MétaCan
Menu
Retour à la cohorte
Enregistrement W4401370255 · doi:10.3389/fpls.2024.1416216

Voice from both sides: a molecular dialogue between transcriptional activators and repressors in seed-to-seedling transition and crop adaptation

2024· review· en· W4401370255 sur OpenAlexafffund
Dongeun Go, Bailan Lu, Milad Alizadeh, Sonia Gazzarrini, Liang Song

Notice bibliographique

RevueFrontiers in Plant Science · 2024
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Molecular Biology Research
Établissements canadiensThe Scarborough HospitalUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of Canada
Mots-clésSeedlingAdaptation (eye)BiologyRepressorTransition (genetics)BotanyCell biologyGeneGeneticsTranscription factorNeuroscience

Résumé

récupéré en direct d'OpenAlex

High-quality seeds provide valuable nutrients to human society and ensure successful seedling establishment. During maturation, seeds accumulate storage compounds that are required to sustain seedling growth during germination. This review focuses on the epigenetic repression of the embryonic and seed maturation programs in seedlings. We begin with an extensive overview of mutants affecting these processes, illustrating the roles of core proteins and accessory components in the epigenetic machinery by comparing mutants at both phenotypic and molecular levels. We highlight how omics assays help uncover target-specific functional specialization and coordination among various epigenetic mechanisms. Furthermore, we provide an in-depth discussion on the Seed dormancy 4 (Sdr4) transcriptional corepressor family, comparing and contrasting their regulation of seed germination in the dicotyledonous species Arabidopsis and two monocotyledonous crops, rice and wheat. Finally, we compare the similarities in the activation and repression of the embryonic and seed maturation programs through a shared set of cis-regulatory elements and discuss the challenges in applying knowledge largely gained in model species to crops.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,280
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Plant ScienceMême sujetPlant Molecular Biology ResearchTravaux en français237 207