Large-scale single-cell profiling of stem cells uncovers redundant regulators of shoot development and yield trait variation
Notice bibliographique
Résumé
SUMMARY Stem cells in plant shoots are a rare population of cells that produce leaves, fruits and seeds, vital sources for food and bioethanol. Uncovering regulators expressed in these stem cells will inform crop engineering to boost productivity. Single-cell analysis is a powerful tool for identifying regulators expressed in specific groups of cells. However, accessing plant shoot stem cells is challenging. Recent single-cell analyses of plant shoots have not captured these cells, and failed to detect stem cell regulators like CLAVATA3 and WUSCHEL . In this study, we finely dissected stem cell-enriched shoot tissues from both maize and arabidopsis for single-cell RNA-seq profiling. We optimized protocols to efficiently recover thousands of CLAVATA3 and WUSCHEL expressed cells. A cross-species comparison identified conserved stem cell regulators between maize and arabidopsis. We also performed single-cell RNA-seq on maize stem cell overproliferation mutants to find additional candidate regulators. Expression of candidate stem cell genes was validated using spatial transcriptomics, and we functionally confirmed roles in shoot development. These candidates include a family of ribosome-associated RNA-binding proteins, and two families of sugar kinase genes related to hypoxia signaling and cytokinin hormone homeostasis. These large-scale single-cell profiling of stem cells provide a resource for mining stem cell regulators, which show significant association with yield traits. Overall, our discoveries advance the understanding of shoot development and open avenues for manipulating diverse crops to enhance food and energy security.
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 | 0,000 | 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) | 0,001 | 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 ».