Modulation of Plant MicroRNA Expression: Its Potential Usability inWheat (Triticum aestivum L.) Improvement
Notice bibliographique
Résumé
Wheat, a crucial crop for the pursuit of food security, is faced with a plateauing yield projected to fall short of meeting the demands of the exponentially increasing human population. To raise global wheat productivity levels, strong efforts must be made to overcome the problems of (1) climate change-induced heat and drought stress and (2) the genotype-dependent amenability of wheat to tissue culture, which limits the success of recovering genetically engineered plants, especially in elite cultivars. Unfortunately, the mainstream approach of genetically engineering plant protein-coding genes may not be effective in solving these problems as it is difficult to map, annotate, functionally verify, and modulate all existing homeologs and paralogs within wheat's large, complex, allohexaploid genome. Additionally, the quantitative, multi-genic nature of most agronomically important traits furthers the complications faced by this approach. miRNAs are small, noncoding RNAs (sncRNAs) that repress gene expression at the post-transcriptional level, regulating various aspects of plant growth and development. They are gaining popularity as alternative targets of genetic engineering efforts for crop improvement due to their (1) highly conserved nature, which facilitates reasonable prediction of their gene targets and phenotypic effects under different expression levels, and (2) the capacity to target multiple genes simultaneously, making them suitable for enhancing complex and multigenic agronomic traits. In this mini-review, we will discuss the biogenesis, manipulation, and potential applications of plant miRNAs in improving wheat's yield, somatic embryogenesis, thermotolerance, and drought-tolerance in response to the problems of plateauing yield, genotype-dependent amenability to tissue culture, and susceptibility to climate change-induced heat and drought stress.
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) | 0,001 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».