Research on lncRNA related to drought resistance of Shanlan upland rice
Notice bibliographique
Résumé
BACKGROUND: Drought has become the major abiotic stress that causes losses in rice yields and consequently is one of the main environmental factors threatening food security. Long non-coding RNA (lncRNA) is known to play an important role in plant response to drought stress, while the mechanisms of competing endogenous RNA (ceRNA) in drought resistance in upland rice have been rarely reported. RESULTS: In our study, a total of 191 lncRNAs, 2115 mRNAs and 32 miRNAs (microRNAs) were found by strand-specific sequencing and small RNA sequencing to be differentially expressed in drought-stressed rice. Functional analysis of results indicate that they play important roles in hormone signal transduction, chlorophyll synthesis, protein synthesis and other pathways. Construction of a ceRNA network revealed that MSTRG.28732.3 may interact with miR171 in the chlorophyll biosynthesis pathway and affect the ability of plants to withstand drought stress by regulating Os02g0662700, Os02g0663100 and Os06g0105350. The accuracy of the regulatory network was verified by qRT-PCR. CONCLUSION: Our results provide a theoretical basis for future studies on the potential function of lncRNA in plant drought resistance, and they provide new genetic resources for drought-resistant rice breeding.
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 | 0,001 | 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 | 0,001 | 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 ».