Temporal proteomic profiling via 4D-DIA reveals early defense mechanisms and core resistance determinants in soybean against Phakopsora pachyrhizi
Notice bibliographique
Résumé
Asian soybean rust, caused by Phakopsora pachyrhizi, is a devastating fungal disease threatening global soybean production, particularly in tropical regions where chemical control is increasingly unsustainable. This study employed cutting-edge 4D-DIA proteomics to investigate molecular defense mechanisms in resistant (SX6907) and susceptible (Tianlong 1) soybean cultivars during early infection (12 hpi and 3 dpi). We identified 12,852 proteins, with 1,510 differentially expressed proteins (DEPs) revealing genotype-specific responses. Resistant plants exhibited sustained upregulation of immune receptors (CRKs, LRR-RLKs), MAPK signaling components, and cell wall reinforcement proteins (peroxidases, XTHs), alongside dynamic modulation of calcium signaling and ROS homeostasis. These patterns suggest key pathways enriched in resistance may include phenylpropanoid biosynthesis, isoflavonoid production, and ER stress responses, while susceptible plants showed suppression of photosynthesis and defense pathways. Weighted Protein Co-expression Network Analysis(WPCNA) highlighted co-expression modules linked to resistance, potentially including NLR-mediated effector-triggered immunity. Crucially, DIR proteins and organelle-specific defense hubs (e.g., chloroplasts, nuclei) were implicated in rust resistance. Validation by qPCR confirmed concordance for 84% of tested DEPs. Our findings provide a protein-level blueprint of soybean rust resistance, identifying candidate targets for marker-assisted breeding and genetic engineering to develop durable resistant varieties, reducing reliance on fungicides.
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 ».