MétaCan
Menu
Retour à la cohorte
Enregistrement W4412087326 · doi:10.1016/j.xgen.2025.100926

Landscape and m6A post-transcriptional regulation of soybean proteome

2025· article· en· W4412087326 sur OpenAlexaff
Qing Yang, Zhiyang Hou, Linxia Li, Leili Wang, Shang‐Tong Li, Yaping Li, Xuemin Zhang, Huanwei Huang, Yunzhuo Ke, Xiaofei Ma, Zexuan Wu, Zhi Liu, Xiaolei Shi, Chaofan Liu, Chen Meng, Hai Du, Mingxun Chen, Xiaofeng Gu, Zhe Yan, Faming Wang, Xiaofang Luo, Long Yan, Zhe Liang

Notice bibliographique

RevueCell Genomics · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensBiotechnology Research Institute
Organismes subventionnairesNational Science and Technology Major ProjectChina Agricultural Research SystemMinistry of Agriculture and Rural Affairs of the People's Republic of ChinaTaishan Scholar Project of Shandong ProvinceCentral Public-interest Scientific Institution Basal Research Fund, Chinese Academy of Fishery SciencesNatural Science Foundation of Shandong ProvinceNational Key Research and Development Program of ChinaChinese Academy of Agricultural SciencesNatural Science Foundation of Hebei ProvinceNational Natural Science Foundation of China
Mots-clésProteomeComputational biologyBiologyCell biologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

The soybean is a critical source of vegetable protein, but its proteome remains undercharacterized. Here, we quantify 12,855 proteins across 14 soybean organs using 4D data-independent acquisition mass spectrometry (4D-DIA-MS), creating the most extensive soybean proteome dataset to date. Organ-specific protein expression and co-expression analyses highlight functional specificity with significant differences in protein-transcript abundance across organs. We also map N 6 -methyladenosine (m 6 A) modifications, identifying their key role in post-transcriptional protein regulation. Integrative analysis of the proteome and m 6 A methylome identifies a novel regulator in m 6 A methylation. This comprehensive proteomic and m 6 A landscape advances our understanding of soybean biology and provides a valuable resource for crop improvement.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,206
Écart entre enseignants0,202 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell GenomicsMême sujetRNA modifications and cancerTravaux en français237 207