Multi-Omics Analysis Decodes Biosynthesis of Specialized Metabolites Constituting the Therapeutic Terrains of Magnolia obovata
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle