Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Die Modellpflanze Arabidopsis thaliana unter dem Einfluss von biotischen und
abiotischen Stressfaktoren
Der Naturwissenschaftlichen Fakultät
der Friedrich-Alexander-Universität Erlangen-Nürnberg
zur
Erlangung des Doktorgrades Dr. rer. nat.
vorgelegt von
Christian Prasch
aus Roth
Als Dissertation genehmigt von der
Naturwissenschaftlichen Fakultät der
Friedrich-Alexander-Universität Erlangen-Nürnberg
Tag der mündlichen Prüfung: 16.01.2015
Vorsitzender des Promotionsorgans: Prof. Dr. Jörn Wilms
Gutachter: Prof. Dr. Uwe Sonnewald
Prof. Dr. Jürgen Soll
Wenn wir uns ein Ziel setzen, dann geht es nicht um das Ziel an sich, sondern vielmehr darum, dass wir der Mensch werden, der dieses Ziel erreichen kann.
(Anthony Robbins)
Teile dieser Arbeit sind in folgenden Publikationen enthalten:
Prasch CM, Sonnewald U (2013) Simultaneous application of heat, drought and virus to Arabidopsis thaliana plants reveals significant shifts in signaling networks. Plant Physiol 162: 1849–1866
Prasch CM, Sonnewald U (2013) In silico selection of Arabidopsis thaliana ecotypes with enhanced stress tolerance. Plant Signal Beh 8:e26364
Prasch CM, Sonnewald U (2014) Signaling events in plants: Stress factors in combination change the picture. Environ Exp Bot
Inhaltsverzeichnis _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
I
Inhaltsverzeichnis
Inhaltsverzeichnis .................................................................................................................I
Zusammenfassung ...............................................................................................................1
Summary ...............................................................................................................................5
1 Einleitung .........................................................................................................................8
1.1 Klimaeinflüsse prägen die Pflanzenwelt ....................................................................8
1.1.1 Die Landwirtschaft leidet unter Klimaschwankungen ..............................................8
1.1.2 Arabidopsis als Modellpflanze und als genetische Ressource ................................9
1.1.3 Reis als wichtige Kulturpflanze unter veränderten Klimabedingungen .................. 11
1.2 Pflanzen sind diversen abiotischen Stressfaktoren ausgesetzt ............................ 11
1.2.1 Trockenstress führt zu Stomataschluss ................................................................ 11
1.2.2 Molekulare Prozesse unter Hitzestress................................................................. 13
1.2.3 Physiologische Veränderungen in Pflanzen unter Salzstress ............................... 18
1.3 Pflanzen unter biotischem Stress ............................................................................ 21
1.3.1 Die Pflanzen-Pathogen Interaktion ....................................................................... 21
1.3.2 Basale Abwehrsysteme ........................................................................................ 21
1.3.3 Resistenzprotein-vermittelte Abwehr .................................................................... 25
1.3.4 Der Turnip mosaic virus (TuMV) als Pathogen für Arabidopsis ............................. 28
1.4 Divergierendes Verhalten unter kombiniertem abiotischem Stress ...................... 30
1.5 Zielsetzung dieser Arbeit .......................................................................................... 32
2 Material und Methoden .................................................................................................. 34
2.1 Material ...................................................................................................................... 34
2.1.1 Chemikalien, Enzyme und Verbrauchsmaterialien ................................................ 34
2.1.2 Antikörper ............................................................................................................. 34
2.1.3 Oligonukleotide und Sequenzierungen ................................................................. 35
2.1.4 Bakterienstämme und Anzucht ............................................................................. 36
2.1.5 Vektoren ............................................................................................................... 37
2.1.6 Biologisches Material ............................................................................................ 37
2.1.6.1 Arabidopsis thaliana .............................................................................................37
2.1.6.2 Turnip mosaic virus (TuMV) ..................................................................................37
