Genome-wide analysis of the NAAT, DMAS, TOM, and ENA gene families in maize suggests their roles in mediating iron homeostasis
Notice bibliographique
Résumé
BACKGROUND: Nicotianamine (NA), 2'-deoxymugineic acid (DMA), and mugineic acid (MA) are chelators required for iron uptake and transport in plants. Nicotianamine aminotransferase (NAAT), 2'-deoxymugineic acid synthase (DMAS), transporter of MAs (TOM), and efflux transporter of NA (ENA) are involved in iron uptake and transport in rice (Oryza sativa), wheat (Triticum aestivum), and barley (Hordeum vulgare); however, these families have not been fully identified and comprehensively analyzed in maize (Zea mays L.). RESULTS: Here, we identified 5 ZmNAAT, 9 ZmDMAS, 11 ZmTOM, and 2 ZmENA genes by genome mining. RNA-sequencing and quantitative real-time PCR analysis revealed that these genes are expressed in various tissues and respond differently to high and low iron conditions. In particular, iron deficiency stimulated the expression of ZmDMAS1, ZmTOM1, ZmTOM3, and ZmENA1. Furthermore, we determined protein subcellular localization by transient expression of green fluorescent protein fusions in maize mesophyll protoplasts. ZmNAAT1, ZmNAAT-L4, ZmDMAS1, and ZmDMAS-L1 localized in the cytoplasm, whereas ZmTOMs and ZmENAs targeted to plasma and tonoplast membranes, endomembranes, and vesicles. CONCLUSIONS: Our results suggest that the different gene expression profiles and subcellular localizations of ZmNAAT, ZmDMAS, ZmTOM, and ZmENA family members may enable specific regulation of phytosiderophore metabolism in different tissues and under different external conditions, shedding light on iron homeostasis in maize and providing candidate genes for breeding iron-rich maize varieties.
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 | 0,001 |
| 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 ».