Comparative transcriptome analysis of different heat stress responses between self-root grafting line and heterogeneous grafting line in rose
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rose is sensitive to high temperature which will make the rose go into a semi-dormancy state. Grafting is an excellent way to enhance rose heat tolerance. Here, heat-tolerant Rosa multiflora ‘Huanong Wuci 1′ (W) and heat-sensitive Rosa chinensis ‘Old Blush’ (X) were selected as experimental materials. The RNA-seq technique was used to investigate the transcriptomes of self-root grafting line (XX0), heterogeneous grafting line (XW0), self-root grafting line under 6 h heat stress (XX6), and heterogeneous grafting line under 6 h heat stress (XW6). Under high temperature stress, multiple signaling pathways were activated, moreover, a large number of transcription factors and functional genes were induced, especially the HSFs and HSPs with remarkably upregulated expression levels. The GO analysis showed that the differences in the expressions of the genes related to fatty acids and carbohydrates were observed between self-root grafting line and heterogeneous grafting line. In addition, 14 P450s were differentially expressed, and one lectin gene was up-regulated in XW0 vs XW6, but down-regulated in XX0 vs XX6. Considering physiological and biochemical traits such as relative electrolyte leakage, SOD activity, proline, and total soluble sugars, DEGs involved in these processes may be key factors to resist high temperature. The present study provides an insight into the complex mechanism underlying grafting in response to heat stress. Our results indicate that grafting is an effective way to improve rose heat resistance.
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.
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) | 0,001 | 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 découle