Воронеж, Россия
Россия
В данной работе был проведен транскриптомный анализ образцов чувствительного к засухе генотипа Q. robur L, в ходе которого было выявлено 60 генов, экспрессия которых была изменена относительно контроля в условиях водного дефицита. Данные гены принимают участие в метаболизме и биосинтезе липидов, регуляции синтеза малых молекул и фитогормонов, транспорте ионом металлов, антиоксидантной активности, а также в росте и развитии. Чувствительность к дефициту влаги у рассматриваемого генотипа Q. robur L обусловлена снижением эффективности утилизации активных форм кислорода (АФК) и поддержания целостности мембран, а также дисбалансом биосинтеза фитогормонов, ответственных за запуск каскадных реакций на абиотические стрессы. Среди генов с пониженным уровнем экспрессии особый интерес представляют белки COPT6 и металлотионеин-подобный белок. COPT6 принимают участие в трансмембранном транспорте ионов меди, что опосредованно влияет на биосинтез абцизовой кислоты – ключевого фитогормона, ответственного за адаптацию к засухе. В свою очередь снижение экспрессии гена металлотионеин-подобного белка в значительной степени влияет на концентрацию АФК и гомеостаз ионов Na+. Следует также отметить WAT1-связанный белок At1g70260 и N-подобный белок устойчивости к вирусу табачной мозаики (TMV), изменение экспрессии которых в образцах рассматриваемого генотипа Q. robur L потенциально провоцирует запуск каскадных реакций, ассоциированных с салициловой кислотой. Полученные данные вносят вклад в понимание молекулярно-генетических основ адаптации древесных растений к абиотическим стрессам и открывают перспективы для применения молекулярных маркеров в селекционных программах.
Quercus robur, дуб, засуха, транскриптом, дифференциальный анализ экспрессии генов
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Введение
Возрастающая частота и интенсивность засух, обусловленные изменением климата, представляют собой ключевой фактор глобальной гибели деревьев [1]. Основными механизмами, снижающими жизненные показатели, выступают сбой в водоснабжении ксилемы и углеродное голодание при уменьшении проведения питательных веществ от флоэмы. Состояние таких ослабленных растений также может усугубляться поражением различными фитопатогенами [2]. Такая наблюдаемая тенденция свидетельствует о возрастающей уязвимости лесных экосистем к климатическим стрессорам, что несет риски для их углерод-депонирующей функции и стабильности.
Дефицит влаги индуцирует у растений комплекс физиолого-биохимических ответных реакций, направленных на минимизацию потерь воды, что включает в себя закрытие устьиц для снижения транспирации, подавление ростовых процессов и фотосинтеза, а также активацию антиоксидантных систем для борьбы с окислительным стрессом, вызванным накоплением активных форм кислорода (АФК) [3]. Интенсивность и специфичность этих реакций варьируются в зависимости от вида растения, продолжительности и тяжести водного дефицита. Однако при экстремальных или продолжительных засухах эти компенсаторные механизмы оказываются недостаточными, что и приводит к патологическим процессам и дальнейшей гибели растений. При этом реакция на стресс демонстрирует значительную вариабельность на внутривидовом уровне, что определяет различия в засухоустойчивости между отдельными генотипами. В связи с этим задача сохранения и восстановления лесных экосистем, а также потребность в устойчивом лесопользовании обуславливает необходимость в поиске генотипов с повышенной засухоустойчивостью.
Среди древесных пород Северного полушария представители рода Quercus занимают особое положение, выступая доминантами в широком спектре лесных экосистем – от умеренных листопадных до тропических горных лесов [4,5]. В частности, дуб черешчатый Quercus robur L. является лесообразующим видом дубов в смешанных широколиственных лесах Европы [6]. Несмотря на то, что для представителей данного вида характерна наибольшая засухоустойчивость среди Quercus [7], современные наблюдения указывают на стремительное сокращение также и их популяций обусловленное засухой [8]. Это свидетельствует о наличии в природных популяциях чувствительных к дефициту влаги генотипов, изучение которых представляет особый интерес [7, 9, 10-12]. Их анализ позволяет не только идентифицировать маркеры низкой устойчивости для селекционной отбраковки, но и выявить «критические точки» сбоя защитных механизмов, что затруднительно при исследовании устойчивых форм, успешно компенсирующих стресс. Прямой отбор по фенотипическим признакам у дубов затруднен из-за длительного ювенильного периода, низкой семенной продуктивности, слабой корреляции признаков на разных этапах онтогенеза и сложностями вегетативного размножения [13]. Перспективной альтернативой выступает маркер-опосредованная селекция, основанная на идентификации генов-кандидатов, экспрессия которых изменяется в условиях водного дефицита [14].
