MétaCan
Menu
Retour à la cohorte
Enregistrement W4415534031 · doi:10.1016/j.celrep.2025.116481

Siderophore-mediated iron enrichment in the biofilm matrix enhances plant iron nutrition

2025· article· en· W4415534031 sur OpenAlexaff
Taimeng Tan, Zhihui Xu, Lili Tao, Xinli Sun, Jiyu Xie, Youzhi Miao, Nan Zhang, Weibing Xun, Pascale B. Beauregard, Ákos T. Kovács, Yifa Yu, Yuan Luo, Wei Ran, Ruifu Zhang, Qirong Shen

Notice bibliographique

RevueCell Reports · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNational Key Research and Development Program of ChinaKey Technologies Research and Development ProgramNational Natural Science Foundation of China
Mots-clésSiderophoreBiofilmBiofortificationBacteriaMicroorganismPlant growthIron deficiency

Résumé

récupéré en direct d'OpenAlex

Plant-beneficial microorganisms are frequently reported to enhance iron (Fe) nutrition in plants, yet the precise underlying mechanisms remain largely unknown. Although both bacterial siderophore production and biofilm formation are beneficial for microbial plant growth promotion, these two bacterial traits have been studied separately. Here, we reveal a strong coupling between these two bacterial traits in enhancing plant Fe uptake using the biofilm-forming rhizobacterium Bacillus velezensis SQR9. We demonstrate that SQR9 biofilms accumulate Fe on plant roots and serve as an Fe reservoir. Crucially, the siderophore bacillibactin enables biofilm Fe accumulation from the environment, while simultaneously stimulating Fe acquisition mechanisms in plants. Field experiments confirmed the ability of SQR9 to boost crop yields in alkaline soils, highlighting its potential for improving iron-limiting plant performance. Our findings emphasize a key role of rhizobacterial siderophores and biofilms in Fe uptake and offer mechanistic insights for microbial biofortification strategies against Fe deficiency in 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,574
Score d'incertitude au seuil0,158

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,221
Écart entre enseignants0,214 · 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 tête enseignante, 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

Citations14
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell ReportsMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207