Выявление дефицита азота фосфора и калия у комнатных растений


Азот, фосфор, калий – признаки недостатка и избытка у растений

В большинстве случаев письма приходят в течение одной минуты, но иногда для этого требуется до 10 минут. Возможно письмо еще не успело прийти. Проверьте пожалуйста внимательно папку Входящие (Inbox). В некоторых случаях письмо может попасть в папку Спам (Spam).

  Логин или e-mail: Или войдите с помощью этих сервисов:

Состояние питания полузасушливых степных лугов во Внутренней Монголии по содержанию азота, фосфора и калия

 @article {Gong2010NitrogenPA, title = {Питательный статус полузасушливых степных пастбищ во Внутренней Монголии по содержанию азота, фосфора и калия}, автор = {Сяо Ин Гун, Цин Чен и Клаус Диттерт, Фридхельм Таубе и С. В. Линь}, journal = {Растение и почва}, год = {2010}, объем = {340}, страницы = {265-278} } 
В экосистемах пастбищных полузасушливых степей большое внимание уделяется аспектам ограничения роста из-за воды.До сих пор потенциальное ограничение первичной продукции питательными веществами для растений рассматривалось редко. Эти знания необходимы для определения методов устойчивого землепользования в этих крупных и важных экосистемах на фоне чрезмерной эксплуатации и изменения климата. В настоящем исследовании изучались концентрации и соотношения питательных веществ в растениях с факторными добавками воды и… ПРОДОЛЖИТЬ ЧТЕНИЕ

Сохранить в библиотеку

Создать предупреждение

Cite

Launch Research Feed

.

Анализ питательных веществ почвы: азот, фосфор и калий

Анализ содержания питательных веществ в почве может быть выполнен для извлечения трех основных макроэлементов почвы, азота, фосфора и калия, и объединения их с реагентами на основе цвета для определения их концентрации.

Азот, фосфор и калий являются основными компонентами почвенных удобрений. Знание их концентрации в почвах может информировать ученых-экологов о дефиците или избытке питательных веществ в почвах, используемых для поддержки производства растений, а также дать общее представление об основных биогеохимических циклах экосистемы.

Анализ питательных веществ в почве может проводиться с использованием химикатов, связывающих интересующие макроэлементы. Для азота или фосфора добавляются реагенты, которые реагируют на присутствие определенного макроэлемента и производят окрашенные продукты. Концентрация калия определяется путем образования осадков в количестве, пропорциональном концентрации калия.

Эти методы просты, недороги, требуют минимального оборудования и при желании могут быть реализованы в полевых условиях. Это видео продемонстрирует методы, используемые для извлечения и количественного определения этих общих макроэлементов почвы.

Чтобы начать анализ, макронутриенты сначала извлекаются из собранных образцов почвы. Азот извлекается с помощью сульфата кальция; фосфор и калий экстрагируются с помощью раствора Мелиха 2, раствора уксусной кислоты, хлорида аммония, соляной кислоты, фтористоводородной кислоты и деминерализованной воды. Связанные микроэлементы, присутствующие в суспензии, затем могут быть отделены от оставшихся твердых компонентов почвы с помощью вакуумной фильтрации.

После экстракции макроэлементов можно определить их концентрацию.Что касается азота, металлический кадмий используется для восстановления нитратов до нитритов. Этот кадмий присутствует в предварительно упакованных подушках, которые добавляются к фильтрату почвы. Ионы нитрита реагируют с сульфаниловой кислотой с образованием соли диазония. Это соединяется с гентизиновой кислотой и образует янтарный раствор.

Что касается фосфора, молибдат натрия реагирует с растворимым реакционноспособным фосфатом с образованием фосфомолибдатного комплекса. Затем он восстанавливается аскорбиновой кислотой с образованием молибденового синего цвета.

Интенсивность цвета обоих растворов пропорциональна концентрации питательных веществ.Ящики компаратора цвета используются для анализа нитратов и фосфатов. Образцы сравниваются с пробелом, и цветной диск поворачивается, пока оба окна просмотра не совпадут. Соответствующая концентрация питательных веществ в мг / л будет отображаться в отдельном окне. Интенсивность цвета обоих растворов пропорциональна концентрации питательных веществ.

Для количественного определения калия ионы из фильтрата почвы объединяются с тетрафенилборатом натрия с образованием тетрафенилбората калия, белого осадка.Осадок остается во взвешенном состоянии, вызывая увеличение мутности.

Калийный щуп используется для определения мутности, вызванной осадком. Щуп помещается в образец и опускается до тех пор, пока черная точка на конце не исчезнет. На палочке есть постепенная маркировка, и показания на этой шкале можно преобразовать в концентрацию калия с помощью таблицы преобразования.

Теперь, когда мы знакомы с принципами экстракции и количественного определения макроэлементов почвы, давайте посмотрим, как эти процедуры выполняются в лаборатории.

После того, как образцы почвы собраны, правильно транспортированы и хранятся, их можно доставить в лабораторию для анализа, начиная с экстракции азота. Сначала включите весы, установите сверху весовую лодку и тарируйте.

С помощью шпателя отвешивают 10 г высушенного просеянного образца почвы и переносят в помеченный стакан емкостью 100 мл. Затем взвесьте 0,1 г сульфата кальция и перенесите его в стакан.

Отмерьте 20 мл деионизированной воды с помощью мерного цилиндра и перелейте в стакан.Тщательно перемешайте содержимое стакана палочкой для перемешивания. Повторите эти добавления для каждого тестового образца почвы. Зафиксируйте образцы на настольном шейкере и перемешайте в течение 1 мин.

Чтобы начать извлечение фосфора и калия из почвы, с помощью шпателя отвесите 2 г просеянной просеянной пробы почвы и перенесите ее в помеченный стакан емкостью 100 мл. С помощью градуированного цилиндра отмерьте 20 мл почвенного экстрагента Mehlich 2 и перенесите в химический стакан. Тщательно перемешайте содержимое стакана палочкой для перемешивания.Зафиксируйте образцы на настольном шейкере и перемешайте в течение 5 мин. После экстракции все три набора проб питательных веществ необходимо профильтровать под вакуумом с использованием вакуумной колбы и воронки Бюхнера.

Сначала включите вакуумную форсунку и медленно влейте раствор почвенного экстракта в воронку. Экстракт должен стечь из воронки в колбу. Перелейте фильтрат в чистый стакан емкостью 50 мл с этикеткой. Снимите воронку, выбросьте фильтровальную бумагу и промойте воронку и колбу деионизированной водой. С помощью воздушной струи просушите воронку и колбу.