Целью настоящего исследования явился транскриптомный анализ молекулярного ответа на засуху у ранее идентифицированного чувствительного генотипа дуба черешчатого Q. robur L. с применением технологии RNA-seq. В задачи входило выявление дифференциально экспрессирующихся генов, анализ их функционального профиля с использованием GO-классификации и KEGG-путей, а также идентификация ключевых генов-кандидатов, потенциально ответственных за повышенную чувствительность к дефициту влаги.
Материалы и методы
Растительный материал
В работе были использованы растения, выращенные из желудей 46-летнего дуба черешчатого Q. robur L из Семилукского лесного питомника в Воронежской области (Центральная часть Российской Федерации, 51°42′47″ с.ш.; 38°57′08″ в.д.). Дерево 339/57, являющееся потомком дуба из Шипова леса, расположенного на границе степной и лесостепной зон, было отобрано на основе многолетних наблюдений, включая сильные засухи 1992 и 2010 годов, как генотип, толерантный к водному стрессу. Сеянцы культивировали в условиях теплицы в 4-литровых горшках с использованием смеси нейтрализованного верхового торфа с перлитом (3:1).
Условия выращивания
Условия водного дефицита на однолетних сеянцах моделировали, поддерживая опытные растения при низком содержании почвенной влаги (СПВ). Контрольные растения поддерживали при 80±5% СПВ, в опытных вариантах – до 45±5% СПВ. Для поддержания заданного СПВ каждый горшок взвешивали три раза в неделю и добавляли количество воды, равное убыли массы. Дефицит воды поддерживали в течение 60 суток эксперимента. Листовой материал собирали до и после эксперимента, фиксировали методом мгновенного замораживания в жидком азоте и хранили при температуре -80°C до дальнейших исследований.
RNA-Seq
Собранные ткани листьев быстро замораживали в жидком азоте и измельчали, после чего проводили выделение РНК с использованием модифицированного протокола CTAB [48]. Данный метод широко применяется для выделения ДНК, поскольку обеспечивает удаление полисахаридов и полифенолов, присутствие которых в растительных клетках может затруднить последующие эксперименты. Измельченный образцы растворяли в экстракционной среде, содержащей 2% поливинилпирролидона (ПВП), 100 мМ Трис-HCl (pH 8,0), 20 мМ ЭДТА, 1,4 М NaCl, и помещали в твердотельный термостат на 40 минут при температуре 65°C. Соотношение образца и экстракционного буфера составляло 1:10, что обеспечивало достаточную текучесть. Выделенные образцы растворяли в 50 мкл деионизированной воды и хранили при температуре -80°C до дальнейшего использования.
Качество РНК оценивали методом электрофореза в 1% агарозном геле с бромистым этидием. Визуализацию образцов РНК проводили с помощью системы VilberLourmat (Франция). Концентрацию РНК определяли на флуориметре Qubit 2.0 с использованием набора RNA BR Assay Kit (Thermo Fisher Scientific, США).
Библиотеки для RNA-Seq были подготовлены с помощью набора TruSeq Stranded mRNA (Illumina) в соответствии с протоколом производителя. Полученную библиотеку секвенировали на платформе Illumina Novaseq 6000. Исходные данные секвенирования были преобразованы в необработанные риды.
Анализ данных
Необработанные риды были отфильтрованы для удаления последовательностей низкого качества с помощью FastQC (v. 0.74) [49] и Trimmomatic (v. 0.39) [50]. Риды высокого качества были сопоставлены с референсным геномом GCF_932294415.1 (https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_932294415.1/) с использованием публичного сервера Galaxy [51] и hisat2 (v. 2.2.1) [52] как инструмента выравнивания последовательностей.
