Gene Coexpression Analysis Identifies Genes Associated with Chlorophyll Content and Relative Water Content in Pearl Millet
Notice bibliographique
Résumé
Pearl millet is a significant crop that is tolerant to abiotic stresses and is a staple food of arid regions. However, its underlying mechanisms of stress tolerance are not fully understood. Plant survival is regulated by the ability to perceive a stress signal and induce appropriate physiological changes. Here, we screened for genes regulating physiological changes such as chlorophyll content (CC) and relative water content (RWC) in response to abiotic stress by using “weighted gene coexpression network analysis” (WGCNA) and clustering changes in physiological traits, i.e., CC and RWC associated with gene expression. Genes’ correlations with traits were defined in the form of modules, and different color names were used to denote a particular module. Modules are groups of genes with similar patterns of expression, which also tend to be functionally related and co-regulated. In WGCNA, the dark green module (7082 genes) showed a significant positive correlation with CC, and the black (1393 genes) module was negatively correlated with CC and RWC. Analysis of the module positively correlated with CC highlighted ribosome synthesis and plant hormone signaling as the most significant pathways. Potassium transporter 8 and monothiol glutaredoxin were reported as the topmost hub genes in the dark green module. In Clust analysis, 2987 genes were found to display a correlation with increasing CC and RWC. Furthermore, the pathway analysis of these clusters identified the ribosome and thermogenesis as positive regulators of RWC and CC, respectively. Our study provides novel insights into the molecular mechanisms regulating CC and RWC in pearl millet.
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 | 0,000 | 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) | 0,000 | 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 ».