Identification of differentially expressed miRNAs and their target genes in response to brassinolide treatment on flowering of tree peony (<i>Paeonia ostii</i>)
Notice bibliographique
Résumé
Tree peony is a famous flower plant in China, but the short and concentrated flowering period limits its ornamental value and economic value. Brassinolide (BR) plays an important role in plant growth and development including flowering. There have been a large number of reports on the molecular aspects of the flowering process, but the genetic mechanism that was responsible for miRNA-guided regulation of tree peony is almost unclear. In this study, the leaves of tree peony cultivar, ‘Feng Dan’, were sprayed with different concentrations of BR, and the obvious bloom delay was found at the treatment with BR 50 μg/L. The small RNA sequencing and transcriptome sequencing were performed on the petals of tree peony under an untreated control (CK) and the treatment with BR 50 μg/L during four consecutive flowering development stages. A total of 22 known miRNAs belonging to 12 families were identified and 84 novel miRNAs were predicted. Combined with transcriptome data, a total of 376 target genes were predicted for the 18 differentially expressed known miRNAs and 177 target genes were predicted for the 23 differentially expressed novel miRNAs. Additionally, the potential miRNAs and their target genes were identified, including miR156b targeting SPL, miR172a_4 targeting AP2 and four novel miRNAs targeting SPA1, and revealed that they might affect the flowering time in tree peony. Collectively, these results would provide a theoretical basis for further analysis of miRNA-guided regulation on flowering period in tree peony.
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 ».