Статистический анализ дифференциальной экспрессии проводили с помощью пакета featureCounts (v. 2.0.3) [53] и DESeq2 (v. 1.44.0) [54]. На основании матрицы счетов прочтений был создан объект «DESeqDataSet» с формулой дизайна [design = ~ condition], где фактор «condition» разделял образцы на контрольную группу и экспериментальную группу (образцы, подвергнутые засушливому стрессу). Перед анализом были отфильтрованы гены с суммарным количеством ридов менее 10 по всем четырем образцам. Дифференциально экспрессированными считались гены, удовлетворяющие двум критериям. Скорректированный p-value (padj) < 0.05 использовался для оценки статистической значимости, в то время как абсолютное значение log2FC > 1 – для оценки биологической значимости. Мера log2FC рассчитывалась как двоичный логарифм отношения средних нормализованных уровней экспрессии между экспериментальной и контрольной группами. Данная метрика позволяет симметрично оценивать как активацию (log2FC > 0), так и репрессию (log2FC < 0) генов. Установленный порог |log2FC| > 1 отбирает гены двукратным изменением экспрессии, что считается минимальным биологически релевантным эффектом.
Анализ обогащения Gene Ontology (GO-анализ) и принадлежности генов тому или иному метаболическому пути (KEGG) были выполнены с помощью онлайн-инструмента DAVID (https://davidbioinformatics.nih.gov/) [55]. Для выявления статистически значимо обогащенных GO-терминов использовался гипергеометрический тест. Полученные p-value были скорректированы для контроля уровня ложных открытий методом Бенджамини-Хохберга. Порог значимости для скорректированного p-value был установлен на уровне < 0.05.
Визуализация результатов GO-анализа и результатов DESeq2 была выполнена с использованием пакетов ggplot2 (v. 3.5.0) и GOPlot (v. 1.0.2) [56] в R (v. 4.4.0) и библиотек matplotlib (v. 3.10) и pandas (v. 2.2.3) в Python3 (v. 3.13.0).
Результаты
Для изучения ответа на водный дефицит у чувствительного к засухе генотипа Q. robur L. и идентификации маркерных генов был проведен транскриптомный анализ однолетних сеянцев. Характеристика данных РНК-секвенирования и качество сопоставления с референтным геномом (GCF_932294415.1) приведены ниже (табл. 1, табл. S1).
Оценка качества Q30 полученных ридов составила ³87.48%, что соответствует эталонным стандартам в секвенировании нового поколения. Данный показатель свидетельствует о высокой точности определения нуклеотидов и обеспечивает надежность последующего биоинформатического анализа. Результаты картирования на референсный геном показали удовлетворительные значения (³90.33%) и были использованы для анализа дифференциальной экспрессии генов.
1. Allen C.D., Macalady A.K., Chenchouni H., Bachelet D., McDowell N., Vennetier M., Kitzberger T., Rigling A., Breshears D.D., Hogg E.H. (Ted), Gonzalez P., Fensham R., Zhang Z., Castro J., Demidova N., Lim J.-H., Allard G., Running S.W., Semerci A. Rapid increase in log populations in drought-stressed mixed-conifer and ponderosa pine forests in Northern Arizona. Forest Ecology and Management, 2010; 259: 660–684. – DOI: https://doi.org/10.1016/j.foreco.2009.09.001
2. Hartmann H. Carbon starvation during drought-induced tree mortality – are we chasing a myth? Journal of Plant Hydraulics, 2015; 2: e005–e005. – DOI: https://doi.org/10.20870/jph.2015.e005
3. Xu Z., Zhou G., Shimizu H. Plant responses to drought and rewatering. Plant Signal Behav, 2010; 5: 649–654. – DOI: https://doi.org/10.4161/psb.5.6.11398
