminiscent of rice sterility
Notice bibliographique
Résumé
Abstract Background Viral pathogens are a major threat to stable crop production. The discovery of viral diseases traditionally concerns apparent infection that shows obvious symptoms in crop plants. However, little is known about the covert infection of crop plants by viruses. In this study, we used deep metatranscriptomic sequencing and small RNA analysis to identify covert infection of rice plants by viruses. Results Our results showed that introgression of the dominant brown planthopper (BPH) resistance gene Bph3 into the high-yielding but BPH-susceptible indica variety Ms55 via a backcross strategy significantly enhanced resistance to BPH. However, Bph3 -carrying backcross lines infested by BPH exhibited panicle enclosure and failed to produce seed at the mature stage, which are typical characteristics of sterile rice plants. Using a metatranscriptomic analysis, we identified six RNA viruses in backcross line Rby1 and eleven RNA viruses in backcross line Rby2, including eight novel viruses that fell within existing families and orders. Furthermore, our small RNA analysis revealed the biogenesis of viral small interfering RNAs that represented active virus infection in rice plants. Conclusion Bph3 -carrying backcross rice lines are resistant to BPH but are susceptible to viral infection. We identified viral covert coinfection in sterile rice plants by deep metatranscriptomic sequencing and small RNA analysis. Our results suggested that covert coinfection of rice plants by RNA viruses resulted in disease symptoms reminiscent of rice sterility. To develop rice varieties resistant to BPH, it is necessary to introgress genes resistant to not only BPH but also viral infection.
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 | 0,015 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 ».