SIBSD1对番茄叶片衰老和果实糖度的调控

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:yuanxb2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
叶片衰老是叶生命周期中的最后一个重要阶段。它不是一个简单的退化过程,而是一个受到高度调控的生物学过程,旨在将有价值的资源回收并重新分配给活跃生长的器官。叶片衰老的发生与进程受到严格的动态控制,涉及调节因子之间复杂的协同和拮抗作用。本研究在番茄中鉴定了一个新型的叶片衰老调控因子Sl BSD1。亚细胞定位和转录激活试验表明Sl BSD1定位在细胞核中并具有转录激活活性。Sl BSD1基因的下调表达导致番茄叶片过早地出现一系列衰老相关的特征,包括叶绿素含量的降低、细胞程序性死亡的增加以及衰老标记基因表达的上调。相反,过表达Sl BSD1基因显著延迟番茄叶片的衰老,表明Sl BSD1是番茄叶片衰老的负调控因子。转录组数据显示,Sl BSD1基因的下调表达导致许多叶片衰老相关基因的差异表达,其中参与光合作用、碳水化合物代谢和蛋白质合成代谢过程基因的表达显著下调,而参与分解代谢和营养转运过程基因的表达显著上调,进一步支持了Sl BSD1在叶片衰老中的负调控作用。Sl BSD1的蛋白水平受到E3泛素连接酶Sl SINA1的调控。酵母双杂交、体外蛋白结合和免疫共沉淀试验表明Sl SINA1和Sl BSD1之间存在相互作用。瞬时表达和体外泛素化试验显示,Sl SINA1作为泛素连接酶可以特异地识别Sl BSD1,并通过泛素-蛋白酶体途径促进Sl BSD1的降解。与此相符,过表达Sl SINA1基因导致了番茄叶片的提前衰老。转录组之间的韦恩分析表明Sl SINA1对番茄叶片衰老的正调控作用至少在一定程度上归因于其对衰老抑制因子Sl BSD1稳定性的调控。此外,Sl BSD1和Sl SINA1还参与调控番茄的营养生长和黑暗诱导的叶片衰老。最后,本研究发现过表达Sl BSD1基因在延缓叶片衰老的同时,还可以显著提升番茄果实中可溶性固形物的含量。综上所述,本研究以番茄为研究对象,通过遗传学、生物化学、分子生物学和基因工程等研究方法,鉴定了一个新型的叶片衰老调控模块Sl BSD1-Sl SINA1,并提供了一种通过调控叶片衰老提升果实品质的有效策略,为番茄品质改良提供了分子靶标和理论基础。
其他文献
该文针对行政规范性文件的文本纠错任务,提出了一个基于BERT(Bidirectional Encoder Representations from Transformers,一种经典的自然语言处理领域的预训练模型)的文本纠错模型,模型针对冗余、缺失、错序、错字等四类任务分别建模,分为检错和纠错两个阶段。检错阶段检查出文本是否有错、错误的位置以及错误的类型等内容,纠错阶段运用BERT掩码语言模型和混
下扬子地区在晚中生代时发生了强烈的、多阶段的成岩成矿作用,形成了大量的岩浆岩和多金属矿床。然而,下扬子地区内的两大构造单元,长江中下游成矿带和江南造山带东段,却有着明显不同的成矿特征。长江中下游成矿带燕山期岩浆作用主要产生Cu-Au-Fe矿床,而江南造山带东段却发育大量W-Mo矿床。此外,相对于与成矿密切相关的早阶段岩浆岩而言,长江中下游地区晚阶段A型花岗岩的岩石成因及构造背景研究较为薄弱,且争议
