Silicon ameliorates clubroot responses in canola (<i>Brassica napus</i>): A “multi‐omics”‐based investigation into possible mechanisms
Notice bibliographique
Résumé
Clubroot disease, caused by Plasmodiophora brassicae Woronin, results in severe yield losses in Brassica crops, including canola. Silicon (Si) mitigates several stresses and enhances plant resistance to phytopathogens. We investigated the effects of Si on clubroot disease symptoms in canola at two concentrations of Si, Si: soil in 1: 100 w/w (Si1.0) and Si: soil in 1:200 w/w (Si0.5) under greenhouse conditions. In addition, the effects of Si on P. brassicae-induced gene expression, endogenous levels of phytohormones and metabolites were studied using "omics" approaches. Si application reduced clubroot symptoms and improved plant growth parameters. Gene expression analysis revealed increased transcript-level responses in Si1.0 compared to Si0.5 plants at 7-, 14-, and 21-days post-inoculation (dpi). Pathogen-induced transcript-level changes were affected by Si treatment, with genes related to antioxidant activity (e.g., POD, CAT), phytohormone biosynthesis and signalling (e.g., PDF1.2, NPR1, JAZ, IPT, TAA), nitrogen metabolism (e.g., NRT, AAT), and secondary metabolism (e.g., PAL, BCAT4) exhibiting differential expression. Endogenous levels of phytohormones (e.g., auxin, cytokinin), a majority of the amino acids and secondary metabolites (e.g., glucosinolates) were increased at 7 dpi, followed by a decrease at 14- and 21-dpi due to Si-treatment. Stress hormones such as abscisic acid (ABA), salicylic acid (SA), and jasmonic acid (JA) also decreased at the later time points in Si0.5, and Si1.0 treated plants. Si appears to improve clubroot symptoms while enhancing plant growth and associated metabolic processes, including nitrogen metabolism and secondary metabolite biosynthesis.
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 | 0,002 |
| 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 ».