Future-proofing our food: increasing tolerance to abiotic stress in hexaploid bread wheat using transcriptomics
Notice bibliographique
Résumé
Over four billion people around the world rely on hexaploid bread wheat (Triticum aestivum L.) \nas a major constituent of their diet. However, a warming climate, with increasingly common \nfluctuations in temperature and rainfall, threatens wheat yields, and, subsequently, the lives \nand livelihoods of billions of people who depend on the crop for food. To future-proof wheat \nagainst a hostile and variable climate, where periods of heat and drought stress occur more \nintensely and unpredictably in some regions, a better understanding of how the response to \nthese stresses, and inherent stress tolerance are regulated is required. This thesis introduces \nthe YoGI wheat landrace panel, a diverse selection of 342 accessions taken from several \nlandrace collections, and utilizes them to better understand the regulation of the transcriptional \nand physiological responses to early heat and drought stress exposure, as well as the \ntranscriptional regulation of inherent thermotolerance. This thesis primarily employs a network \napproach, weighted gene co-expression network analysis (WGCNA), to identify candidate \nmaster-regulators of these processes, whilst comparative transcriptomic analyses provide \ninsights in to how the wheat transcriptome is affected by these stresses. This thesis also \nexamines whether exposure to, and then removal of, early heat stress leads to any \nphysiological changes and yield effects later in development, identifying a novel delayed \nflowering phenotype after this stress treatment, and potential transcriptional determinants of \nthis delay. In all, this thesis represents an exploratory examination of the hexaploid wheat \ntranscriptome; identifying genes which may determine inherent stress tolerance, or which may \nact to coordinate the transcriptional and physiological responses to heat and drought stresses \n– genes which could, one day, aid the production of climate-resilient wheat varieties, better \nable to grow in an increasingly hostile climate
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».