Rational design of promoter editing confers multipathogen resistance in rice
Notice bibliographique
Résumé
BACKGROUND: Fine-tuned gene expression rather than alterations in the protein-coding region of a gene is responsible for the optimal performance conferred by many elite alleles in crops. Lesion mimic mutants (LMMs), a type of plant mutants with hyperactivated immune responses, often show enhanced resistance but with yield penalties. To fine-tune the expression level of LMM genes using promoter editing is of considerable interest in crop disease control. RESULTS: Here we demonstrate the power of predictive promoter editing in optimizing expression of the rice LMM gene RBL1, encoding a CDP-DAG synthase in phospholipid metabolism, by breaking immunity-growth trade-offs. Through bioinformatic analyses of open chromatin accessibility, we identify key cis-regulatory regions in the RBL1 promoter. Guided by these predictions, we efficiently assess the regulatory role of different cis-regulatory regions in the rice protoplast system and then generate multiple promoter-edited rice lines with varied RBL1 expression levels. Notably, Pro1, an edited line with a 71.0% reduction in gene expression and altered levels of multiple phospholipids, shows broad-spectrum resistance to rice blast without compromising yield in field trials. Similarly, we generate a phenotype-copied PRO1 allele for enhanced disease resistance in another rice cultivar. CONCLUSIONS: Our study has generated an edited promoter of RBL1 that confers multipathogen resistance with no yield penalty. Our study demonstrates a framework for predictable promoter engineering in balancing agronomic traits, especially through optimizing LMMs for crop improvement.
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 ».