MétaCan
Menu
Retour à la cohorte
Enregistrement W7117555596 · doi:10.1002/tpg2.70143

CRISPR‐induced knockouts reveal a dual role for the soybean <i>NFR5α</i> gene in symbiotic nitrogen fixation and root hair development

2025· article· en· W7117555596 sur OpenAlexafffund
Mohsen Niazian, Maxime de Ronne, Chantal J. Beauchamp, François Belzile, Davoud Torkamaneh

Notice bibliographique

RevueThe Plant Genome · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLegume Nitrogen Fixing Symbiosis
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesGenome Canada
Mots-clésNitrogen fixationRoot hairGeneFixation (population genetics)Gene knockoutPhenotypeCropRoot nodule

Résumé

récupéré en direct d'OpenAlex

Nitrogen fixation in soybeans, facilitated by symbiotic interactions with rhizobia, is a cornerstone of sustainable agriculture, reducing reliance on synthetic fertilizers. However, the efficiency of symbiotic nitrogen fixation (SNF) varies due to natural genetic variation in SNF-related genes. Our study underscores the pivotal role of the GmNFR5α gene not only in nodulation but also in root hair development, which is crucial for effective nutrient uptake and plant yield. Through detailed genetic analyses and clustered regularly interspaced short palindromic repeats (CRISPR)-based manipulations, we identified and characterized multiple knockout mutants, notably GmNFR5α-KO and combined GmNFR5α+GmROP6-KO, which exhibited significant reductions in root hair density and nodulation. These phenotypic changes correspond with the downregulation of key root hair development genes such as TTG, RHD1, RHD2, and KJK, establishing a clear link between GmNFR5α function and root hair formation. The potential of leveraging these genetic insights to improve nitrogen fixation in legumes and introduce SNF capabilities into cereal crops could revolutionize crop fertilization strategies, offering a sustainable solution to global agricultural challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,468
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,210
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Plant GenomeMême sujetLegume Nitrogen Fixing SymbiosisTravaux en français237 207