2.2 Anzuchtbedingungen der Pflanzen .......................................................................... 38
2.2.1 Anzucht von Arabidopsis auf Erde ........................................................................ 38
Inhaltsverzeichnis _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
II
2.2.2 Anzucht von Arabidopsis auf MS-Platten .............................................................. 38
2.2.3 Anzucht von Nicotiana benthamiana (N. benthamiana) ........................................ 38
2.2.4 Anzucht von Reispflanzen .................................................................................... 38
2.3 Pflanzentransformation ............................................................................................ 39
2.3.1 Transiente Transformation von N. benthamiana-Blättern ...................................... 39
2.3.2 Stabile Transformation von Arabidopsis ............................................................... 40
2.4 Stressapplikationen .................................................................................................. 40
2.4.1 Hitze ..................................................................................................................... 40
2.4.2 Trockenheit .......................................................................................................... 40
2.4.3 TuMV-Applikation ................................................................................................. 41
2.4.4 Aufbau des multifaktoriellen Stressexperiments ................................................... 41
2.4.5 Salz- bzw. Trockenstress in Reispflanzen ............................................................ 42
2.5 Mikrobiologische Methoden ..................................................................................... 42
2.5.1 Bakterienanzucht .................................................................................................. 42
2.6 Biochemische und physiologische Methoden ........................................................ 43
2.6.1 Bestimmung des Wasserpotentials ....................................................................... 43
2.6.2 Bestimmung des Ionengehalts in Pflanzen ........................................................... 43
2.6.3 Isolierung von Stomata aus Blättern ..................................................................... 44
2.6.4 Bestimmung der Proteinkonzentration .................................................................. 44
2.6.5 Proteingelelektrophorese und Western Blot .......................................................... 44
2.7 Mikroskopische Methoden ....................................................................................... 45
2.7.1 Messung der stomatären Öffnungsweite .............................................................. 45
2.7.2 Visualisierung des Stärkegehalts in Stomata ........................................................ 46
2.7.3 Konfokale Laserscanning Mikroskopie (KLSM)..................................................... 46
2.8 Molekularbiologische Methoden .............................................................................. 46
2.8.1 Molekularbiologische Standardmethoden ............................................................. 46
2.8.2 Isolation von RNA aus Pflanzengewebe ............................................................... 47
2.8.3 DNAse-Verdau und cDNA Synthese .................................................................... 47
2.8.4 Quantitative RT-PCR ............................................................................................ 47
2.9 Mikroarray-Analysen ................................................................................................. 48
2.9.1 Probenahme für Hybridisierungen ........................................................................ 48
2.9.2 Mikroarray-Hybridisierung und Scannen ............................................................... 49
2.9.3 Datenanalyse und statistische Auswertung .......................................................... 50
2.9.3.1 Array-Auswertung des multifaktoriellen Stressexperiments ..................................50
2.9.3.2 Array-Auswertung der salzbehandelten Reispflanzen...........................................51
2.9.3.3 Array-Auswertungen der Stomata-spezifischen Transkripte .................................51
Inhaltsverzeichnis _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
III
2.9.3.4 Array-Auswertungen der transgenen Pflanzen HSFA7B-myc und Rap2.9-GFP ...52
2.10 Metabolitanalysen ................................................................................................... 52
2.10.1 Bestimmung der Gehalte an löslichen Zuckern und Stärke................................... 52
