MétaCan
Menu
Retour à la cohorte
Enregistrement W4405419048 · doi:10.1111/pce.15313

CONSTANS<i>‐</i>Like and SHORT VEGETATIVE PHASE<i>‐</i>Like Genes Coordinately Modulate TERMINAL FLOWER 2 to Control Dormancy Transitions in <i>Pinus tabuliformis</i>

2024· article· en· W4405419048 sur OpenAlexaff
Kai Qu, Chengcheng Zhou, Dan Liu, Biao Han, Zhiyuan Jiao, Shihui Niu, Yousry A. El‐Kassaby, Wei Li

Notice bibliographique

RevuePlant Cell & Environment · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDormancyBiologyphotoperiodismGeneAdaptation (eye)Pinus tabulaeformisCell biologyBotanyGeneticsGerminationNeuroscience

Résumé

récupéré en direct d'OpenAlex

With global climate change, understanding how conifers manage seasonal dormancy is increasingly important. This study explores the physiological and molecular processes controlling dormancy transitions in P. tabuliformis, a key species in northern China. Using dormancy simulations and Time-Ordered Gene Co-Expression Network (TO-GCN) analysis, we identified low temperature, rather than photoperiod, as the primary trigger for dormancy release. The PtTFL2 gene functions as both an environmental sensor and dormancy marker, regulated by cold-dependent and independent pathways involving the photoperiod-responsive PtCOL1 and PtSVP-like (SVL) genes. During the autumn-to-winter transition, PtSVL controls PtTFL2 transcription, forming a regulatory complex to fine-tune dormancy. PtCOL1 also directly regulates PtTFL2 and indirectly modulates it by affecting PtSVL expression. The CO-TFL module controls fall dormancy (ecodormancy), while the SVP-TFL module manages the shift to endodormancy in winter. These findings reveal dual regulatory pathways governing dormancy in conifers, offering insights into their adaptation to cold environments and laying the foundation for further research into dormancy mechanisms in gymnosperms.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,195
Écart entre enseignants0,190 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlant Cell & EnvironmentMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207