采用酶解法提取新疆伊吾县野山杏多肽,探究其对衰老模型小鼠的抗氧化作用。通过单因素实验,考察酶底物比、料液比、提取时间、p H值和酶解温度对野山杏多肽水解度的影响,结合正交试验,优化野山杏多肽提取工艺;以提取物为原料,D-半乳糖制备小鼠衰老模型,分为空白对照组,野山杏多肽低、中、高剂量组(50、75、100 mg/kg),衰老模型组以及Vc阳性对照组,连续灌胃饲养30 d,测定血清、肝组织和脑组织匀
图或者网络可以对现实世界普遍存在的实体、关系、属性进行建模,构成属性网络。随着信息技术的发展,各种网站、桌面软件、手机应用、传感器产生了大量属性网络数据,如人们熟知的社交网络数据,物联网数据等,为相关研究提供了丰富的数据资源。属性网络的模式发现被广泛用于传染病爆发预测、道路拥堵检测、网络入侵检测等领域。现有网络模式发现的研究多关注单一网络或网络结构方面,而本文将研究重点聚焦于属性依存网络,即多个存
随着环境和能源的严苛要求,电动汽车已成为当前和未来很长一段时期汽车产业发展的趋势,正加速向电动化、智能化、轻量化方向发展。与目前集中式驱动的电动汽车不同,分布式驱动电动汽车具有传动高效、结构紧凑、各轮驱动与制动力矩独立可控等特点,动力输出更加平稳高效,被认为是未来低碳社会与智慧城市的主要交通工具之一。分布式驱动电动汽车取消了差速器等传动系统的机械连接,由四个独立的轮毂电机直接驱动,这对提升汽车稳定
传统特征选择方法在进行特征选择前,特征空间中的所有特征都已存在并且其特征值是可获取的。然而,在实际应用领域的许多具体问题中,存在很多无法预先获取整个特征空间,并且其特征以流的方式存在的场景。为此,出现了面向特征流的在线特征选择方法研究。特征流是指特征数据以流的方式逐个或成组到达,且无法提前获知整个特征空间的信息。随着大数据时代数据体量和维度的剧增,传统批处理模式的特征选择方法因不具有增量处理特性,
自从实时渲染的技术面世以来,一度成为影视动画行业热议的焦点。随着计算机硬件的不断进化与软件研发的技术突破,实时渲染技术也经历了几个发展阶段,已经日趋成熟,以其为技术核心的虚幻引擎在游戏、数字艺术、工业设计、虚拟制片等领域的应用也十分广泛,一方面实时渲染技术的革新使三维动画的创作焕发了新的生机;但随着该技术的日渐普及,其昔日的优势也成了发展的瓶颈。如何应用实时渲染技术在三维动画创作中进行创新与突破,
人们身处在跨模态环境,人工智能要更好地理解人们所处的环境,则需要具备解析跨模态信息的能力。通过模态学习搭建能处理和连接跨模态信息的模型。如在内容理解领域,需要分析文本、图片、视频、语音等跨模态数据对应的不同级别特征和其他辅助描述特征等。因此跨模态媒体分析是目前人工智能研究中重要的课题之一,它为不同表现形式(模态)数据间提供了沟通的桥梁。根据跨模态数据的不同表现形式,研究者将跨模态媒体分析任务细分为
表示学习又称表征学习(Representation learning),是利用机器学习或数据挖掘算法获取实体或者关系的向量化表达。表示学习的目标是,通过机器学习将研究对象的语义信息表示为稠密低维实值向量。机器学习和神经网络领域顶尖专家Yoshua Bengio教授对表示学习的重要性进行了阐述:“机器学习算法的成功通常取决于数据表示,这是因为不同的数据表示可以或多或少的包含和隐藏数据变化背后的可解释
让计算机精确地了解人的情感状态是实现人机交互的前提。生理信号是人体器官相互作用产生的生物电信号,能够自发地反映出人类内心的真实情感。在不同环境下提升生理信号的情感识别性能是许多科研人员一直追求的目标,根据个体、激励素材和应用场景的不同,多模态生理信号样本的分布差异性会严重影响到生理情感识别的效果以及模型的泛化能力。鉴于此,本文在不同实施性能的验证方案下分别基于传统生理信号识别方法和神经网络框架对情