2.10.2 Bestimmung der Zellulosegehalte......................................................................... 52
2.10.3 Bestimmung der Gehalte an phosphorylierten Intermediaten und Aminosäuren mit
HPLC ................................................................................................................... 53
3 Ergebnisse ..................................................................................................................... 54
3.1 Auswirkungen multifaktoriellen Stresses auf Arabidopsis .................................... 54
3.1.1 Etablierung eines multifaktoriellen Stressexperiments .......................................... 54
3.1.2 Physiologische Charakterisierung multifaktoriell gestresster Arabidopsis-Pflanzen
............................................................................................................................. 56
3.1.2.1 Beeinflussung des Wasserpotentials in multifaktoriell gestressten Pflanzen .........56
3.1.2.2 Biomassebestimmung von Arabidopsis-Pflanzen in verschiedenen
Stresssituationen ..................................................................................................57
3.1.2.3 Stomataverhalten multifaktoriell gestresster Pflanzen ...........................................58
3.1.3 Metabolomanalysen multifaktoriell gestresster Pflanzen ....................................... 58
3.1.4 Einfluss der drei Stressfaktoren auf das Transkriptom von Arabidopsis-Pflanzen . 60
3.1.5 Identifizierung differentiell regulierter Gene in multifaktoriell gestressten Pflanzen
............................................................................................................................. 62
3.1.6 Validierung der differentiell regulierten Gene in multifaktoriell gestressten Pflanzen
............................................................................................................................. 65
3.1.6.1 T-DNA Insertionsanalysen der gemeinsam regulierten Gene ...............................65
3.1.6.2 Selektierte Ökotypen zeigen erhöhte Stresstoleranz ............................................67
3.1.6.3 Rap2.9-GFP – physiologische und molekulare Charakterisierung ........................69
3.1.6.4 HSFA7B - ein triplestressspezifischer Transkriptionsfaktor ...................................78
3.1.7 Primärer C-Metabolismus ist unter allen Stressbedingungen herunterreguliert ..... 81
3.1.8 Der zirkadiane Rhythmus wird durch Stressbedingungen beeinflusst ................... 88
3.1.9 Kombinierter Hitze- und Trockenstress erhöhen die Suszeptibilität von
Arabidopsis-Pflanzen bei einer Virusinfektion ....................................................... 91
3.1.10 Beeinträchtigung pflanzlicher Abwehrantworten nach multifaktorieller
Stressapplikation .................................................................................................. 92
3.1.10.1 Resistenz-Gen vermittelte Resistenz ....................................................................92
3.1.10.2 Basale Abwehr .....................................................................................................94
3.1.11 Aktivierung stressspezifischer Ko-Regulationsnetzwerke ..................................... 96
3.1.12 Multifaktorieller Stress verursacht eine Verschiebung der ER-UPR zur Cyt-UPR . 99
Inhaltsverzeichnis _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
IV
3.1.12.1 Gene der Cyt-UPR sind unter multifaktoriellem Stress hochreguliert ....................99
3.1.12.2 Multifaktorieller und starker Stress verursachen eine Herunterregulation der ER-
UPR-Gene .......................................................................................................... 100
3.2 Der Einfluss von abiotischen Stress auf Stomata ................................................ 103
3.2.1 Analyse Stomata-spezifischer Transkripte unter Trockenheit ............................. 103
3.2.2 Verbesserte Trockentoleranz der Mutante bam1, einer -Amylase ..................... 107
3.2.3 Differentiell regulierte Transkripte von bam1 Pflanzen unter Trockenheit ........... 108
3.2.4 Bam1 Pflanzen unter erhöhten Temperaturen .................................................... 110
3.3 Charakterisierung salztoleranter T-DNA Reislinien .............................................. 115
3.3.1 Generierung von T-DNA Reislinien ..................................................................... 115
3.3.2 Identifikation von salztoleranten T-DNA Reislinien in vivo................................... 116
3.3.3 Zuckergehalte implizieren reduzierte Stresssensitivität ....................................... 118
3.3.4 Stresstolerante Linien 5 und 6 zeigen deutlich geringere Aminosäuremengen unter
Stress ................................................................................................................. 120
