Aluminum Stress Response Is Regulated Through a miR156/SPL13 Module in Medicago sativa
Notice bibliographique
Résumé
BACKGROUND: (alfalfa) production on acidic soils, resulting in major yield losses worldwide. The highly conserved miRNA156 (miR156) functions by downregulating at least 11 SQUAMOSA promoter-binding protein-like (SPL) transcription factors in alfalfa, including SPL13, but its role in Al stress remains unclear. This study aimed to investigate the miR156/SPL regulatory network's function in alfalfa under Al stress. METHODS: Gene expression analyses, histochemical staining, nutrient profiling, phenotypic assays, transcriptome profiling, and ChIP-seq were conducted on alfalfa plants with altered miR156 and SPL13 expression to assess their roles in the Al stress response. RESULTS: Al stress induced SPL13 expression while repressing miR156 in the roots. Elevated miR156 intensified Al accumulation, lipid peroxidation, and plasma membrane damage, accompanied by reduced leaf nitrogen, magnesium, sulfur, and phosphorus content. Phenotypically, increased SPL13 enhanced the root length and Al tolerance, whereas SPL13 silencing reduced tolerance. Transcriptome profiling of SPL13-silenced plants identified differentially expressed genes involved in the Al response, including aluminum-activated malate transporters and various transcription factors (GRAS, Myb-related, bHLH041, NAC, WRKY53, bZIP, and MADS-box). ChIP-seq revealed that SPL13 directly regulates genes encoding a protein kinase, cytochrome P450, and fasciclin-like arabinogalactan proteins. CONCLUSIONS: The MsmiR156/MsSPL13 network plays a crucial regulatory role in alfalfa's response to Al toxicity. These findings provide novel genetic targets and foundational knowledge to advance molecular breeding for enhanced Al tolerance in alfalfa.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 tête enseignante, 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 ».