Integrated meta-analysis and transcriptomics pinpoint genomic loci and novel candidate genes associated with submergence tolerance in rice
Notice bibliographique
Résumé
Abstract Background Due to rising costs, water shortages, and labour shortages, farmers across the globe now prefer a direct seeding approach. However, submergence stress remains a major bottleneck limiting the success of this approach in rice cultivation. The merger of accumulated rice genetic resources provides an opportunity to detect key genomic loci and candidate genes that influence the flooding tolerance of rice. Results In the present study, a whole-genome meta-analysis was conducted on 120 quantitative trait loci (QTL) obtained from 16 independent QTL studies reported from 2004 to 2023. These QTL were confined to 18 meta-QTL (MQTL), and ten MQTL were successfully validated by independent genome-wide association studies from diverse natural populations. The mean confidence interval (CI) of the identified MQTL was 3.44 times narrower than the mean CI of the initial QTL. Moreover, four core MQTL loci with genetic distance less than 2 cM were obtained. By combining differentially expressed genes (DEG) from two transcriptome datasets with 858 candidate genes identified in the core MQTL regions, we found 38 common differentially expressed candidate genes (DECGs). In silico expression analysis of these DECGs led to the identification of 21 genes with high expression in embryo and coleoptile under submerged conditions. These DECGs encode proteins with known functions involved in submergence tolerance including WRKY, F-box, zinc fingers, glycosyltransferase, protein kinase, cytochrome P450, PP2C, hypoxia-responsive family, and DUF domain. By haplotype analysis, the 21 DECGs demonstrated distinct genetic differentiation and substantial genetic distance mainly between indica and japonica subspecies. Further, the MQTL7.1 was successfully validated using flanked marker S2329 on a set of genotypes with phenotypic variation. Conclusion This study provides a new perspective on understanding the genetic basis of submergence tolerance in rice. The identified MQTL and novel candidate genes lay the foundation for marker-assisted breeding/engineering of flooding-tolerant cultivars conducive to direct seeding.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,123 | 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 ».