Теперь образцы питательных веществ отфильтрованы, можно начинать анализ содержания. Для каждого теста на содержание питательных веществ начните с маркировки пробирки для просмотра цвета буквой «S» для образца. Отметьте секунду буквой «B» (пробел).

Тщательно промойте обе цветовые смотровые трубки деионизированной водой, затем встряхните, чтобы удалить остатки воды для ополаскивания. Добавьте экстракт пробы на глубину ¼ дюйма в трубку для просмотра цвета с отметкой «S». Закройте пробирку резиновой пробкой и встряхивайте в течение 3 с, затем слейте раствор.

Затем добавьте экстракт пробы в обе пробирки до тех пор, пока мениск не сравняется с отметкой 5 мл на пробирках в нижней части матового участка.Добавьте содержимое одной подушки с азотным реагентом в пробирку с надписью «S». Закройте пробирку крышкой и энергично встряхните в течение 1 мин. Сразу же поместите обе трубки в компаратор так, чтобы трубка «B» находилась во внешнем отверстии, а трубка «S» - внутри. Оставить на 5 мин.

Поднесите компаратор к источнику света и вращайте диск до тех пор, пока цвет в окошке трубки «B» не совпадет с цветом в окошке трубки «S». Запишите значение концентрации, отображаемое в нижнем окне поля цветового компаратора.

Образцы можно также анализировать на содержание фосфатов с помощью компаратора цветов.С помощью пипетки добавьте 2,5 мл отфильтрованного экстракта пробы фосфора в мерный цилиндр на 25 мл. Добавьте деионизированную воду до отметки 25 мл, закройте пробкой и переверните, чтобы перемешать. Добавьте разбавленный экстракт пробы примерно на дюйма глубиной в трубку для просмотра цвета с маркировкой «S», чтобы промыть трубку. Закройте крышку резиновой пробкой и встряхните в течение нескольких секунд, прежде чем выбросить раствор.

В обе пробирки добавьте экстракт пробы до тех пор, пока мениск не сравняется с отметкой 5 мл. Добавьте содержимое одной подушки с фосфорным реагентом в пробирку «S», крышку и энергично встряхивайте в течение 1 мин.Немедленно поместите цветовые трубки в компаратор цветов так, чтобы пустая пробирка находилась во внешнем отверстии, а пробирка для образца - во внутреннем отверстии. Оставить на 3 мин. Поднесите компаратор к источнику света и вращайте диск, пока окошко для трубки «B» не совпадет с цветом в окошке для трубки «S». Запишите значение, отображаемое в окне.

Наконец, образцы могут быть проанализированы на содержание калия. С помощью пипетки добавьте 3 мл экстракта калия в цилиндр на 25 мл. Добавьте деионизированную воду до отметки 21 мл на цилиндре, плотно закройте ее резиновой пробкой и переверните.Затем добавьте в цилиндр одну подушку с реагентом калия 2. Добавьте 3 мл щелочного раствора ЭДТА в цилиндр, закройте его резиновой пробкой и несколько раз переверните для перемешивания. Дать раствору постоять 3 мин. Добавьте содержимое одной подушки реагента калия, закройте цилиндр крышкой и энергично встряхните в течение 10 с. Дайте раствору постоять 3 мин, пока не станет мутным.

Глядя прямо в цилиндр, медленно вставляйте щуп для измерения уровня калия вертикально в раствор, пока черная точка не исчезнет сверху.Удерживая щуп в нужном положении, поверните цилиндр, чтобы увидеть шкалу. Запишите число на шкале щупа, где поверхность образца встречается с щупом. См. Таблицу пересчета калия, чтобы определить концентрацию образцов в мг / л. Найдите показания щупа в левом столбце и запишите соответствующую концентрацию мг / л, указанную в правом столбце.

После получения концентраций таблицу диапазонов питательных веществ можно использовать для оценки качества пробы и определения того, нуждается ли отобранная в пробу почва в добавке питательных веществ, и если да, то в какой степени.Подкормку питательных веществ можно проводить путем внесения специальных удобрений.

Способность анализировать питательный состав почвы в почвах имеет множество применений с потенциальными последствиями для населения или сельскохозяйственных экосистем.

Различные культурные растения будут иметь разные потенциальные потребности в питательных веществах для оптимального роста. Например, высокие уровни азота необходимы для выращивания требовательных к азоту сельскохозяйственных культур, таких как соя и кукуруза. Высокий уровень фосфора может стимулировать и улучшать производство цветов или фруктов.Таким образом, возможность измерения состава питательных веществ в почве на предполагаемой площади выращивания сельскохозяйственных культур может позволить фермерам или землеустроителям добавлять в почву необходимые питательные вещества для успешного выращивания намеченных культур.

Состав почвы также может влиять на ее способность удерживать воду, что, в свою очередь, может влиять на ее способность поддерживать различную флору или фауну. Например, почвы с низким содержанием калия плохо переносят засуху и могут потребовать внесения поправок в питательные вещества путем удобрения почвы соответствующими количествами недостающих питательных веществ.В качестве альтернативы может потребоваться орошение для выращивания любых растений, которые не демонстрируют высокой засухоустойчивости.

Состав почвы и качество питательных веществ также могут помочь в информировании управляющих земельными ресурсами для определения соответствующего землепользования. В районах, где почва имеет плохое качество питательных веществ, что потребует значительных изменений или дополнений для выращивания сельскохозяйственных культур, может быть более целесообразным зарезервировать землю для строительства зданий или сооружений. В качестве альтернативы, участки с идеальным составом для предполагаемого выращивания сельскохозяйственных культур могут быть выделены и выделены для защиты от развития.

Вы только что посмотрели введение JoVE в анализ питательных веществ в почве. Теперь вы должны понять важность почвенных макроэлементов, как извлечь их из почвы и как определить их концентрацию. Спасибо за просмотр!

.

Основные питательные вещества для здоровых комнатных растений

  1. Дом и сад
  2. Садоводство
  3. Контейнерное садоводство
  4. Основные питательные вещества для здоровых комнатных растений

Билл Маркен, Сюзанна ДеДжон, редакторы Национальной садоводческой ассоциации

растения в контейнерах могут выжить без растительной пищи или удобрений, поэтому убедитесь, что ваше растение содержит необходимые питательные вещества, чтобы сохранить их здоровье и привлекательность. Посредством фотосинтеза растения производят себе пищу.

