Lipid metabolism and MAPK-ICE1 cascade play crucial roles in cold tolerance of banana
Notice bibliographique
Résumé
Abstract Low temperature is a major environmental factor that limits the growth, yield, and geographical distribution of Cavendish and Dajiao bananas ( Musa spp.). Dajiao bananas exhibit a significantly higher cold tolerance than the Cavendish cultivar. However, the underlying mechanisms involved in cold tolerance regulation in Dajiao plants have not been determined. In this study, we investigated the mechanisms underlying the differences in cold tolerance at the cellular level between the cold-sensitive Cavendish and cold-tolerant Dajiao banana types through comparative metabolomics and transcriptomics analyses in calli exposed to cold treatment under dark conditions. A higher accumulation of lipids was observed in Dajiao calli cells compared to Cavendish cells under cold stress. After cold treatment, 4,626 and 5,516 differentially expressed genes (DEGs) were identified in Cavendish and Dajiao banana cells, respectively. By integrating the transcriptomic and metabolomic datasets, we discovered that the linoleic acid and α-linoleic acid metabolism and the Abscisic acid (ABA)-independent Mitogen-activated protein kinase (MAPK) cascade-Inducer of CBF expression 1 (ICE1) signal transduction pathway (including Mitogen-activated protein kinase kinase kinase 1 [ MEKK1 ], MAPK5 , ICE1 , and Cold-regulated 47 [ COR47 ]) played crucial roles in the cold tolerance of Dajiao bananas. Our study provides new insights into cold response regulation and novel cold tolerance mechanisms, providing valuable leads and targets for the genetic improvement of cold tolerance in bananas.
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 ».