3.3.5 Erniedrigte Natriumakkumulation in Blättern der Linie 6 ..................................... 121
3.3.6 Mikroarray-Analysen der salztoleranten Reislinien 5 und 6................................. 123
4 Diskussion ................................................................................................................... 125
4.1 Wie gehen Pflanzen mit multiplem Stress um?..................................................... 125
4.1.1 Erfolgreiche Etablierung eines multifaktoriellen Stressexperiments .................... 125
4.1.2 Universelle Auswirkungen verschiedener Stressfaktoren ................................... 128
4.1.3 Pflanzliche Stressantworten auf multifaktorielle Stresssituationen sind schwer
prognostizierbar .................................................................................................. 131
4.1.4 Beeinträchtigung pflanzlicher Abwehrsysteme unter simultan applizierten
abiotischen Stressbedingungen .......................................................................... 134
4.1.5 Identifikation stressresponsiver Transkriptionsfaktoren ....................................... 144
4.2 Erhöhte Trockentoleranz in bam1 Pflanzen .......................................................... 152
4.2.1 Die Rolle der Stärke beim Stomataschluss unter Trockenheit ............................ 152
4.2.2 Stressspezifische Genexpression der -Amylasen ............................................. 155
4.3 T-DNA Insertionslinien in Reis offenbarten Stressinsensitivität ......................... 157
Literaturverzeichnis ......................................................................................................... 161
Abkürzungsverzeichnis ................................................................................................... 185
Anhang .............................................................................................................................. 188
A1 PCA-Analyse der Metabolite multifaktoriell gestresster Pflanzen im Vergleich zur
Kontrolle (PC2 und PC3) ...................................................................................... 188
Inhaltsverzeichnis _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
V
A2 Cluster-Analyse der Col-0 Pflanzen und Rap2.9-GFP Pflanzen ............................. 189
A3 Detailauswertung der Transkriptdaten in Rap2.9-GFP Pflanzen ........................... 189
A4 Triplespezifische Transkriptionsfaktoren ............................................................... 190
A5 Kodon-optimierte Sequenz von HSFA7B ................................................................ 193
A6 Cluster-Analyse der Col-0 Pflanzen und HSFA7B-myc Pflanzen .......................... 194
A7 Tunicamycin-induzierte Gene verschiedener Studien ........................................... 194
A8 Seneszenz-regulierte Gene unter verschiedenen Stressbedingungen ................. 195
A9 Cluster-Analyse von bam1 und Col-0 Transkripten ............................................... 196
A10 Differentiell regulierte Stomatagene von bam1 Pflanzen unter Trockenheit ...... 196
A11 Stomatäre Genexpression der -Amylasen in den Stressbedingungen
Trockenheit und Hitze ........................................................................................... 207
A12 Transkriptprofile der features, die RubisCO auf dem Mikroarray multifaktoriell
gestresster Pflanzen repräsentieren ................................................................... 208
A13 Transkriptprofile der Prolinbiosynthese bzw. des Prolinabbaus in multifaktoriell
gestressten Pflanzen ............................................................................................ 208
A14 Calcium-assozierte features unterschiedlich reguliert in verschiedenen
Stressbedingungen............................................................................................... 209
A15 Genexpression trockenresponsiver Gene in Rap2.9-GFP Pflanzen.................... 210
A16 Genexpression verschiedener Ionen-/Wasserkanäle in Stomata ........................ 211
Danksagung ...................................................................................................................... 212
Lebenslauf ........................................................................................................................ 214
Zusammenfassung _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
1
Zusammenfassung
Um einen tieferen Einblick in die molekularen und physiologischen Antworten von
Arabidopsis thaliana (Arabidopsis) auf verschiedene Stressfaktoren zu erhalten, wurde ein
multifaktorielles Testsystem entwickelt, das die simultane Applikation von Hitze, Trockenheit
und Virus unter denselben Anzuchts- und experimentellen Bedingungen ermöglichte.