Фактически, вся жизнь на Земле основана на фотосинтезе - процессе, с помощью которого растения (используя энергию солнца) превращают воду и воздух в сахара. Эти сахара - «пища», которую они сжигают для получения энергии для жизни и роста. В процессе они потребляют углекислый газ и выделяют кислород. Поэтому, когда вы говорите, что кормите растения, это не совсем то, что вы делаете; скорее, вы удобряете их - снабжаете их определенными питательными веществами, которые им необходимы для процветания. Думайте об удобрениях как о витаминах, которые вы принимаете.

Растения поглощают большую часть питательных веществ из почвы - в частности, почвенный раствор , , который представляет собой влагу, содержащуюся в промежутках между частицами почвы. Если какие-либо питательные вещества отсутствуют или присутствуют только в формах, которые растения не могут усвоить, растения не смогут полностью раскрыть свой потенциал. У растений, растущих в земле, есть далеко идущие корни, которые ищут то, что нужно растениям. Растения, корни которых ограничены контейнерами, рассчитывают на то, что вы обеспечите им постоянный запас питательных веществ.

Для здорового роста растениям необходимо 16 различных элементов. Углерод, водород и кислород - фундамент фотосинтеза - необходимы в больших количествах. Растения получают их из воздуха и воды. Растения также нуждаются в относительно большом количестве азота, фосфора и калия. Эти элементы называются первичными питательными веществами , и они составляют основу большинства удобрений.

В следующей таблице приводится краткое изложение роли, которую играют питательные вещества для растений, а также признаки того, что растению не хватает определенного питательного вещества.

Основные питательные вещества для растений
Питательные вещества (и сокращение) Роль Симптомы дефицита Банкноты
Азот (N) Ключевая часть растительных белков и хлорофилла; зеленый пигмент
, который играет жизненно важную роль в фотосинтезе
Сначала пожелтение старых листьев; общее замедление роста
Подвижен в почве - легко смывается при поливе
Фосфор (P) Здоровый рост корней, плюс производство цветов, фруктов и семян
Низкорослые растения с темно-зеленой или пурпурной листвой и
стеблями
неподвижен в почве; могут присутствовать, но недоступны для растений из-за
неправильного pH или охлаждения почвы
Калий (K) (также известный как поташ) Стремительный рост, устойчивость к болезням и плодоношение Пожелтение по краям листа и между жилками; слабо развитые
плод
Избегайте чрезмерного удобрения калием, так как это может сделать другие
питательных веществ недоступными для растений

Вторичные питательные вещества - кальций, магний и сера - требуются в меньших количествах.Хотя они обычно присутствуют в садовой почве в достаточном количестве, их может не хватать в безземельных смесях, особенно в тех, которые содержат мало ингредиентов.

Микроэлементы - как вы уже догадались - нужны в еще меньших количествах. К ним относятся железо, марганец, медь, бор, молибден, хлор и цинк и, возможно, другие - исследователи все еще изучают нюансы питания растений. Подобно вторичным питательным веществам, микронутриенты могут отсутствовать в беспочвенных смесях.

Об авторе книги

Билл Маркен - автор первого издания книги «Контейнерное садоводство для чайников». Сюзанна ДеДжон - редактор Национальной ассоциации садоводов , - ведущей садовой образовательной некоммерческой организации в Соединенных Штатах. Программы и инициативы NGA подчеркивают возможности обучения на основе растений в школах, общинах и на задних дворах по всей стране.

,

Идентификация пептидов Medicago по всему геному, участвующих в ответах на макронутриенты и нодуляции

  • © 2017 Американское общество биологов растений. Все права защищены.

Abstract

Растущее количество данных указывает на то, что маленькие секретируемые пептиды (SSP) играют критическую роль в росте и развитии бобовых, однако аннотация генов, кодирующих SSP, далека от завершения. Систематическое обновление генома Medicago truncatula позволило идентифицировать 1970 гомологов установленных семейств генов SSP и еще 2455 генов, которые являются потенциально новыми SSP, о которых ранее не сообщалось в литературе.Были исследованы паттерны экспрессии известных и предполагаемых генов SSP на основе 144 наборов данных секвенирования РНК, охватывающих различные стадии дефицита макроэлементов и симбиотических взаимодействий с ризобиями и микоризой. Сосредоточившись на тех, о которых известно или предполагается, что они действуют через рецептор-опосредованную передачу сигналов, были идентифицированы 240 чувствительных к питательным веществам и 365 сигнальных SSP, отвечающих за нодуляцию, что значительно увеличило количество семейств генов SSP, потенциально участвующих в адаптации к дефициту питательных веществ и клубеньку.Было показано, что применение синтетических пептидов изменяет фенотипы роста корней и клубеньков, выявляя дополнительные регуляторы усвоения питательных веществ бобовыми. Наши результаты представляют собой мощный ресурс, позволяющий проводить дальнейшие исследования конкретных функций SSP с помощью пептидной обработки и обратной генетики.

Малые секретируемые пептиды (SSP) превратились в важнейшие регуляторы разнообразных процессов роста и развития растений, включая аспекты роста корней, гомеостаз питательных веществ, поддержание меристемы, акклиматизацию к стрессу, защиту от патогенов, репродуктивное развитие и симбиотические взаимодействия. (Мармироли, Маэстри, 2014; Мерфи, Де Смет, 2014; Джорджевич и др., 2015; Окамото и др., 2016; de Bang et al., 2017). Продемонстрированная до сих пор биологическая роль предполагает, что SSP обладают большим потенциалом для улучшения различных агрономических характеристик, приносящих пользу сельскохозяйственному производству. Однако, несмотря на очевидную важность SSP, подавляющее большинство из них остается неизученным и, действительно, не аннотировано в геномах растений. Алгоритмы прогнозирования генов смещены в сторону более мелких генных продуктов, чтобы избежать неправильного аннотации случайных или некодирующих транскриптов, тем самым исключая большинство SSP и других истинных малых белков (Lease and Walker, 2006; Dinger et al., 2008; Эндрюс и Ротнагель, 2014). Более того, многие SSP и другие небольшие белки, которые аннотированы, были идентифицированы просто как неизвестные белки или гипотетические белки, что на практике останавливает их функциональную характеристику.

