Synonymous mutation in <i>Growth Regulating Factor 15</i> of miR396a target sites enhances photosynthetic efficiency and heat tolerance in poplar
Notice bibliographique
Résumé
Heat stress damages plant tissues and induces multiple adaptive responses. Complex and spatiotemporally specific interactions among transcription factors (TFs), microRNAs (miRNAs), and their targets play crucial roles in regulating stress responses. To explore these interactions and to identify regulatory networks in perennial woody plants subjected to heat stress, we integrated time-course RNA-seq, small RNA-seq, degradome sequencing, weighted gene correlation network analysis, and multi-gene association approaches in poplar. Results from Populus trichocarpa enabled us to construct a three-layer, highly interwoven regulatory network involving 15 TFs, 45 miRNAs, and 77 photosynthetic genes. Candidate gene association studies in a population of P. tomentosa identified 114 significant associations and 696 epistatic SNP-SNP pairs that were linked to 29 photosynthetic and growth traits (P<0.0001, q<0.05). We also identified miR396a and its target, Growth-Regulating Factor 15 (GRF15) as an important regulatory module in the heat-stress response. Transgenic plants of hybrid poplar (P. alba × P. glandulosa) overexpressing a GRF15 mRNA lacking the miR396a target sites exhibited enhanced heat tolerance and photosynthetic efficiency compared to wild-type plants. Together, our observations demonstrate that GRF15 plays a crucial role in responding to heat stress, and they highlight the power of this new, multifaceted approach for identifying regulatory nodes in plants.
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 ».