Drought-Driven Rhizosphere Microbiome and Metabolome Remodeling in Wild vs. Cultivated Saccharum arundinaceum
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sugarcane is highly sensitive to the variations in soil moisture content capacity, and upregulated water stress efficiency restricts its development and crop output. Rhizospheric microbes and metabolites play key roles to mitigate the adverse effects of abiotic stresses, i.e., drought stress. The drought-tolerant wild sugarcane relative, Saccharum arundinaceum Retz., remains poorly characterized with respect to its rhizosphere microbial community dynamics under water limitation. To address this, we analyzed drought-associated shifts in the rhizosphere microbiome and metabolome by comparing native plants from a long-term arid habitat in Guangxi, China, with plants from an irrigated cultivation environment. We analyzed the effects of agronomic traits, soil properties, enzyme activities, and 16S rRNA sequencing and untargeted metabolomics to characterize microbial communities and metabolites, with correlation analyses. Results demonstrated that wild plants possessed thicker stems, higher proline levels, and increased antioxidant enzyme activity. Their rhizospheres were enriched with Actinobacteria, Proteobacteria, and Chloroflexi, which exhibited upregulated urease and acid phosphatase activities. Metabolites linked to phosphotransferase systems and sugar metabolisms were also more abundant. Positive correlations between these microbes, metabolites, and drought traits reveal site-specific microbial–metabolic modules that confer drought resilience, providing valuable insights for sugarcane breeding programs.
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.
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 découle