SSP, как следует из их названия, представляют собой небольшие пептиды из 5-50 аминокислотных остатков, которые секретируются в апопласт. Было обнаружено, что ряд SSP служат лигандами киназ рецепторов клеточной поверхности (Tabata et al., 2014; Ou et al., 2016; Santiago et al., 2016; Шинохара и др., 2016; Доблас и др., 2017; Nakayama et al., 2017) и функционируют в межклеточной коммуникации в пространственных масштабах от соседних клеток до отдаленных органов (Okamoto et al., 2016). SSP часто кодируются более длинной белковой последовательностью из примерно 100-200 аминокислот, называемой препропротеином. Эти препропротеины содержат N-концевой сигнальный пептид, направляющий пропротеин из клетки. Прогнозирование N-концевых сигнальных пептидов выполняется с помощью специализированных программ, таких как SignalP, которые вычисляют вероятность (D-значение) того, что данная аминокислотная последовательность содержит сигнальный пептид (Petersen et al., 2011). Пропротеин, образующийся в результате удаления сигнального пептида, содержит заключительный биоактивный пептид, встроенный в него, обычно около С-конца, который высвобождается в результате эндопротеолитического процессинга (Matsubayashi, 2014; Ghorbani et al., 2016; Schardon et al., 2016). Был предложен метод классификации SSP на основе аминокислотной последовательности белка (Tavormina et al., 2015). В соответствии с этой классификацией любой SSP можно разделить на один из пяти классов: (1) посттрансляционно модифицированный (PTM), (2) Cys-богатый, (3) non-Cys-богатый, non-PTM, (4) функциональный предшественник. и (5) короткая открытая рамка считывания (кОРС).Первые три класса состоят из пептидов, полученных из более крупного белка-предшественника, не имеющего известной функции, четвертый класс состоит из пептидов, полученных из более крупного белка-предшественника с отдельной известной функцией (Chen et al., 2014), и пептидов последнего класса экспрессируются из кОРС и не подвергаются протеолитическому процессингу (Lauressergues et al., 2015).

Недавние попытки оценить потенциал кодирования пептидов у растений продемонстрировали, что полный набор растительных пептидов или пептидомов намного больше и разнообразнее, чем предполагалось ранее (Tavormina et al., 2015; Hellens et al., 2016). У арабидопсиса ( Arabidopsis thaliana ) было идентифицировано более 1000 предсказанных SSP (Lease and Walker, 2006) и было обнаружено более 8000 кОРС с высоким кодирующим потенциалом (Hanada et al., 2013). Pan et al. (2013) идентифицировали 101 048 потенциальных ORF, кодирующих SSP, в рисе ( Oryza sativa ssp. japonica ), из которых две трети были расположены в межгенных регионах. В последнем выпуске генома Medicago truncatula (Mt4.0), SSP скрытые марковские модели (HMM) были включены специально в конвейер аннотаций, что привело к предсказанию сотен Cys-богатых пептидов (Zhou et al., 2013; Tang et al., 2014). Кроме того, была выпущена база данных PlantSSP (http://bioinformatics.psb.ugent.be/webtools/PlantSSP/), основанная на 32 видах растений, содержащая 39 135 небольших белков (менее 200 аминокислот) с прогнозируемым N-концом. сигнальные пептиды, сгруппированные в 4681 семейство на основе гомологии последовательностей С-концевых 50 аминокислот (Ghorbani et al., 2015).

Бобовые культуры представляют собой важный источник продовольствия и кормов в мире и являются основным продуктом многих систем земледелия. Благодаря своей способности фиксировать азот в сотрудничестве с почвенными бактериями, известными как ризобии, бобовые играют решающую роль в поступлении азота в сельскохозяйственные экосистемы (Downie, 2014). Все больше данных указывает на то, что SSP играют решающую роль в росте, развитии и продуктивности бобовых, особенно в отношении усвоения и использования питательных веществ (Funayama-Noguchi et al., 2011; Имин и др., 2013; Окамото и др., 2013; Мохд-Радзман и др., 2015, 2016; Wang et al., 2015). Пептиды CLAVATA3 / EMBRYO-SURROUNDING REGION (CLE) особенно хорошо изучены на бобовых из-за их роли в механизме системной отрицательной обратной связи, известном как ауторегуляция клубеньков (Mortier et al., 2010; Okamoto et al., 2013; Kassaw et al. ., 2017) и в локальной регуляции с помощью индуцированных нитратами CLEs (Hastwell et al., 2015). Фосфат-индуцированные CLEs также были описаны у Lotus japonicus (Funayama-Noguchi et al., 2011; Handa et al., 2015), тогда как CLE других бобовых участвуют в поддержании апикальной меристемы корня (Oelkers et al., 2008). Член семейства C-TERMINALLY-ENCODED PEPTIDE (CEP) в M. truncatula , MtCEP1, подавляет рост боковых корней и способствует нодуляции через сигнальные пути, зависящие от киназы MtCRA2, подобной рецептору с богатым Leu повтором (Imin et al. , 2013; Huault et al., 2014; Mohd-Radzman et al., 2016). Аналогичным образом, уровни экспрессии RAPID-ALKALINIZATION FACTOR1 ( MtRALF1 ) и ROTUNDIFOLIA / DEVIL1 ( MtDVL1 ) увеличивались после лечения нод-фактором, и было показано, что два пептида участвуют в ранних стадиях инфицирования ризобий. (Combier et al., 2008). Недавно было высказано предположение, что PHYTOSULFOKINES (PSKs), семейство Tyr-сульфатированных пептидов, также положительно регулируют нодуляцию у L. japonicus (Wang et al., 2015). Кроме того, клада с инвертированным повторением без повторов (IRLC), которая включает большинство культивируемых в сельском хозяйстве бобовых, уникальна тем, что ее представители обладают семейством SSP NODULE CYSTEINE-RICH (NCR) (почти 700 из которых обнаружены в M. truncatula ). ), которые влияют на специфичность ризобий-хозяев (Wang et al., 2017; Yang et al., 2017), и предполагается, что они коллективно управляют терминальной дифференцировкой бактероидов в развитии клубеньков (Horváth et al., 2015; Kim et al., 2015; Montiel et al., 2017). Взятые вместе, потенциал SSP для улучшения сельскохозяйственных характеристик бобовых, в частности усвоения и использования питательных веществ, поражает.