4. Vieitez A.M., Corredoira E., Martínez M.T., San-José M.C., Sánchez C., Valladares S., Vidal N., Ballester A. Application of biotechnological tools to Quercus improvement. Eur J Forest Res, 2012; 131: 519–539. – DOI: https://doi.org/10.1007/s10342-011-0526-0
5. Denk T., Grimm G.W., Manos P.S., Deng M., Hipp A.L. An updated infrageneric classification of the oaks: review of previous taxonomic schemes and synthesis of evolutionary patterns// Oaks Physiological Ecology. Exploring the Functional Diversity of Genus Quercus L. ed. Gil-Pelegrín E., Peguero-Pina J.J., Sancho-Knapik D. Cham: Springer International Publishing, 2017. P. 13–38. – DOI: https://doi.org/10.1007/978-3-319-69099-5_2
6. Mölder A., Sennhenn-Reulen H., Fischer C., Rumpf H., Schönfelder E., Stockmann J., Nagel R.-V. Success factors for high-quality oak forest (Quercus robur, Q. petraea) regeneration. Forest Ecosystems, 2019; 6: 49. – DOI: https://doi.org/10.1186/s40663-019-0206-y
7. Madritsch S., Wischnitzki E., Kotrade P., Ashoub A., Burg A., Fluch S., Brüggemann W., Sehr E.M.: Elucidating drought stress tolerance in European oaks through cross-species transcriptomics genes genomes genet. G3 Genes|Genomes|Genetics, 2019; 9: 3181–3199. – DOI: https://doi.org/10.1534/g3.119.400456
8. Macháčová M., Nakládal O., Samek M., Baťa D., Zumr V., Pešková V.: Oak decline caused by biotic and abiotic factors in Central Europe: a case study from the Czech Republic. Forests. Multidisciplinary Digital Publishing Institute, 2022; 13: 1223. – DOI: https://doi.org/10.3390/f13081223
9. Krutovsky K.V., Popova A.A., Yakovlev I.A., Yanbaev Y.A., Matveev S.M. Response of pedunculate oak (Quercus robur L.) to adverse environmental conditions in genetic and dendrochronological studies plants. Plants, 2025; 14: 109. – DOI: https://doi.org/10.3390/plants14010109
10. Tikhomirova T.S., Krutovsky K.V., Shestibratov K.A. Molecular traits for adaptation to drought and salt stress in birch, oak and poplar species. Forests. Multidisciplinary Digital Publishing Institute, 2023; 14: 7. – DOI: https://doi.org/10.3390/f14010007
11. Le Provost G., Brachi B., Lesur I., Lalanne C., Labadie K., Aury J.-M., Da Silva C., Postolache D., Leroy T., Plomion C. Gene expression and genetic divergence in oak species highlight adaptive genes to soil water constraints. Plant Physiol, 2022; 190: 2466–2483. – DOI: https://doi.org/10.1093/plphys/kiac420
12. Trudić B., Draškić G., Provost G.L., Stojnić S., Pilipović A., Ivezić A. Expression profiles of 11 candidate genes involved in drought tolerance of pedunculate oak (Quercus robur L.). Possibilities for genetic monitoring of the species. Silvae Genetica, 2021; 70: 226–234. – DOI: https://doi.org/10.2478/sg-2021-0020
13. Wilhelm E. Somatic embryogenesis in oak (Quercus spp.) In Vitro Cell.Dev.Biol. Plant, 2000; 36: 349–357. – DOI: https://doi.org/10.1007/s11627-000-0062-y
14. Guimaraes, E.P., Ruane, J., Sonnino A., Scherf B., Dargie J. Marker assisted selection: current status and future perspectives, in crops, livestock, forestry and fish. ed. Butcher P., Southerton S. Rome: FAO, 2007. P. 284–328
15. Chen G., Li J., Han H., Du R., Wang X. Physiological and molecular mechanisms of plant responses to copper stress. International Journal of Molecular Sciences. Multidisciplinary Digital Publishing Institute, 2022; 23: 12950. – DOI: https://doi.org/10.3390/ijms232112950
