MétaCan
Menu
Retour à la cohorte
Enregistrement W4205254486 · doi:10.3410/f.737361247.793574416

Faculty Opinions recommendation of TOR dynamically regulates plant cell-cell transport.

2020· dataset· en· W4205254486 sur OpenAlexaff
Leon V. Kochian

Notice bibliographique

RevueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature · 2020
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant nutrient uptake and metabolism
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPlasmodesmaSugarCell biologyBiologyGenetic screenCellChemistryBiochemistryBotanyGeneMutant

Résumé

récupéré en direct d'OpenAlex

The coordinated redistribution of sugars from mature "source" leaves to developing "sink" leaves requires tight regulation of sugar transport between cells via plasmodesmata (PD). Although fundamental to plant physiology, the mechanisms that control PD transport and thereby support development of new leaves have remained elusive. From a forward genetic screen for altered PD transport, we discovered that the conserved eukaryotic glucose-TOR (TARGET OF RAPAMYCIN) metabolic signaling network restricts PD transport in leaves. Genetic approaches and chemical or physiological treatments to either promote or disrupt TOR activity demonstrate that glucose-activated TOR decreases PD transport in leaves. We further found that TOR is significantly more active in mature leaves photosynthesizing excess sugars than in young, growing leaves, and that this increase in TOR activity correlates with decreased rates of PD transport. We conclude that leaf cells regulate PD trafficking in response to changing carbohydrate availability monitored by the TOR pathway. PMID: 32051250 Funding information This work was supported by: NIGMS NIH HHS, United States Grant ID: R01 GM045244 NIH HHS, United States Grant ID: DP5 OD023072

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,250

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,009
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0750,063

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,271
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaculty Opinions – Post-Publication Peer Review of the Biomedical LiteratureMême sujetPlant nutrient uptake and metabolismTravaux en français237 207