Multi‐omics atlas of combinatorial abiotic stress responses in wheat
Notice bibliographique
Résumé
Field-grown crops rarely experience growth conditions in which yield can be maximized. Environmental stresses occur in combination, with advancements in crop tolerance further complicated by its polygenic nature. Strategic targeting of causal genes is required to meet future crop production needs. Here, we employed a systems biology approach in wheat (Triticum aestivum L.) to investigate physio-metabolic adjustments and transcriptome reprogramming involved in acclimations to heat, drought, salinity and all combinations therein. A significant shift in magnitude and complexity of plant response was evident across stress scenarios based on the agronomic losses, increased proline concentrations and 8.7-fold increase in unique differentially expressed transcripts (DETs) observed under the triple stress condition. Transcriptome data from all stress treatments were assembled into an online, open access eFP browser for visualizing gene expression during abiotic stress. Weighted gene co-expression network analysis revealed 152 hub genes of which 32% contained the ethylene-responsive element binding factor-associated amphiphilic repression (EAR) transcriptional repression motif. Cross-referencing against the 31 DETs common to all stress treatments isolated TaWRKY33 as a leading candidate for greater plant tolerance to combinatorial stresses. Integration of our findings with available literature on gene functional characterization allowed us to further suggest flexible gene combinations for future adaptive gene stacking in wheat. Our approach demonstrates the strength of robust multi-omics-based data resources for gene discovery in complex environmental conditions. Accessibility of such datasets will promote cross-validation of candidate genes across studies and aid in accelerating causal gene validation for crop resiliency.
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 ».