16. Busoms S., Terés J., Yant L., Poschenrieder C., Salt D.E. Adaptation to coastal soils through pleiotropic boosting of ion and stress hormone concentrations in wild Arabidopsis thaliana. New Phytol., 2021; 232: 208–220. – DOI: https://doi.org/10.1111/nph.17569
17. Shen G., Sun W., Chen Z., Shi L., Hong J., Shi J. Plant GDSL esterases/lipases: evolutionary, physiological and molecular functions in plant development. Plants. Multidisciplinary Digital Publishing Institute, 2022: 11: 468. – DOI: https://doi.org/10.3390/plants11040468
18. Liu J., Liu J., Wang H., Khan A., Xu Y., Hou Y., Wang Y., Zhou Z., Zheng J., Liu F., Cai X. Genome wide identification of GDSL gene family explores a novel GhirGDSL26 gene enhancing drought stress tolerance in cotton. BMC Plant Biology, 2023: 23: 14. – DOI: https://doi.org/10.1186/s12870-022-04001-0
19. Yan X., Wu X., Sun F., Nie H., Du X., Li X., Fang Y., Zhai Y., Zhao Y., Fan B., Ma Y. Cloning and Functional Study of AmGDSL1 in Agropyron mongolicum. Int J Mol Sci., 2024; 25: 9467. – DOI: https://doi.org/10.3390/ijms25179467
20. Konieczna W., Warchoł M., Mierek-Adamska A., Skrzypek E., Waligórski P., Piernik A., Dąbrowska G.B. Changes in physio-biochemical parameters and expression of metallothioneins in Avena sativa L. in response to drought. Sci Rep., 2023; 13: 2486. – DOI: https://doi.org/10.1038/s41598-023-29394-2
21. Patankar H.V., Al-Harrasi I., Al Kharusi L., Jana G.A., Al-Yahyai R., Sunkar R., Yaish M.W. Overexpression of a metallothionein 2A gene from date palm confers abiotic stress tolerance to yeast and Arabidopsis thaliana. Int J Mol Sci, 2019; 20: 2871. – DOI: https://doi.org/10.3390/ijms20122871
22. Ogneva Z.V., Aleynova O.A., Suprun A.R., Karetin Y.A., Dubrovina A.S., Kiselev K.V. Tolerance of Arabidopsis thaliana plants overexpressing grapevine VaSTS1 or VaSTS7 genes to cold, heat, drought, salinity, and ultraviolet irradiation. Biologia plantarum, 2021; 65: 111–117. – DOI: https://doi.org/10.32615/bp.2020.139
23. Sun Y., Xi B., Dai H.: Effects of Water Stress on Resveratrol Accumulation and Synthesis in ‘Cabernet Sauvignon’ Grape Berries. Agronomy. Multidisciplinary Digital Publishing Institute, 2023; 13: 633. – DOI: https://doi.org/10.3390/agronomy13030633
24. Aleynova O.A., Ogneva Z.V., Suprun A.R., Ananev A.A., Nityagovsky N.N., Beresh A.A., Dubrovina A.S., Kiselev K.V. The effect of external treatment of Arabidopsis thaliana with plant-derived stilbene compounds on plant resistance to abiotic stresses. Plants, 2024; 13: 184. – DOI: https://doi.org/10.3390/plants13020184
25. Li T., Li Y., Sun Z., Xi X., Sha G., Ma C., Tian Y., Wang C., Zheng X. Resveratrol alleviates the KCl salinity stress of Malus hupehensis Rhed. Front Plant Sci., 2021; 12: 650485. – DOI: https://doi.org/10.3389/fpls.2021.650485
26. Y., Li X., Zhang J., Zhao H., Tan S., Xu W., Pan J., Yang F., Pi E. ERF subfamily transcription factors and their function in plant responses to abiotic stresses. Front. Plant Sci. Frontiers, 2022; 13: 1042084. – DOI: https://doi.org/10.3389/fpls.2022.1042084
27. Walper E., Weiste C., Mueller M.J., Hamberg M., Dröge-Laser W. Screen Identifying Arabidopsis Transcription Factors Involved in the Response to 9-Lipoxygenase-Derived Oxylipins. PLOS ONE. Public Library of Science, 2016; 11: e0153216. – DOI: https://doi.org/10.1371/journal.pone.0153216
28. Savchenko T.V., Zastrijnaja O.M., Klimov V.V. Oxylipins and plant abiotic stress resistance. Biochemistry (Mosc)., 2014; 79: 362–375. – DOI: https://doi.org/10.1134/S0006297914040051