M. truncatula стала отличной моделью для изучения биологии и симбиоза бобовых, однако потенциал SSP-кодирования M. truncatula , как и большинства других видов растений, остается неясным.Более того, только малая часть известных SSP-кодирующих генов в M. truncatula связана со специфическими функциями. В базе данных PlantSSP имеется 820 локусов генов из 334 семейств в M. truncatula (Ghorbani et al., 2015). Однако образцы M. truncatula основаны на предыдущем выпуске Mt3.5, и в первоначальную разработку HMM не были включены бобовые, что, вероятно, исключает возможность идентификации SSP, специфичных для бобовых. Несколько генов SSP аннотированы в самой последней версии M.truncatula , включая представителей семейств CLE, EPIDERMAL PATTERNING FACTOR-LIKE (EPFL), PSK, RALF, S-LOCUS CYSTEINE RICH-LIKE (SCRL) и TAPETUM DETERMINANT (TPD). M. truncatula CLE-гены были первоначально аннотированы Mortier et al. (2010) с использованием Mt2.0, и недавно Hastwell et al. Расширили его до 52 генов CLE. (2017) с использованием Mt4.0 в процессе идентификации. Исследования Imin et al. (2013), Делэй и др. (2013b) и Ogilvie et al. (2014) вместе идентифицировали 14 M.truncatula CEP (MtCEP) члены семейства. Примечательно, что семь из 14 MtCEP, идентифицированных в Mt3.5, отсутствуют в Mt4.0, и, наоборот, один MtCEP присутствует только в Mt4.0. Взятые вместе, вышеупомянутые исследования подчеркивают, что комплексная стратегия биоинформатики требуется для исчерпывающей полногеномной идентификации M. truncatula SSP.

Цели этого исследования состояли в том, чтобы создать исчерпывающий набор данных всех потенциальных M. truncatula SSP и использовать данные секвенирования РНК (RNA-seq) для идентификации генов SSP с макроэлементами и зависимыми от симбиоза изменениями и потенциальной ролью в них. использование или приобретение питательных веществ.Этот подход привел к идентификации сотен генов SSP, регулируемых макронутриентным стрессом, инокуляцией ризобий и развитием клубеньков. Используя синтетические пептиды, мы демонстрируем, что выбранные чувствительные к питательным веществам SSP из семейств РАСТИТЕЛЬНЫХ ПЕПТИДОВ, СОДЕРЖАЩИХ СУЛЬФАТИВНЫЙ ТИРОЗИН (PSY), PAMP-ИНДУЦИРОВАННЫЙ СЕКРЕТНЫЙ ПЕПТИД (PIP) и ИНФЛОРЕСЦЕНТНЫЙ ДЕФИЦИТ ПРИ РАССЕЛЕНИИ (IDA), улучшают характеристики роста корней. получение питательных веществ. Кроме того, тематический список, содержащий потенциальные новые гены-кандидаты SSP в пределах M.truncatula был разработан на основе общих характеристик с известными генами, кодирующими SSP. Полезность Focal List была продемонстрирована путем идентификации нового семейства генов SSP, специфичных для бобовых, которые могут подавлять клубеньки при экзогенном применении синтетического пептида. Таким образом, повторная аннотация генома, идентификация SSP и транскриптомный анализ предоставили исчерпывающий и ценный ресурс для дальнейшего детального исследования регуляции SSP у бобовых, а также у растений в более широком смысле.

РЕЗУЛЬТАТЫ

Повторная аннотация M. truncatula Геном

При работе с SSP в M. truncatula стало ясно, что аннотация ORF в геноме смещена по сравнению с теми, которые производят более короткие генные продукты (т. Е. ORF, скорее всего, будут кодировать SSP). Чтобы установить полный потенциал кодирования для SSP в пределах M. truncatula , было важно улучшить идентификацию таких кОРС. Таким образом, реанимация M.truncatula с использованием трех программ биоинформатики: MAKER (Cantarel et al., 2008), SPADA (Zhou et al., 2013) и sORF Finder (Hanada et al., 2010) (рис. 1A). Из этих программ были разработаны SPADA и sORF Finder для идентификации продуктов коротких генов, и MAKER был настроен для этой же цели.

Рис. 1.

Повторная аннотация генома M. truncatula и идентификация неизбыточного набора генов. A, конвейер реаннотации был запущен параллельно на текущем (Mt4.0) и самые последние предыдущие (Mt3.5v5) высвобождения генома M. truncatula , в результате чего получился объединенный неизбыточный набор генов из 70 094 гена. В конвейере использовалась программа MAKER со свидетельствами экспрессии из 64 собственных библиотек РНК-seq различных типов тканей и стадий развития, M. truncatula EST Gene Index 11 и белковых последовательностей из L. japonicus , Glycine. max и база данных белков, созданная вручную Swiss-Prot. SPADA использовалась для идентификации моделей генов SSP с использованием HMM из базы данных PlantSSP (Ghorbani et al., 2015) и встроенные HMM из Cys-богатых семейств, которые облегчили идентификацию кОРС. Наконец, программа поиска кОРС (Hanada et al., 2010) была запущена специально на геноме Mt4.0 для идентификации генных моделей кОРС из межгенных регионов. B, гистограмма, показывающая прогнозируемое распределение белков по размеру (ячейки = 50 аминокислот) неизбыточного набора генов, классифицированного в соответствии с источником последовательности в базе данных. Почти 90% генов, недавно идентифицированных нашим конвейером (Novel), кодируют продукты из 200 или менее аминокислотных остатков.На вставке показаны источники неизбыточного набора генов, включающего в себя 7 771 новый аннотированный ген.

Сравнивая индексы генов между текущим выпуском генома M. truncatula , Mt4.0, и предыдущим выпуском, Mt3.5v5, было обнаружено, что многие гены специфичны для одного выпуска, что может быть вызвано различными методами сборки генома (Young et al., 2011; Tang et al., 2014). Следовательно, конвейер аннотации выполнялся для обоих релизов генома параллельно, а выходные данные были впоследствии объединены в окончательный неизбыточный набор генов, отдавая приоритет генам из Mt4.0, где была обнаружена избыточность. В результате реаннотации был получен набор из 70 094 неизбыточных гена, который включал 7 771 новый аннотированный локус генов (рис. 1B; дополнительная таблица S1). Анализ распределения размеров реаннотированного генома показал, что 88% из 7771 вновь аннотированных локусов генов кодируют белки, содержащие менее 200 аминокислот (рис. 1B), из которых 59% имеют четкую экспериментальную поддержку из наших наборов данных RNA-seq (см. Ниже ). Это подтверждает вывод о том, что текущая аннотация (Mt4.0) не соответствует прогнозам более коротких генных продуктов и демонстрирует преимущества нашей реаннотации.

