MétaCan
Menu
Retour à la cohorte
Enregistrement W4403769868 · doi:10.1101/2024.10.23.619842

A unified framework for hydromechanical signaling: Do plant signals go with the flow?

2024· preprint· en· W4403769868 sur OpenAlexaff
Vesna Bacheva, Fulton E. Rockwell, Jean‐Baptiste Salmon, Jesse D. Woodson, Margaret H. Frank, Abraham D. Stroock

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSmart Agriculture and AI
Établissements canadiensCanadian Nautical Research Society
Organismes subventionnairesnon disponible
Mots-clésFlow (mathematics)Computer scienceMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Local wounding in plants triggers signals that travel locally within the wounded leaf or systemically through the vasculature to distal leaves. The transmission mechanisms of this ubiquitous class of signals remain poorly understood. Here, we develop a unifying framework based on poroelastic dynamics to study two coupled biophysical processes – propagation of pressure changes and transmission of chemical elicitors via mass flows driven by these pressure changes – as potential mechanisms for the initiation and propagation of wound-induced signals. We show that rapid pressure changes in the xylem can transmit mechanical information across the plant, while their coupling with neighboring non-vascular tissue drives swelling and mass flow that can transport chemical elicitors to distal leaves. We confront our model predictions with signaling dynamics measurements in several species, and show that the poroelastic model captures observed mechanical, biochemical, and electrophysiological signals. This framework provides a valuable foundation for assessing mechanisms of signal transmission and for designing future experiments to elucidate factors involved in signal initiation, propagation, and target elicitation.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0020,006
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,019
Tête enseignante GPT0,207
Écart entre enseignants0,189 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetSmart Agriculture and AITravaux en français237 207