Transcriptomic analysis of Asparagus officinalis cultivars with varying levels of freezing tolerance over fall acclimation and spring deacclimation periods
Notice bibliographique
Résumé
Asparagus (Asparagus officinalis L.) is an important vegetable crop in southern Ontario, Canada, where winter air and soil temperatures below 0°C are common. Consequently, cultivars growing in this area must possess winterhardiness and freezing tolerance for survival. Asparagus acquires freezing tolerance in the fall through cold acclimation and loses freezing tolerance in the spring through deacclimation. To understand the molecular bases of these processes, transcriptomic analysis (RNA-Seq) was conducted on two cultivars, one adapted, ‘Guelph Millennium’ (GM), and one unadapted, ‘UC157’ (UC), to the winter conditions of southern Ontario. RNA extracted from bud and rhizome tissues, sampled on three dates during early spring and late fall, was subjected to sequencing. In the fall, the numbers of differentially expressed (DE) genes at the second and third harvests increased, relative to the first harvest, in dormant buds and rhizomes as freezing tolerance of cultivars increased, and the majority of DE genes were downregulated. In spring, freezing tolerance decreased as plants deacclimated and most genes DE at second and third harvests were upregulated in both cultivars. GM had lower LT50 (lethal temperature at which 50% of plants die) values and hence higher freezing tolerance than UC on specific sampling dates during both spring and fall, and expression patterns of specific genes were correlated with LT50 differences. Functional analysis revealed that these genes were involved in carbohydrate metabolic process, plant hormone signal transduction (auxin and gibberellin), proline metabolism, biosynthesis of secondary metabolites, circadian rhythm, and late embryogenesis abundant proteins and could be associated with cold acclimation and deacclimation processes. These findings will help researchers understand the molecular mechanisms of freezing tolerance in asparagus, leading to breeding and genetic strategies to improve the trait.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».