Всего 374 новых гена кодируют 50 или менее аминокислот (дополнительная таблица S1). Хотя большинство этих коротких генных продуктов не имеют гомологии с известными белками, 78 кодируют известные семейства белков, а еще семь из них, по-видимому, являются псевдогенами, кодирующими усеченные SSP. В общей сложности 87% этих коротких генных продуктов были экспериментально подтверждены наборами данных RNA-seq, что указывает на то, что они могут быть новыми SSP или некодирующими РНК. Фактически, 35% имели D-значения SignalP больше 0.45, что намного выше, чем доля всех новых генов, что подчеркивает их потенциал SSP. Эти гены без поддержки RNA-seq могут экспрессироваться в высокоспецифичных условиях или представлять ложные идентификации ORF. Было 38 недавно аннотированных генов, кодирующих длинные продукты с более чем 750 остатками, все, кроме двух, имели строго предсказанные консервативные домены от PFAM и / или Uniprot, что облегчало функциональное предсказание. Среди этих генов не было ни одного консервативного домена или функциональной категории, и неясно, почему эти гены были пропущены в предыдущих аннотациях генома.

Известные SSP обычно встраиваются в генные продукты размером менее 200 аминокислот. В нашем анализе было 38 193 гена, кодирующих белки короче 200 аминокислот, из которых 6 861 ген составляли новые генные модели, причем 60% имели четкую экспериментальную поддержку РНК-seq. Это подчеркивает большое количество дополнительных, потенциальных генов, кодирующих SSP, которые были получены путем реаннотации генома (рис. 1B). В совокупности описанный здесь биоинформатический подход значительно расширил аннотацию M.truncatula и увеличил потенциал для идентификации существующих и новых семейств SSP.

Идентификация M. truncatula членов установленных семейств SSP

Число признанных семейств генов SSP для всех видов растений значительно выросло за последние годы, и улучшенная аннотация генома M. truncatula была добыта на предмет гомологов этим установили семейства генов SSP. Добыча велась по трехстороннему подходу. Во-первых, был проведен поиск гомологии с использованием репрезентативных белков из установленных семейств SSP.Во-вторых, поиск совпадений проводился в HMM известных или предполагаемых SSP растений из базы данных PlantSSP (Ghorbani et al., 2015). В-третьих, для идентификации дополнительных SSP короткие (менее 200 аминокислот) и секретируемые (значение D SignalP> 0,25) последовательности белка были сгруппированы на основе общих мотивов последовательностей с использованием кластерного анализа Маркова (MCL; Enright et al., 2002; Van Dongen , 2008). Кластеризация генов с SSP, идентифицированными на двух начальных этапах, была извлечена как SSP. Список всех семейств SSP, используемых для поиска, а также функциональные аннотации и аннотации последовательности каждого семейства см. В дополнительной таблице S2.

На основе аминокислотных последовательностей идентифицированные гены были сгруппированы в отдельные установленные семейства SSP, которые включали семейства множественных ингибиторов пептидаз, антимикробных пептидов, известных или предполагаемых сигнальных пептидов и пептидов, действующих посредством неизвестных механизмов. Множественные выравнивания последовательностей каждого семейства проводили вручную для подтверждения общих мотивов последовательностей среди членов семьи. Во второй итерации поиска геном был повторно опрошен с использованием HMM, построенных на основе скомпилированных семейств SSP.Опять же, несколько выравниваний последовательностей каждого семейства были вручную курированы, чтобы подтвердить правильное включение генов в семьи. Эта вторая итерация поиска привела к дополнительным 312 генам SSP из 23 семейств, 155 из которых были очевидными псевдогенами, потерявшими один или несколько критических консервативных остатков.

Этот исчерпывающий поиск генома привел к окончательному, исчерпывающему списку из 1970 генов из 46 ранее определенных семейств SSP (Таблица I; Дополнительные таблицы S2 и S3). Некоторые гены с высококонсервативными мотивами SSP не имели предсказанных сигнальных пептидов.Однако в ряде случаев ручное курирование отображенных считываний идентифицировало альтернативные стартовые кодоны восходящего направления, которые открывали строго предсказанные сигнальные пептиды (например, см. Дополнительные рисунки S1 и S2). Многие из семейств включают предполагаемых членов псевдогена, что согласуется с высокой частотой тандемных дупликаций генов SSP (Silverstein et al., 2007; Takeuchi and Higashiyama, 2012; Trujillo et al., 2014). Было 363 гена SSP из 37 семейств SSP, которые ранее не были идентифицированы как члены соответствующих семейств ни в Uniprot, ни в Mt4.0, что представляет собой увеличение на 23% размера генофонда M. truncatula SSP (Таблица I). Среди тех семейств, которые, как известно или предположительно, действуют как лиганды рецепторов (Signaling-SSPs), были обнаружены дополнительные 188 членов, что представляет собой увеличение на 38%. Примечательно, что аннотации Uniprot и Mt4.0 для многих семейств оказались некорректными, что было исправлено во время обширного ручного курирования. Примеры этих поправок из семейств NCR и RALF представлены на дополнительных рисунках S3 и S4.

Таблица I. Идентифицированные семейства SSP у M. truncatula

Семейства SSP были отнесены к одному из пяти классов SSP, определенных Tavormina et al. (2015) и описанные выше, которые основаны на общих структурных свойствах. Наибольшее количество генов SSP в M. truncatula относится к классу, богатому Cys (1585), который включает семейства SSP, действующие как сигналы, антимикробные препараты и ингибиторы пептидазы (Таблица I; Дополнительная таблица S3).

Идентификация новых SSP: основной список

Хотя систематический поиск реаннотированного M.В геноме truncatula было идентифицировано около 2000 генов, кодирующих SSP, этот поиск обязательно опирался на предварительные данные о каждом семействе SSP. Таким образом, была выдвинута гипотеза, что в геноме M. truncatula еще предстоит обнаружить дополнительные, новые семейства SSP. Следовательно, реаннотированный геном был разработан для определения списка генов, которые представляют предполагаемые новые SSP, на основе рабочего потока последовательных шагов фильтрации. Поскольку этот список представляет собой отличных кандидатов для дополнительных SSP, вероятно, включая SSP для бобовых, мы называем этот список Focal List (рис.2A; Дополнительная таблица S4). Первоначальные шаги были основаны на необходимой короткой длине кодирования и предсказании сигнального пептида с помощью программного обеспечения SignalP (Petersen et al., 2011). Соответствующие критерии длины и D-значения SignalP для фильтрации были определены эмпирически с использованием всех членов известных семейств SSP в качестве положительного контроля (дополнительный рисунок S5). Дополнительные этапы фильтрации удаляли установленные белки SSP, белки с предсказанной трансмембранной спиралью или белки с сигналом удержания в эндоплазматическом ретикулуме.Заключительный этап фильтрации удалил 232 белка с известными функциями, не связанными с сигнальными SSP, такими как субъединицы фотосистемы, факторы транскрипции или хорошо изученные метаболические ферменты (рис. 2А). Фильтрация этих функциональных белков может увеличивать риск отбрасывания потенциальных SSP, кодируемых в функциональных предшественниках. Однако такие SSP не обязательно должны быть встроены в гены, содержащие менее 230 аминокислот или лишенные трансмембранных доменов. Соответственно, такие потенциальные гены SSP могли быть отброшены на более ранних этапах фильтрации.Таким образом, все гены, отбрасываемые на каждом этапе фильтрации, сохраняются в дополнительной таблице S4, что позволяет настраивать списки кандидатов.