Anschließend wurden nicht nur die Stressantworten einfach gestresster Pflanzen, sondern
auch die Auswirkungen von Stresskombinationen in großangelegten Transkriptom- und
Metabolomanalysen der Einzel-, Doppel- und Triplestresssituation untersucht. Diese
Analysen offenbarten, dass die Genexpression und die Metabolitgehalte unter
multifaktoriellem Stress nicht direkt von den Einzelstresssituationen abgeleitet werden
können. Die Anzahl der differentiell regulierten Transkripte nahm mit der Komplexität des
Stresses zu und die Metabolitarten unterschieden sich in Abhängigkeit der jeweiligen
Stresskombination. Diese Befunde untermauerten die Notwendigkeit, Stressfaktoren in
Kombination mit anderen Umweltfaktoren zu untersuchen. Auffällig war zudem, dass
hierarchische Cluster- und PRINCIPAL COMPONENT ANALYSES (PCA-Analysen) Hitze als
dominanten Stressfaktor im Vergleich zu Trockenheit und Virenstress identifizierten. In
einem unabhängigen Experiment wurden Pflanzen zudem starker Hitze ausgesetzt, um die
Stärke des Triplestresses nachzuahmen.
Ein Vergleich der einzelnen Stresskombinationen lieferte elf Gene, die in allen
Stresskombinationen exprimiert sind, sowie 23 Gene, die spezifisch unter Triplestress
reguliert sind. Unter Zuhilfenahme der genetischen Vielfalt von Arabidopsis Ökotypen, wurde
die funktionelle Relevanz der gemeinsam regulierten Kandidatengene validiert. Mit Can-0
und En-T zeigten die Ökotypen ein verbessertes Abschneiden unter kombinierten
Stressbedingungen, die zuvor in einer Cluster-Analyse aufgrund ähnlicher Expressionsprofile
räumlich nahe bei den elf gemeinsamen regulierten Gene unter Einzel- bzw. multifaktoriellem
Stress gefunden wurden. Diese Befunde zeigen, dass es eine positive Beziehung zwischen
den Expressionsniveaus der selektierten Gene und einer Toleranz gegenüber diversen
Stressbedingungen gibt und die universell regulierten Gene eventuell als Indikatoren für
Stresstoleranz genommen werden können.
Mit dem ETHYLENE-RESPONSIVE TRANSCRIPTION FACTOR 2.9 (Rap2.9) konnte ein
Transkriptionsfaktor aus den elf gemeinsam regulierten Genen erfolgreich stabil in
Arabidopsis transformiert werden. Die in dieser Arbeit erzielten Ergebnisse der
physiologischen und molekularbiologischen Charakterisierung von Rap2.9-GFP Pflanzen
lassen auf eine zentrale Rolle bei der Vermittlung der biotischen und abiotischen
Zusammenfassung _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
2
Stressantwort in Pflanzen schließen. Rap2.9-GFP Pflanzen weisen mit verlängerten Petiolen
sowie empfindlichen und gegen den Uhrzeigersinn ausgerichteten Blättern einen auffälligen
Phänotyp auf, der Ähnlichkeit zu Phytochrom B Mutanten zeigt. Da Phytochrom B ein
negativer Regulator des Transkriptionsfaktors PHYTOCHROME INTERACTING FACTOR 4 (PIF4)
ist, der unter Hitzestress die Expression von SMALL AUXIN UP RNA (SAUR) Genen induziert
und das Elongationswachstum fördert, könnte Rap2.9 in einem gemeinsamen Signalweg mit
PIF4 sein. Darüber hinaus zeichnen sich Rap2.9-GFP Pflanzen durch einen höheren
Stomataindex, reduzierte Zellulosegehalte und erhöhter Transkriptmengen an Auxin-
Biosynthesegenen in den Mikroarray-Analysen aus. Diese Beobachtungen unterstützen eine
mögliche Rolle von Rap2.9 in bereits beschriebenen hitze- bzw. lichtvermittelten
Stressantworten. Änderungen der biotischen Stressantwort zeichneten sich durch vermehrte
Expression von Genen der Salizylsäure (SA)-Antwort, PR-Genen (pathogen-related genes;
PR-Genen) und des sekundären Metabolismus, aus.