29. Ranocha P., Dima O., Nagy R., Felten J., Corratgé-Faillie C., Novák O., Morreel K., Lacombe B., Martinez Y., Pfrunder S., Jin X., Renou J.-P., Thibaud J.-B., Ljung K., Fischer U., Martinoia E., Boerjan W., Goffner D. Arabidopsis WAT1 is a vacuolar auxin transport facilitator required for auxin homoeostasis. Nat. Commun., 2013; 4: 2625. – DOI: https://doi.org/10.1038/ncomms3625
30. Denancé N. et al. Arabidopsis wat1 (walls are thin1)-mediated resistance to the bacterial vascular pathogen, Ralstonia solanacearum, is accompanied by cross-regulation of salicylic acid and tryptophan metabolism. The Plant Journal, 2013; 73: 225–239. – DOI: https://doi.org/10.1111/tpj.12027
31. Balint‐Kurti P. The plant hypersensitive response: concepts, control and consequences. Mol Plant Pathol., 2019; 20: 1163–1178. – DOI: https://doi.org/10.1111/mpp.12821
32. Yang T., Xu Z.-P., Lv R., Zhu L.-S., Peng Q.-D., Qiu L., Tian Z.-H., Lin H.-H., Xi D.-H. N gene enhances resistance to Chilli veinal mottle virus and hypersensitivity to salt stress in tobacco. J Plant Physiol., 2018; 230: 92–100. – DOI: https://doi.org/10.1016/j.jplph.2018.08.013
33. Zhang Y., Tian H., Chen D., Zhang H., Sun M., Chen S., Qin Z., Ding Z., Dai S. Cysteine-rich receptor-like protein kinases: emerging regulators of plant stress responses. Trends Plant Sci., 2023; 28: 776–794. – DOI: https://doi.org/10.1016/j.tplants.2023.03.028
34. Du L., Chen Z. Identification of genes encoding receptor-like protein kinases as possible targets of pathogen- and salicylic acid-induced WRKY DNA-binding proteins in Arabidopsis. The Plant Journal, 2000; 24: 837–847. – DOI: https://doi.org/10.1111/j.1365-313X.2000.00923.x
35. Hedden P. The Current Status of Research on Gibberellin Biosynthesis. Plant Cell Physiol., 2020; 61: 1832–1849. – DOI: https://doi.org/10.1093/pcp/pcaa092
36. Park E.-J., Kim H.-T., Choi Y.-I., Lee C., Nguyen V.P., Jeon H.-W., Cho J.-S., Funada R., Pharis R.P., Kurepin L.V., Ko J.-H. Overexpression of gibberellin 20-oxidase1 from Pinus densiflora results in enhanced wood formation with gelatinous fiber development in a transgenic hybrid poplar. Tree Physiol., 2015; 35: 1264–1277. – DOI: https://doi.org/10.1093/treephys/tpv099
37. Oikawa T., Koshioka M., Kojima K., Yoshida H., Kawata M. A role of OsGA20ox1, encoding an isoform of gibberellin 20-oxidase, for regulation of plant stature in rice. Plant Mol Biol., 2004; 55: 687–700. – DOI: https://doi.org/10.1007/s11103-004-1692-y
38. Wu W., Zhu L., Wang P., Liao Y., Duan L., Lin K., Chen X., Li L., Xu J., Hu H., Xu Z.-F., Ni J. Transcriptome-Based Construction of the Gibberellin Metabolism and Signaling Pathways in Eucalyptus grandis × E. urophylla, and Functional Characterization of GA20ox and GA2ox in Regulating Plant Development and Abiotic Stress Adaptations. Int J Mol Sci., 2023; 24: 7051. – DOI: https://doi.org/10.3390/ijms24087051
39. Du Y., Fu X., Chu Y., Wu P., Liu Y., Ma L., Tian H., Zhu B.: Biosynthesis and the Roles of Plant Sterols in Development and Stress Responses. International Journal of Molecular Sciences. Multidisciplinary Digital Publishing Institute, 2022; 23: 2332. – DOI: https://doi.org/10.3390/ijms23042332
40. Ramadan A.M., Azeiz A.A., Baabad S., Hassanein S., Gadalla N.O., Hassan S., Algandaby M., Bakr S., Khan T., Abouseadaa H.H., Ali H.M., Al-Ghamdi A., Osman G., Edris S., Eissa H., Bahieldin A. Control of β-sitosterol biosynthesis under light and watering in desert plant Calotropis procera. Steroids, 2019; 141: 1–8. – DOI: https://doi.org/10.1016/j.steroids.2018.11.003