Рисунок 2.

Идентификация и характеристики предполагаемых новых генов SSP. Основной список предполагаемых новых генов SSP был создан на основе общих характеристик ранее определенных SSP. Этот список представляет собой отличную отправную точку для идентификации новых генов или семейств SSP, некоторые из которых могут быть специфичными для бобовых или IRLC. A, Шесть последовательных шагов фильтрации были использованы для разработки нашего списка фокусов.B. В общей сложности у 1371 члена Фокального списка были идентифицированы ортологи по крайней мере от одного из 16 других видов покрытосеменных. Эти виды подразделяются на пять различных филогенетических групп. На диаграмме Венна указано количество членов Фокального списка, у которых есть ортологи в каждой из этих групп. C. Гены Focal List также были отнесены к одной из четырех предсказанных классификаций, включая группу PTM, построенную на вычислении оценки PTM.

Окончательный список кандидатов генов SSP включал 2455 генов, из которых более 74% имели сильную поддержку РНК-seq на основе внутренних наборов данных.Хотя у большинства этих генов-кандидатов не было предварительной аннотации (71%), некоторые из них были неправильно аннотированы как члены семейств SSP, включая 15 NCR и 30 RALF. Хотя ручное лечение подтвердило, что эти гены на самом деле не были членами каких-либо установленных семейств SSP, они являются отличными кандидатами для новых семейств SSP.

Чтобы идентифицировать семейства гомологов среди членов Focal List, была проведена кластеризация MCL для группировки родственных генов. Таким образом, более половины членов Фокусного списка попали в одну из 216 семей.В то время как большинство семейств были небольшими, включающими только два или три гена, 21 семейство содержало по крайней мере дюжину генных членов, и восемь из них оказались семействами, богатыми Cys, на основании присутствия консервативных пар Cys. Чтобы определить степень сохранения этих генов среди цветковых растений и идентифицировать потенциальные SSP, специфичные для бобовых, мы провели поиск ортологов на основе взаимных наилучших совпадений (Moreno-Hagelsieb and Latimer, 2008) у 16 ​​других видов покрытосеменных, представляющих пять различных филогенетических групп (рис. ,2B; Таблица II). Было обнаружено, что в общей сложности 1371 ген Focal List имеет ортолог по крайней мере у одного из 16 выбранных видов, 290 из которых имеют ортологи у представителей всех пяти филогенетических групп (рис. 2B; таблица II; дополнительная таблица S4). И наоборот, еще 801 ген Focal List имел ортологи только у других бобовых растений, 547 из которых были только в IRLC. Эти члены тематического списка по конкретным бобовым являются отличными кандидатами на роль SSP с ролями, специфичными для клубеньков, как показано для семейства 71 ниже.

Таблица II. Предполагаемые ортологи членов Focal List у 16 ​​выбранных видов покрытосеменных.

генов Focal List также были отнесены к классам SSP, таким как PTM или Cys rich. В общей сложности 68 генов были идентифицированы как протеины с высоким содержанием протеина (PRP), которые содержали не менее 15% остатков Pro за пределами предсказанной последовательности сигнального пептида, а еще 51 ген был идентифицирован как протеины с высоким содержанием Gly (GRP), снова содержащие не менее 15% остатков Gly вне предсказанной последовательности сигнального пептида. Было отмечено, что, хотя GRP обычно содержат до 80% Gly, GRP, специфичные для конкреций, короче и обычно имеют содержание Gly от 20% до 30% (Alunni et al., 2007). Дополнительные 426 генов имели по крайней мере одну пару консервативных остатков Cys, и они были классифицированы как предсказанные Cys-богатые SSP. Чтобы идентифицировать предполагаемые SSP PTM из основного списка, был разработан простой метод оценки, основанный на уникальных частотах аминокислот этого класса SSP (дополнительный рисунок S6). Всего было предсказано, что 128 членов Focal List будут SSP PTM (рис. 2C; дополнительная таблица S4).

Остальная часть этой работы была сосредоточена на SSPs, которые, как известно или предположительно, действуют через рецептор-опосредованную передачу сигналов (Signaling-SSPs), в отличие от SSP с антимикробными препаратами или ингибиторами пептидазы, и, более конкретно, на выявлении SSP-сигналов, реагирующих на стрессы питательных веществ или симбиоз.Всего сигнальные SSP представляли 690 генов из всех пяти классов SSP (Таблица I).

Сигнальные SSP и ответ генов из списка фокусов на дефицит макронутриентов и симбиоз

Было показано, что небольшое количество сигнальных SSP различных видов влияет на черты, связанные с гомеостазом и усвоением питательных веществ для растений, такие как развитие боковых корней и симбиотические взаимодействия ( Djordjevic et al., 2015; Okamoto et al., 2016; de Bang et al., 2017; Ohkubo et al., 2017). Однако полный объем сигнальных SSP, участвующих в адаптации к колебаниям в доступности питательных веществ, не исследован.Для более всестороннего анализа потенциальных ролей сигнальных SSP в адаптации к стрессу, вызванному питательными веществами, были проанализированы изменения в экспрессии сигнальных SSP и членов Focal List на основе данных РНК-seq ткани M. truncatula из (1) четырех различных дефицит макронутриентов, (2) подробный временной график, охватывающий ранние и поздние сигнальные события ризобий и развитие узелков, и (3) лечение микоризным липохитоолигосахаридом (Myc-LCO), имитирующее ранние сигнальные события до микоризной колонизации (рис.3; Дополнительные таблицы S14 и S15). Всего 144 набора данных RNA-seq были сопоставлены с повторно аннотированным геномом M. truncatula , а экспрессия генов была количественно определена как количество фрагментов на килобазу транскрипта на миллион отображенных считываний (FPKM; рис. 3). Анализ дифференциальной экспрессии (DE) проводили с помощью программы DEseq2 (Love et al., 2014), которая использует динамическую фильтрацию генов с низкой экспрессией для предотвращения ложной идентификации DE.

