转录因子CsMYB44调控园艺植物蜡质生物合成的功能解析

来源 :华中农业大学 | 被引量 : 0次 | 上传用户:bigger111
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
作为植物与外界接触的第一道屏障,表皮蜡质在植物抵抗生物及非生物胁迫、生长发育中起着非常重要的作用。通过对甜橙蜡质缺失突变体果实的全发育时期转录组及代谢组分析,我们发现,在突变体中,转录因子Cs MYB44的表达显著下调,推测该基因可调控蜡质代谢通路。本课题基于前期挖掘到的蜡质通路关键基因Cs MYB44,以重要园艺作物番茄、柑橘以及模式植物拟南芥为材料,进一步对Cs MYB44的功能进行探究,解析其调控机制,研究结果如下:(1)Cs MYB44的系统进化分析和亚细胞定位:转录因子Cs MYB44属于R2R3-MYB家族中的第22亚族,该家族的基因与植物响应胁迫有关;亚细胞定位实验表2明Cs MYB44蛋白主要定位于细胞核中。(2)柑橘愈伤Cs MYB44超表达系的表型分析:获得了Cs MYB44超量表达的转基因柑橘愈伤单系,通过基因表达分析预测Cs MYB44可能调控的靶基因有Cs PLC4和Cs KCS1,双荧光素酶实验初步验证Cs MYB44不与候选基因互作。(3)拟南芥Cs MYB44超表达系的表型分析:叶绿素渐渗实验发现,Cs MYB44的转化株系较野生型渗透速率慢,暗示角质层有变化;扫描电镜扫描电镜观察发现,过表达株系的叶片表面蜡质晶体反而少于野生型,初步验证Cs MYB44作用于蜡质通路。(4)番茄Cs MYB44超表达系的表型分析:获得了Cs MYB44超量表达的转基因番茄植株,透射电镜结果显示Cs MYB44超表达系的叶片表面蜡质晶体的积累多于野生型,表明Cs MYB44可能对蜡质生物合成起正向调控。(5)Cs MYB44的互作基因探究:以Cs MYB44为诱饵菌株,通过酵母双杂交筛库系统筛选到与其互作的转录因子Cs ERF3,为蜡质的转录调控途径提供了新的线索。
其他文献
水性聚氨酯(WPU)因其优异的环保特性越来越引起人们的关注,逐渐取代了溶剂型聚氨酯产品,广泛的引用在我们的生活中。WPU组分中加入了亲水性单体,以水作为分散溶剂,因而其具有粘度低、毒性低、污染小、成本低等优点,但与此同时,缺点也很明显,耐水性、耐热性较差,力学性能相对一般。为此我们常常需要对WPU进行改性,多重改性通常效果较好,能赋予WPU多功能性。本文首先用异佛尔酮二异氰酸酯(IPDI)、聚四氢
由于具有特殊的表面润湿性能,超疏水涂层在日常生活、工业生产乃至军事等领域都有广阔的应用前景。然而,传统的超疏水涂层在受到环境中油性分子的污染后疏水性将逐渐降低。近
随着1929年青霉素被发现并投入临床使用[1],越来越多的抗生素或抗生素类药物被发现或研发并造福现代医学。然而,伴随抗生素过度使用而来的不仅是各种感染被治愈,还有日渐增强的病菌多重抗生素耐药性(Multidrug resistant,MDR)[2]。在青霉素被使用于临床医学不久之后,抗生素滥用现象逐渐出现;很多病原体的耐药性随之不断增强,很多超级细菌不断被分离和发现,如可以耐受青霉素酶抗性的青霉素
西藏齿突蟾(Scutiger boulengeri)隶属两栖纲(Amphibia)无尾目(Anura)角蟾科(Megophryidae)齿突蟾属(Scutiger),主要分布在海拔3300-5100m的青藏高原地区,也是我国分布海拔最高的无尾两
在我国资本市场起步时期,证监会控制公司IPO的发行规模,限制条件较多。在这一阶段有大量企业选择分离核心资产上市,增强了国有资产保值增值能力,但上市公司与集团公司之间不
1蜡样芽孢杆菌的鉴定及毒性检测本章试验对一株鱼源致病菌进行了16SrDNA的鉴定、6种毒力基因的PCR检测、溶血素和4种胞外酶的定性分析以及对斑马鱼半数致死剂量测定和药敏试
金属卡宾是一类活泼中间体,反应活性较高,被广泛应用于有机化学合成领域,用于合成生物活性分子和医药中间体。近年来,通过卡宾中间体来构建含有环状骨架的化合物引起科学家们
加筋喷砼拱肋结构以其施工方便、经济有效等优点,在软弱围岩加固中广泛应用。目前,针对该支护结构的研究主要集中在围岩荷载作用下的结构形式设计、加固机理和支护效应分析,
环境感知是智能驾驶技术的关键组成部分,其关键性在于使自动驾驶车辆更好地模拟人类驾驶员的感知能力,从而理解自身与周边的驾驶态势,为决策与规划环节提供必要信息。自动驾驶车辆行驶在道路上,路面环境信息对其安全行驶至关重要,路面障碍物检测是智能驾驶环境感知方向的重要研究内容。由于行驶的车辆一般具有较高的速度,所以自动驾驶车辆要尽可能地提前检测路面环境,这就要求智能驾驶车辆的环境感知系统具有检测远距离路面障
我们在对现实生活中的数据进行统计建模时会发现在数据中往往存在数据缺失的情况。数据缺失的原因有很多,例如数据采集时没有采集到,又如数据保存时出现各种原因导致数据丢失