Multi-Omics Analysis of Heat Stress Tolerance in Chickpea
Notice bibliographique
Résumé
Heat stress is an important factor affecting the yield and adaptability of chickpeas, especially in the context of global climate change. To breed varieties that are both stress-resistant and high-yielding, it is necessary to conduct in-depth research on its heat-resistant molecular basis. This study reviewed the physiological and molecular responses of chickpeas at high temperatures, such as changes in photosynthetic efficiency, membrane stability, heat shock proteins (HSPs), and hormone signaling. Transcriptome studies have discovered many differentially expressed genes and regulatory networks; Proteomic and metabolomic analyses revealed that some stress-resistant related proteins, antioxidant substances, as well as metabolites such as proline and soluble sugars would accumulate at high temperatures. Genomic methods (such as QTL mapping and SNP analysis) have helped identify candidate gene loci, while the role of epigenetic modifications in heat tolerance responses has gradually been discovered. This study also presents a comparative case, conducting multi-omics analyses on heat-resistant and sensitive strains, demonstrating how to integrate the results to identify key candidate genes and metabolic pathways and apply them to the development of molecular markers. This study also systematically summarized the progress of multi-omics in the heat tolerance research of chickpeas, pointed out the difficulties faced in data integration, and proposed future research directions, which are expected to improve stress resistance in molecular design breeding and accelerate the breeding of heat-tolerant chickpea varieties.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».