MétaCan
Menu
Retour à la cohorte
Enregistrement W4280592202 · doi:10.1042/ebc20210097

Indirect recognition of pathogen effectors by NLRs

2022· review· en· W4280592202 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEssays in Biochemistry · 2022
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant-Microbe Interactions and Immunity
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEffectorBiologyDecoyPattern recognition receptorPathogen-associated molecular patternPathogenComputational biologyReceptorCell biologyImmunologyGeneticsInnate immune system

Résumé

récupéré en direct d'OpenAlex

To perceive pathogen threats, plants utilize both plasma membrane-localized and intracellular receptors. Nucleotide-binding domain leucine-rich repeat containing (NLR) proteins are key receptors that can recognize pathogen-derived intracellularly delivered effectors and activate downstream defense. Exciting recent findings have propelled our understanding of the various recognition and activation mechanisms of plant NLRs. Some NLRs directly bind to effectors, but others can perceive effector-induced changes on targeted host proteins (guardees), or non-functional host protein mimics (decoys). Such guarding strategies are thought to afford the host more durable resistance to quick-evolving and diverse pathogens. Here, we review classic and recent examples of indirect effector recognition by NLRs and discuss strategies for the discovery and study of new NLR-decoy/guardee systems. We also provide a perspective on how executor NLRs and helper NLRs (hNLRs) provide recognition for a wider range of effectors through sensor NLRs and how this can be considered an expanded form of indirect recognition. Furthermore, we summarize recent structural findings on NLR activation and resistosome formation upon indirect recognition. Finally, we discuss existing and potential applications that harness NLR indirect recognition for plant disease resistance and crop resilience.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,263
Écart entre enseignants0,226 · 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