Detaillierte Transkriptomanalysen offenbarten, dass die meisten Gene des zellulären
Kohlenhydratstoffwechsels nur wenige Unterschiede in der Antwort auf Einzel- und
multifaktoriellen Stress aufwiesen, so dass angenommen werden kann, dass es sich um eine
generelle Antwort auf Stress handelt. Auffällig war zudem, dass starker Stress bzw.
kombinierte Stressbedingungen zu einer Phasenverschiebung der wesentlichen Regulatoren
des Tagesrhythmus führten. Im Rahmen dieser Arbeit konnte weiterhin festgehalten werden,
dass Hitze und die Kombination aus Hitze und Trockenheit die Suszeptibilität von
Arabidopsis-Pflanzen gegenüber Turnip mosaic virus (TuMV)-Infektionen erhöht. Während
virusbehandelte Proben vermehrt Abwehrprozesse induzierten, waren die pflanzlichen
Abwehrantworten unter kombinierten Stresssituationen beeinträchtigt. Multifaktorieller Stress
beeinflusste im Speziellen die Gene der Resistenz-vermittelten Abwehr und der basalen
Abwehr. Weiterhin konnte gezeigt werden, dass die Markergene der ER-UPR
(endoplasmatic reticulum- unfolded protein response) negativ durch kombinierte
Stresssituationen betroffen sind, wohingegen kombinierte Stresssituationen zu einem
starken Anstieg an Cyt-UPR Genen (cytosolic- unfolded protein response) führten, was
möglicherweise die gestiegene virale Replikation und erhöhte Suszeptibilität der
Wirtspflanzen erklären könnte. Zudem lieferten die Analysen der Signalgene Hinweise dafür,
dass Triplestress die Virus-induzierten Signalnetzwerke beeinträchtigt. Jede Behandlung
aktiviert scheinbar andere Signalnetzwerke, die entsprechend der Stresssituation angepasst
werden. Diese Änderungen begründen möglicherweise auch warum spezifische biotische
und abiotische Stresskombinationen synergistisch oder antagonistisch wirken können.
Zusammenfassung _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
3
Ein weiteres Ziel der vorliegenden Arbeit bestand in der detaillierten Analyse molekularer
Antworten auf Trockenstress in Pflanzen. Einer der schnellsten Antworten auf
wasserlimitierende Bedingungen stellt das Schließen der Stomata dar, um den
Wasserverlust der Zellen pro assimiliertes CO2-Molekül zu senken. Dazu wurden Mikroarray-
Analysen von Stomata-spezifischen Transkripten trockengestresster Pflanzen durchgeführt
und im Allgemeinen eine verminderte Expression der Gene des Stärkeabbaus beobachtet.
Die stärkste Herunterregulation wurde für die -Amylase 1 (BAM1) und BAM5 detektiert.
Bam1-Mutanten in Arabidopsis zeichneten sich durch einen höheren Stärkegehalt in den
Stomata und verringerte Stomataöffnungsweiten im Vergleich zu Arabidopsis Columbia (Col-
0) unter Kontrollbedingungen aus (Valerio et al., 2011). Unter Trockenheit waren die bam1
Pflanzen stresstoleranter, was wahrscheinlich auf eine beeinträchtigte Umwandlung von
Stärke in lösliche Kohlenhydrate zurückzuführen ist, einem Prozess der für das Öffnen der
Stomata in Wildtyppflanzen nötig ist. Nachfolgende Mikroarray-Analysen Stomata-
spezifischer Transkripte in bam1-Mutanten offenbarten eine signifikante Herunterregulation
von Genen, die für Aquaporine, auxin- und ethylenresponsive Faktoren und
zellwandmodifizierende Enzyme kodieren. Speziell die Herunterregulation von Aquaporinen
und zellwandmodifizierenden Enzymen zeigt, dass die Schließzellen in bam1 Pflanzen durch
eine reduzierte Wasseraufnahme und Zellwandstreckung charakterisiert sind, was eher zu
geschlossenen Stomata führt. Bemerkenswerterweise konnte die Inhibierung des
Stärkeabbaus durch Hitzestress aufgehoben werden. Während BAM1 unter Hitzestress nicht
signifikant reguliert war, konnten die Transkripte von BAM6 und BAM9 in Schließzellen unter
Hitzestress hochreguliert gefunden werden. Offensichtlich kommt es abhängig von den
Stressbedingungen zu einer spezifischen Aktivierung der -Amylasen. Insgesamt zeigen die
Daten, dass den -Amylasen eine wichtige Rolle bei der pflanzlichen Antwort gegenüber
variierenden Umweltbedingungen zukommt.
