Comparative analysis of root anatomy, phytochemicals and gene expression in bolted and unbolted Saposhnikovia divaricata
Notice bibliographique
Résumé
Saposhnikovia divaricata (Turcz.) Schischk., known as Fangfeng, is a highly valued traditional Chinese medicinal herb esteemed for its therapeutic properties. Premature bolting in S. divaricata adversely affects root yield and medicinal quality. This study aimed to compare root anatomical structures, active phytochemical contents, and gene expression differences between unbolted (UBF) and bolted (BF) S. divaricata plants, which can provide a theoretical foundation for elucidating potential mechanisms driving premature bolting for future research and practical applications. The result showed that UBF roots exhibited intact secondary xylem and wider secondary phloem, whereas BF roots showed fragmented secondary xylem with lignified parenchyma cells. Chromone concentrations were higher in UBF plants, particularly within the secondary phloem. Transcriptome analysis identified 33 differentially expressed genes (DEGs) associated with bolting and flowering, 22 DEGs involved in plant hormone signal transduction pathways, including ETR, JAR1, EIN3, TCH4, GID2, ABF, BKI1, BSK, BIN, BZR1/2, CYCD3, and 11 DEGs involved in circadian rhythm pathways, including GI, ZTL, FT, PHYA, COP1, SPA, FKF1, were differentially expressed between BF and UBF groups, suggesting their potential role in regulating bolting and flowering in S. divaricata. These findings suggest that plant hormones and circadian rhythms may influence bolting and flowering in S. divaricata. These findings can provide a theoretical basis for analyzing the mechanisms of bolting and flowering in this species and the Apiaceae family. However, premature bolting adversely affects root quality, necessitating further investigation into its regulatory mechanisms to improve cultivation practices.
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 | 0,001 |
| 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 ».