Multi-Omics Analysis Decodes Biosynthesis of Specialized Metabolites Constituting the Therapeutic Terrains of Magnolia obovata
Notice bibliographique
Résumé
Magnolia obovata is renowned for its unique bioactive constituents with medicinal properties traditionally used to treat digestive disorders, anxiety, and respiratory conditions. This study aimed to establish a comprehensive omics resource through untargeted metabolome and transcriptome profiling to explore biosynthesis of pharmacologically active compounds of M. obovata using seven tissues: young leaf, mature leaf, stem, bark, central cylinder, floral bud, and pistil. Untargeted metabolomic analysis identified 6733 mass features across seven tissues and captured chemo-diversity and its tissue-specificity in M. obovata. Through a combination of cheminformatics and manual screening approach, we confirmed the identities of 105 metabolites, including neolignans, such as honokiol and magnolol, which were found to be spatially accumulated in the bark tissue. RNA sequencing generated a comprehensive transcriptome resource, and expression analysis revealed significant tissue-specific expression patterns. Omics dataset integration identified T12 transcript module from WGCNA being correlated with the biosynthesis of magnolol and honokiol in M. obovata. Notably, phylogenetic analysis using transcripts from T12 module identified two laccase (Mo_LAC1 and Mo_LAC2) and three dirigent proteins from the DIR-b/d subfamily as potential candidate genes involved in neolignan biosynthesis. This research established omics resources of M. obovata and laid the groundwork for future studies aimed at optimizing and further understanding the biosynthesis of metabolites of therapeutic potential.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».