Nach Etablierung verschiedener Stressapplikationen in der Modellpflanze Arabidopsis, sollte
nun Reis, eine wichtige Kulturpflanze, in Hinblick auf verschiedene Umweltsituationen
untersucht werden. Schwerpunktmäßig wurden dabei T-DNA Insertionslinien des Kultivars
Nipponbare, die in in vivo Experimenten durch Kolaborationspartner identifiziert wurden,
unter Trockenheit und Salzstress charakterisiert. Nach der Ermittlung geeigneter
Wachstumsbedingungen wurden Stressexperimente durchgeführt. Dabei konnten für zwei
stresstolerante Linien kaum Biomasseunterschiede unter Salzstress festgestellt werden.
Beide Linien wiesen verringerte Aminosäuremengen im Vergleich zur Kontrolllinie auf, was
auf verringerte Stresssensitivität hinweist. Mikroarray-Analysen der Mutantenlinien
zeichneten sich durch eine starke Abnahme bei der Anzahl an differentiell regulierten Genen
Zusammenfassung _________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
4
aus, speziell von Genen der Kategorie Abwehr, Signalleitung und Redoxregulation.
Interessanterweise zeigte die salztolerante Linie 6 verglichen mit der Kontrolllinie eine
reduzierte Aufnahme von Natriumchlorid. Offensichtlich wird in Linie 6 weniger Salz durch
Wurzeln aufgenommen oder es besteht ein zusätzlicher Mechanismus in den Blättern, der
die Stresskompensation erleichtert.
Summary __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
5
Summary
To shed light on molecular and physiological plant responses of Arabidopsis thaliana
(Arabidopsis) to various stress factors, a multi-factorial test system was established, allowing
simultaneous application of heat, drought and virus stress under the same growth and
experimental conditions. Comparative large-scale transcriptome and metabolome analysis of
single, double and triple stress responses revealed that gene expression and levels of amino
acids and phosphorylated intermediates under multi-factorial stress are not predictable from
single stress treatments. Both, the number of differentially regulated transcripts increased
with complexity of stress and types of metabolites changed depending on each stress
combination. These observations highlight the importance of studying stress factors in
combination with other environmental stresses. Hierarchical clustering and PRINCIPAL
COMPONENT ANALYSIS (PCA) identified heat as the major stress factor in comparison to
drought and virus stress. To mimic the severity of the triple stress experiment, plants
additionally were treated with intense heat in an independent stress experiment.
Eleven genes differentially regulated in all stress combinations as well as 23 genes
specifically-regulated under triple stress have been identified. Using the genetic diversity of
Arabidopsis ecotypes functional relevance of commonly regulated candidate genes was
validated. Under combined stress situations, improved stress tolerance was detected for the
ecotypes Can-0 and En-T. Those have been identified as ecotypes closely clustering next to
the eleven commonly regulated genes under single and multi-parallel stress. These findings
suggest that there is a positive relationship between the expression level of the selected
genes and tolerance against diverse stress conditions. Therefore, the commonly regulated
genes could be considered as indicators towards stress tolerance.
