Temporal transcriptomes unravel the effects of heat stress on seed germination during wheat grain filling
Notice bibliographique
Résumé
Abstract Promoting seed germination after short episodes of heat stress during the wheat grain filling stage is a serious problem that results in pre‐harvest sprouting. The plant hormones abscisic acid (ABA), gibberellins (GAs), and ethylene (ETH) are well known to be involved in germination control. However, the genes associated with the metabolism and responsiveness of these hormones to heat stress during wheat grain filling are not well understood. Transcriptomic analysis was carried out to explore the mechanisms controlling seed germination under five days (15–20 days after flowering, DAF) of heat stress (20, 24, 28, and 32°C) in wheat grains at 15–30 DAF using comparative RNA sequencing. A dataset of 2073 differentially regulated genes was used to help elucidate the molecular mechanisms that respond to heat stress and affect seed germination in wheat. Some genes related to ABA, GA, and ETH biosynthesis, transport, and signaling had significantly different expression levels under heat stress. Among these genes, the transcriptional alterations of plant hormone‐related genes, such as NCED9 , AAO3 , CYP707A2 , GA20ox , and SAM1 uncovered here, provide a foundation for identifying key players involved in determining seed dormancy and germination. The expression levels of many germination‐related genes did not linearly increase with increasing temperature. In this study, 28°C is a threshold of temperature tolerance during the grain filling stage. Heat stress, especially extremely high temperature (>28°C), represses ABA‐related gene expression and promotes seed germination.
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 | 0,001 | 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 ».