Metabolite accumulation contributes to differences in seed germination of water-saving and drought-resistance rice under dry direct seeding
Notice bibliographique
Résumé
Dry direct seeding of rice has emerged as an effective method for reducing the excessive water demand associated with conventional rice transplantation, presenting significant potential for enhancing sustainability. However, this cultivation method is hindered by high seed usage and often inconsistent and low seedling emergence. Seed priming, a pre-sowing treatment, has been employed to mitigate these issues, but the inconsistent effects of exogenous priming agents remain a concern. Currently, there is limited molecular-level information on the uneven seedling emergence and effective screening methods for priming agents. In this study, we employed a metabolomics approach using advanced chromatography and mass spectrometry technology to identify differential accumulation of metabolites (DAMs) in seeds with varying germination energies. The seed priming technique was also used to validate the identified DAMs. We investigated the proportion of different specific gravity seeds and the corresponding germination energy across 20 varieties and established a relationship between different specific gravity seeds and germination energy. Our results showed that seeds with high and low germination energy differed in several metabolites, including amino acids, organic acids, and others. We further confirmed the critical role of these DAMs in determining seed germination energy under dry direct seeding. This research provides valuable insights into the metabolic mechanisms associated with germination energy and offers a useful approach for screening effective endogenous seed priming agents.
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 ».