Effects of Fruit Shading on Gene and Protein Expression During Starch and Oil Accumulation in Developing Styrax tonkinensis Kernels
Notice bibliographique
Résumé
Styrax tonkinensis has great potential as a biofuel feedstock source having industrial oilseeds with excellent fatty acids (FAs) composition and good fuel properties. Photosynthesis in the developing pericarp could affect the carbon distribution in kernel. During kernel development, more carbon sources are allocated to starch rather than lipid, when the pericarp photosynthesis is reduced by fruit shading treatment. After shading the fruits at 50 days after flowering (DAF), samples of shaded fruit (FSK) and controls (CK) were collected at 80 DAF and analyzed using the proteomic method. We identified 3,181 proteins, of which 277 were differentially expressed proteins, all downregulated in the FSK group. There were 56 proteins found involved in carbohydrate metabolism and lipid biosynthesis leading to oil accumulation with their iTRAQ ratios of FSK/CK ranging from 0.7123 to 1.1075. According to the qRT-PCR analyses, the key genes related to FA and triacylglycerol (TAG) biosynthesis were significantly downregulated between 60 and 90 DAF especially at 80 DAF, while the key genes involved in starch biosynthesis and FA desaturase had no significant difference between the two groups at 80 DAF. Fruit shading is a negative treatment for lipid accumulation but not starch accumulation by restraining enzymic protein expression involved in FA and TAG biosynthesis during S. tonkinensis kernel development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».