41. Fu Q., Li S., Yu D. Identification of an Arabidopsis Nodulin-Related Protein in Heat Stress. Molecules and Cells, 2010; 29: 77–84. – DOI: https://doi.org/10.1007/s10059-010-0005-3
42. Ali Md.S., Baek K.-H. Jasmonic Acid Signaling Pathway in Response to Abiotic Stresses in Plants. Int J Mol Sci., 2020; 21: 621. – DOI: https://doi.org/10.3390/ijms21020621
43. Riemann M., Dhakarey R., Hazman M., Miro B., Kohli A., Nick P. Exploring Jasmonates in the hormonal network of drought and salinity responses. Front. Plant Sci. Frontiers, 2015; 6: 1077. – DOI: https://doi.org/10.3389/fpls.2015.01077
44. Glauser G., Grata E., Dubugnon L., Rudaz S., Farmer E.E., Wolfender J.-L. Spatial and temporal dynamics of jasmonate synthesis and accumulation in Arabidopsis in response to wounding. Journal of Biological Chemistry, 2008; 283: 16400–16407. – DOI: https://doi.org/10.1074/jbc.M801760200
45. Li P., Liu H., Li F., Liao X., Ali S., Hou M. A virus plays a role in partially suppressing plant defenses induced by the viruliferous vectors. Scientific Reports. Nature Publishing Group, 2018; 8: 9027. – DOI: https://doi.org/10.1038/s41598-018-27354-9
46. Yang J., Isabel Ordiz M., Jaworski J.G., Beachy R.N. Induced accumulation of cuticular waxes enhances drought tolerance in Arabidopsis by changes in development of stomata. Plant Physiology and Biochemistry, 2011; 49: 1448–1455. – DOI: https://doi.org/10.1016/j.plaphy.2011.09.006
47. de Silva N.D.G., Murmu J., Chabot D., Hubbard K., Ryser P., Molina I., Rowland O. Root suberin plays important roles in reducing water loss and sodium uptake in Arabidopsis thaliana. Metabolites, 2021; 11: 735. – DOI: https://doi.org/10.3390/metabo11110735
48. Grodetskaya T., Fedorova O., Evlakov P. Optimized method for RNA extraction from leaves of forest tree species. Voronezh: IOP Conf. Ser.: Earth Environ. Sci., 2021; 875: 012008. – DOI: https://doi.org/10.1088/1755-1315/875/1/012008
49. Andrews S. URL: http://www.bioinformatics.babraham.ac.uk/projects/fastqc/ (accessed: 26.04.2023)
50. Bolger A.M., Lohse M., Usadel B. Trimmomatic: a flexible trimmer for Illumina sequence data Bioinformatics, 2014; 30: 2114–2120. – DOI: https://doi.org/10.1093/bioinformatics/btu170
51. Afgan E. et al. The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2016 update. Nucleic Acids Res., 2016; 44: W3–W10. – DOI: https://doi.org/10.1093/nar/gkw343
52. Kim D., Langmead B., Salzberg S.L.: HISAT: a fast spliced aligner with low memory requirements. Nat Methods. Nature Publishing Group, 2015; 12: 357–360. – DOI: https://doi.org/10.1038/nmeth.3317
53. Liao Y., Smyth G.K., Shi W. FeatureCounts: an efficient general purpose program for assigning sequence reads to genomic features Bioinformatics, 2014; 30: 923–930. – DOI: https://doi.org/10.1093/bioinformatics/btt656
54. Love M.I., Huber W., Anders S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 2014; 15: 550. – DOI: https://doi.org/10.1186/s13059-014-0550-8
55. Sherman B.T., Hao M., Qiu J., Jiao X., Baseler M.W., Lane H.C., Imamichi T., Chang W. DAVID: a web server for functional enrichment analysis and functional annotation of gene lists (2021 update). Nucleic Acids Res., 2022; 50: W216–W221. – DOI: https://doi.org/10.1093/nar/gkac194
56. Walter W., Sánchez-Cabo F., Ricote M. GOplot: an R package for visually combining expression data with functional analysis. Bioinformatics, 2015; 31: 2912–2914. – DOI: https://doi.org/10.1093/bioinformatics/btv300
