Dynamic Coordination of Alternative Splicing and Subgenome Expression Bias Underlies Rusty Root Symptom Response in Panax ginseng
Notice bibliographique
Résumé
. While transcriptomic analyses have demonstrated extensive remodeling of stress signaling networks, the post-transcriptional defense circuitry remains obscure. We profiled alternative splicing (AS) in three phloem tissues, the healthy phloem (AG), the non-reddened phloem neighboring lesions (BG), and the reddened lesion core (CG), to delineate AS reprogramming during GRS progression. The frequency of AS was sharply elevated in CG, with intron retention predominating. Extensive gains and losses of splice events indicate large-scale rewiring of the splice network. Overlapping differentially alternative spliced genes (DAGs) identified in both CG vs AG and CG vs BG contrasts were significantly enriched for RNA-spliceosome assembly and stress-response pathways, revealing a conserved post-transcriptional response associated with lesion formation. Integrative analysis of differentially expressed genes uncovered 671 loci under dual regulation; functional classification categorized these genes in receptor-like kinase signaling and chromatin-remodeling modules, underscoring the synergy between AS and transcriptional control. Moreover, the B subgenome disproportionately contributed stress-responsive transcripts in diseased tissue, suggesting an adaptive, subgenome-biased strategy. These findings demonstrate that dynamic AS remodeling and subgenome expression bias jointly orchestrate ginseng defense against GRS and provide a framework for breeding disease-resilient crops.
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) | 0,000 | 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 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 ».