Systems-level proteomics and metabolomics reveals the diel molecular landscape of diverse kale cultivars
Notice bibliographique
Résumé
species that are nutritious leafy greens consumed for their abundance of vitamins and micronutrients. Typified by their curly, serrated and/or wavy leaves, kale varieties have been primarily defined based on their leaf morphology and geographic origin, despite having complex genetic backgrounds. Kale is a very promising crop for vertical farming due to its high nutritional content; however, being a non-model organism, foundational, systems-level analyses of kale are lacking. Previous studies in kale have shown that time-of-day harvesting can affect its nutritional composition. Therefore, to gain a systems-level diel understanding of kale across its wide-ranging and diverse genetic landscape, we selected nine publicly available and commercially grown kale cultivars for growth under near-sunlight LED light conditions ideal for vertical farming. We then analyzed changes in morphology, growth and nutrition using a combination of plant phenotyping, proteomics and metabolomics. As the diel molecular activities of plants drive their daily growth and development, ultimately determining their productivity as a crop, we harvested kale leaf tissue at both end-of-day (ED) and end-of-night (EN) time-points for all molecular analyses. Our results reveal that diel proteome and metabolome signatures divide the selected kale cultivars into two groups defined by their amino acid and sugar content, along with significant proteome differences involving carbon and nitrogen metabolism, mRNA splicing, protein translation and light harvesting. Together, our multi-cultivar, multi-omic analysis provides new insights into the molecular underpinnings of the diel growth and development landscape of kale, advancing our fundamental understanding of this nutritious leafy green super-food for horticulture/vertical farming applications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».