Modulation of the wheat transcriptome by TaZFP13D \nunder well‑watered and drought conditions
Notice bibliographique
Résumé
Maintaining global food security in the context of climate changes will be an important challenge in the next century. Improving abiotic stress tolerance of major crops such as wheat can contribute to this goal. This can be achieved by the identification of the genes involved and their use to develop tools for breeding programs aiming to generate better adapted cultivars. Recently, we identified the wheat TaZFP13D gene encoding Zinc Finger Protein 13D as a new gene improving water-stress tolerance. The current work analyzes the TaZFP13D-dependent transcriptome modifications that occur in well-watered and dehydration conditions to better understand its function during normal growth and during drought. Plants that overexpress TaZFP13D have a higher biomass under well-watered conditions, indicating a positive effect of the protein on growth. Survival rate and stress recovery after a severe drought stress are improved compared to wild-type plants. The latter is likely due the higher activity of key antioxidant enzymes and concomitant reduction of drought-induced oxidative damage. Conversely, down-regulation of TaZFP13D decreases drought tolerance and protection against drought-induced oxidative damage. RNA-Seq transcriptome analysis identified many genes regulated by TaZFP13D that are known to improve drought tolerance. The analysis also revealed several genes involved in the photosynthetic electron transfer chain known to improve photosynthetic efficiency and chloroplast protection against drought-induced ROS damage. This study highlights the important role of TaZFP13D in wheat drought tolerance, contributes to unravel the complex regulation governed by TaZFPs, and suggests that it could be a promising marker to select wheat cultivars with higher drought tolerance.
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) | 0,000 | 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) | 0,001 | 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 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 ».