Combined transcriptome, metabolome, and miRNA analysis reveals the genetic regulatory network of sweet corn pericarp thickness
Notice bibliographique
Résumé
The thickness of the pericarp is a complex characteristic that determines sweet corn’s palatability. However, the molecular mechanisms in forming pericarp thickness differences have not been clarified. In this study, we conducted transcriptomics, miRNA analysis, and metabolomics to explore the underlying molecular mechanisms. Scanning electron microscopy (SEM) revealed that the disparity in pericarp thickness is primarily due to variations in the number of cell layers. Our combined multi-omics analysis discovered 6,054 differentially expressed genes (DEGs), 73 differentially expressed miRNAs, 113 differentially accumulated metabolites (DAMs), and several key miRNAs, such as zma-miR164 , zma-miR166 , zma-miR827 , and zma-miR171b were identified, which modulate the expression of different transcription factors and regulate the signal transduction of various plant hormones, thereby influencing pericarp thickness. Additionally, our integrated transcriptomic and metabolomic analysis revealed that genes and metabolites involved in plant hormone signal transduction and phenylpropanoids biosynthesis pathway play a significant role in regulating pericarp growth and development. Furthermore, we observed that in the thick pericarp line (M08), the content of cytokinins was significantly reduced, while phenylpropanoid compounds such as 5-O-feruloylquinic acid glucoside, berberine, scopoletin, sinapic alcohol, sinapic acid and 3-O-feruloylquinic acid glucoside accumulated considerably. These findings provide valuable theoretical support and genetic resources.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».