Soybean (<i>Glycine max</i> L.) seed germination in response to waterlogging and cold climate: a review on the genetics and molecular mechanisms of resistance to the abiotic stress
Notice bibliographique
Résumé
Soybean ( Glycine max L.) is the most important legume crop in the world and provides protein and oil for human consumption and animal feed. Cold and waterlogging or flooding are abiotic stress that are commonly encountered during soybean germination in short-season growing conditions in the Northern latitudes. Imbibition of cold water during the germination disrupts the cell membranes and increases leakage of their contents and makes seeds vulnerable to biotic stress. The cold tolerance is associated with the ability of cells to avoid or repair the damage to their membranes and organelles, restoring membrane function and metabolism, and managing the reactive oxygen species generated during the process. Excess moisture impedes aerobic respiration by oxygen deprivation and increases the likelihood of soil-borne diseases further reducing the germination rate. Tolerance to waterlogging is associated with mechanisms that slow down the rate of water uptake and help maintain efficient anaerobic metabolism. The quantitative trait loci mapping, transcriptomics, and proteomic studies have revealed several genes and pathways that likely play a role in seed response to cold and waterlogging stress. This review discusses the effects of cold and waterlogging on soybean seed germination at the physiological level, describes the molecular mechanisms involved, and provides an overview of soybean waterlogging and cold tolerance research. The methodologies commonly used to study the molecular mechanisms controlling tolerance to waterlogging and cold stress are also reviewed and discussed.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».