MétaCan
Menu
Retour à la cohorte
Enregistrement W4307380516 · doi:10.1186/s12870-022-03880-7

Niche differentiation modulates metabolites abundance and composition in silicon fertilizer amended soil during sugarcane growth

2022· article· en· W4307380516 sur OpenAlexaff
Nyumah Fallah, Ziqin Pang, Fei Dong, Yongmei Zhou, Wenxiong Lin, Kabore Manegdebwaoga Arthur Fabrice, Chaohua Hu, Zhaonian Yuan

Notice bibliographique

RevueBMC Plant Biology · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSilicon Effects in Agriculture
Établissements canadiensMinistry of Agriculture
Organismes subventionnairesnon disponible
Mots-clésBiologyNicheFertilizerAbundance (ecology)AgronomyBotanyBiotechnologyEcology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As one of the vital crops globally, sugarcane (Saccharum officinarum L.) has been one of model crops for conducting metabolome research. Although many studies have focused on understanding bioactive components in specific sugarcane tissues, crucial questions have been left unanswered about the response of metabolites to niche differentiation such as different sugarcane tissues (leaf, stem and root), and soil regions (rhizosphere and bulk) under silicon (Si) amended soils. Here, nontargeted metabolite profiling method was leveraged to assess the similarities and differences in the abundance and community composition of metabolites in the different sugarcane and soil compartments. Identify the compartment-specific expression patterns of metabolites, and their association with cane agronomic traits and edaphic factors. We also investigated the response of sugarcane agronomic traits and edaphic factors to Si amended soil. RESULTS: We found that Si fertilizer exhibited the advantages of overwhelmingly promoting the height and theoretical production of cane, and profoundly increased soil Si content by 24.8 and 27.0%, while soil available potassium (AK) was enhanced by 3.07 and 2.67 folds in the bulk and rhizosphere soils, respectively. It was also noticed that available phosphorus (AP) in the rhizosphere soil tremendously increased by 105.5%. We detected 339 metabolites in 30 samples using LC-MS/MS analyses, 161 of which were classified and annotated, including organooxygen compounds (19.9%), carboxylic acids and derivatives (15.5%), fatty acyls (15.5%), flavonoids (4.4%), phenols (4.4%), and benzene and substituted derivatives (3.7%). In addition, the total percentages covered by these core metabolites in each compartment ranged from 94.0% (bulk soil) to 93.4% (rhizosphere soil), followed by 87.4% (leaf), 81.0% (root) and 80.5% (stem), suggesting that these bioactive compounds may have migrated from the belowground tissues and gradually filtered in various aboveground niches of the plant. We also observed that the variations and enrichment of metabolites abundance and community were compartment-specific. Furthermore, some key bioactive compounds were markedly associated with plant growth parameters and soil edaphic. CONCLUSION: Taken together, we hypothesized that Si utilization can exhibit the advantage of enhancing edaphic factors and cane agronomic traits, and variations in metabolites community are tissue-specific.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil0,270

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,199
Écart entre enseignants0,187 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Plant BiologyMême sujetSilicon Effects in AgricultureTravaux en français237 207