Рисунок 3.

Обзор экспериментальных дизайнов RNA-seq.A, дефицит макроэлементов. Два разных эксперимента с дополнительными макронутриентами были проведены на растениях, выращиваемых в течение 3 недель. РНК-секвенирование проводили как на ткани корня, так и на ткани побега. В эксперименте по уменьшению количества питательных веществ растения выращивали с уменьшенным внешним поступлением одного из четырех макроэлементов, азота (N), фосфора (P), серы (S) или калия (K), в течение всего 21 дня. За шесть часов до сбора урожая подмножество растений с дефицитом пополняли раствором полноценного питания (FN).В эксперименте по удалению питательных веществ растения либо выращивали при FN в течение 14 дней до полного устранения внешнего источника питательных веществ в течение последующих 7 дней (N), либо выращивали при полном исключении внешнего источника питательных веществ в течение полного 3-недельного периода времени. Все экспериментальные обработки проводились с соответствующими контрольными растениями, получавшими полноценное питание в течение 3-недельного периода времени. Точка сбора урожая обозначена по оси x как Harv. B, симбиотические взаимодействия. Три разных эксперимента, посвященных симбиотическим взаимодействиям с M.truncatula корней. Данные РНК-seq, охватывающие ранние случаи инфицирования ризобиями в девяти временных точках между 0 и 48 часами после инокуляции (hpi), были получены от Larrainzar et al. (2015). Данные РНК-секвенирования корней, инокулированных сульфатированными (синий) или несульфатированными (красный) синтетическими молекулами Myc-LCO, были получены от Camps et al. (2015). Данные РНК-seq, охватывающие развитие клубеньков от 4 до 28 дней после инокуляции (dpi), были получены в лаборатории. Временная точка 4 точки на дюйм использовала неровности узелков, часть корня с формирующимися, развивающимися узелками, в то время как последние три временных точки использовали изолированную ткань узелка.

Дефицит макронутриентов

Для исследования реакции дефицита макронутриентов были получены наборы данных RNA-seq из тканей корня и побегов растений, выращенных в условиях дефицита N, P, S и K (рис. 3). Для идентификации более полного набора чувствительных генов были использованы две различные экспериментальные установки: (1) эксперимент по снижению содержания питательных веществ (N, P, K или S) и (2) эксперимент по устранению питательных веществ (N или P). Чтобы более точно идентифицировать гены, реагирующие на изменения в снабжении питательными веществами, были включены образцы растений, в которые были добавлены данные питательные вещества за 6 часов до сбора урожая.Экспериментальные установки различались по величине ограничения питательных веществ, а также по стадии разработки применения, и, таким образом, формировали дополнительные эксперименты. Истощение питательных веществ в отобранных тканях было подтверждено паттернами экспрессии RNA-seq и данными количественной ПЦР с обратной транскрипцией (RT-qPCR) для опубликованных маркерных генов (Hirai et al., 2004; Scheible et al., 2004; Nussaume et al., 2011; Secco et al., 2012; Wipf et al., 2014; Дополнительная таблица S14). Кроме того, дефицит макроэлементов снизил производство биомассы побегов и снизил концентрацию N, P, S или K (дополнительный рис.S7). Ниже в двух экспериментальных установках рассматриваются чувствительные к питательным веществам SSP и члены Focal List.

Уровни транскриптов 240 различных сигнальных генов SSP были значительно изменены при дефиците по крайней мере одного макронутриента (т.е. скорректированного P ≤ 0,1 и минимального 2-кратного изменения), 138 генов в корнях и 172 в побегах. Хотя только один ген, Leginsulin13 ( MtLegin13 ) в корне, был чувствителен к дефициту K, многочисленные гены Signaling-SSP отреагировали на три других дефицита, наиболее резко в ткани побегов, лишенной N, которая варьировалась от 4000 -кратное увеличение с MtCEP9 до 730-кратного уменьшения с MtLegin8 (рис.4; Дополнительная таблица S7). Сравнивая сигнальные SSP между двумя экспериментальными установками, общие ответы (т. Е. Ответ на одно и то же питательное вещество в обоих экспериментах) были обнаружены только для одной трети и одной шестой идентифицированных генов в побегах и корнях, соответственно (дополнительный рисунок S8). ). Примечательно, что чувствительные к макроэлементам сигнальные SSP представляли все, кроме одного, из 27 семейств сигнальных SSP (рис. 5). Семейство SCRL, в котором отсутствуют гены, чувствительные к макроэлементам, как полагают, играет особую роль в репродуктивной ткани (Vanoosthuyse et al., 2001). Индивидуальные ответы гена Signaling-SSP были специфичны для данных макроэлементов в 55% и 61% случаев в побегах и корнях, соответственно (дополнительный рисунок S9). Остальные гены Signaling-SSP реагировали на два или три дефицита макроэлементов, в то время как ни один не ответил на все четыре дефицита. Шестнадцать генов в побегах и шесть генов в корнях отреагировали на дефицит N, P и S, включая пять PLANTACYANIN (PCY) и три PIP с повышенной регуляцией в побегах и MtCLE34 и MtPSY3 с пониженной регуляцией в корнях (дополнительная таблица S7 ).Этот небольшой набор сигнальных SSP-генов может представлять собой общие регуляторы использования или усвоения питательных веществ и, как таковые, являются привлекательными целями для последующих исследований.

Рис. 4.

генов сигнального SSP и Focal List, чувствительных к макронутриентам. С помощью программы DESeq2 (Love et al., 2014) гены DE из групп Signaling-SSP и Focal List были идентифицированы в экспериментах по сокращению и устранению питательных веществ. Для генов DE требуется скорректированное значение отсечения P <0.1 и минимальное изменение log в 2 ± 1. На графике нанесены Log 2 -кратные изменения каждого гена DE Signaling-SSP (красный) или гена Focal List (синий). Количество генов DE Signaling-SSP и Focal List с повышенной или пониженной регуляцией указано в таблице внизу.

Рисунок 5.

Большинство семейств сигнальных SSP содержат гены, отвечающие за макроэлементы и клубеньки. Количество генов из каждой семьи, которые реагируют (скорректировано P <0,1 и изменение в 2 или более раз) по крайней мере на один макроэлемент d

.

Смотрите также