Methylome response following cold exposure in a complex genome species : maize (Zea mays ssp. mays)
Bibliographic record
Abstract
La caractérisation moléculaire de la réponse des plantes aux contraintes environnementales permet de mieux comprendre les bases de l’adaptation des plantes à leur milieu, et pourrait aider à l’amélioration des plantes cultivées. L’épigénome est constitué de l’ensemble des marques présentes sur la chromatine et participe à la régulation de l’expression du génome, notamment au cours du développement. Il contribue aussi à la stabilité des génomes, notamment en empêchant la transposition des éléments transposables (ET). L’épigénome varie en fonction des contraintes environnementales et une meilleure compréhension de ces variations pourrait permettre d’apporter une vision nouvelle de l’interaction entre la plante et son environnement. Cependant, l’étendue des modifications de l’épigénome, le type de séquences affectées et les mécanismes impliqués restent à déterminer. Dans ce cadre, j’ai analysé l’impact du froid sur le méthylome du maïs, une plante à génome complexe riche en ET. Dans un premier axe, j’ai analysé le méthylome d’un génotype sensible au froid, B73, par séquençage haut-débit d’ADN traité au bisulfite de sodium (BS-seq). Cette analyse comparative entre plantes « stressées » et « non stressées » a été menée (i) à l’échelle chromosomique, sans a priori sur le niveau de variation de méthylation de l’ADN et (ii) à l’échelle locale (régions différentiellements méthylées, ou « DMR ») en fixant des niveaux de variations forts (>10%). Ces deux types d’analyses ont permis de montrer que le froid déclenche une hyperméthylation à l’échelle du génome, à laquelle se superposent des hyper- et hypométhylations à l’échelle locale. Ces variations sont observées pour les trois contextes de cytosine et dans différentes régions génomiques associées aux gènes et aux ET. Ceci suggère l’activation parallèle de plusieurs mécanismes de régulation de la méthylation de l’ADN en réponse au froid. Dans un second axe, j’ai suivi ces DMR au cours du développement et dans la descendance afin d’étudier leur transmission, en lien avec leur localisation génomique et les contextes de cytosine affectés. Dans un troisième axe, j’ai étudié le lien entre variations de méthylation et sensibilité au froid en comparant la réponse du méthylome chez trois génotypes de maïs (B73, F2 et F331) présentant une réponse phénotypique contrastée pour ce caractère.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.004 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".