Ethylene Regulates Combined Drought and Low Nitrogen Tolerance in Wheat: Proteomic Analysis
Notice bibliographique
Résumé
Wheat is a staple crop in China’s arid and semi-arid regions. Drought and low nitrogen (LN) are two major constraints to wheat growth and production. However, the molecular mechanism underlying wheat response to both drought and LN stress remains unknown. Accordingly, we conducted a proteomic study on the roots of two wheat varieties, Chang6878 (drought tolerant) and Shi4185 (drought sensitive) and compared the differences between drought and combined drought and LN stress treatments. In total, 5143 proteins were identified, of which 163 differentially abundant proteins (DAPs) were uniquely upregulated under drought and LN stress in Chang6878. Enrichment analysis showed that DAPs were mainly involved in mitogen-activated protein kinase signaling, phenylpropanoid biosynthesis, glutathione metabolism, ethylene biosynthesis, ethylene signal transduction, and oxidation–reduction reactions. These DAPs were verified via parallel reaction monitoring and quantitative real-time polymerase chain reaction. Chang6878 was treated with the ethylene synthesis precursor 1-aminocyclopropanecarboxylic acid, and its resistance to drought and LN stress improved. After treatment with the ethylene synthesis inhibitor silver nitrate and ethylene signal transduction inhibitor 1-methylcyclopropene, drought and LN stress resistance reduced. These results provide novel insights into the tolerance mechanisms of Chang6878 to drought and LN stress by altering ethylene synthesis and signal transduction. This study provides a reference for breeding drought- and low-nitrogen-tolerant wheat germplasm resources and a theoretical basis for maintaining food security in arid, barren areas.
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 | 0,001 |
| 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 ».