Out of the eleven commonly regulated genes a transcription factor (ETHYLENE-RESPONSIVE
TRANSCRIPTION FACTOR 2.9; Rap2.9) was stably overexpressed in Arabidopsis plants. As part
of this work, results concerning molecular and physiological analysis of Rap2.9-GFP plants
possibly constitute Rap2.9 as a promising candidate in mediating biotic and abiotic stress
responses. Rap2.9-GFP plants showed elongated petioles and fragile, anti-clockwise
arranged leaves indicating a similar phenotype as phytochrome B mutant plants. As
phytochrome B is a negative regulator of the transcription factor PHYTOCHROME INTERACTING
FACTOR 4 (PIF4), involved in heat-induced expression of SMALL AUXIN UP RNA (SAUR) genes
supporting elongation growth, Rap2.9 could be involved in PIF4 signaling. Moreover, Rap2.9-
GFP plants are characterized by an increased stomata index, reduced cellulose content and
an up-regulation of Auxin-biosynthesis genes in microarray-analysis. These observations
Summary __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
6
support a possible role of Rap2.9 in a distinct light and heat mediated stress pathway. A
change in biotic stress response can be observed due to an up-regulation of genes involved
in salicylic acid (SA), pathogen-related genes (PR-genes) and secondary metabolism.
Detailed transcription analysis indicated, that most genes corresponding to cellular
carbohydrate metabolism were not distinguishable in single and combined stress
experiments assuming a general plant stress response. One striking feature is that severe
heat stresses as well as combined stress situations are responsible for phase displacement
of the most importing regulators of plant circadian rhythm. Here, an increased susceptibility
of plants exposed to Turnip mosaic virus (TuMV) and a combination of heat and drought was
observed. Virus treated plants displayed enhanced expression of defence genes, which was
abolished in plants additionally subjected to heat and drought stress. Triple stress also
reduced expression of genes involved in the resistance-mediated disease responses and
basal defence systems. In addition, the expression of ER-UPR-related genes (endoplasmatic
reticulum-unfolded protein response; UPR) seems to be negatively affected by combined
stress conditions, while the expression of marker genes of Cyt-UPR (cytosolic UPR; Cyt-
UPR) is strongly induced under multifactorial and severe stress conditions, which might
support viral replication and increased susceptibility of host plants. Moreover, analysis of
signaling genes provided valuable hints that triple stress abolished virus induced signaling
networks. It seems that signaling networks are activated in a stress-specific manner and are
adjusted depending on the stress conditions. These changes may explain why specific
combinations of abiotic or biotic stress act synergistically or antagonistically, respectively.
Another aim of this study was to analyze molecular responses of drought-stressed plants in
detail. One of the quickest responses to water limiting conditions is stomatal closure reducing
cell water loss per assimilated CO2 molecule. Here, microarray-analysis of transcripts derived
from stomata cells of drought-stressed plants has been conducted and a general down-
regulation of starch degrading genes has been observed. Amongst those, the strongest
down-regulation could be detected for β-amylases 1 (BAM1) and BAM5. Bam1 mutant
Arabidopsis plants showed higher starch content in guard cells and a reduced stomata
opening under ambient growth conditions as compared to wild type controls (Valerio et al.,
2011). Under water restriction bam1 plants revealed an increased stress tolerance, probably
due to impaired conversion of starch into soluble carbohydrates required for stomata opening
in wild type plants. Subsequent, microarray-analysis of stomata-specific transcripts from wild
type and bam1 mutant Arabidopsis plants revealed a significant down-regulation of genes
encoding aquaporins, auxin- and ethylene-responsive factors and cell-wall modifying
Summary __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
7
enzymes in bam1 plants. Especially down-regulation of aquaporins and cell-wall modifying
enzymes indicate that guard cells of bam1 plants are characterized by a reduced water-
uptake and cell wall extension, leading to preferentially closed stomata. Interestingly,
inhibition of starch breakdown in bam1 mutants could be complemented by heat stress as
transcripts of BAM6 and BAM9 could be found up-regulated in guard cells upon heat stress.
Obviously, -amylases gene expression is specific depending on the individual stress
conditions. Together these data suggest a major role of -amylases in plant responses to
changing environmental conditions.
After having established multifactorial stress conditions in the model plant Arabidopsis, rice,
an important crop plant, should have been analyzed under different environmental
conditions. The focus was on characterizing different in vivo preselected rice T-DNA insertion
lines of the cultivar Nipponbare under drought and salt stress conditions. Having suitable
growth conditions defined, stress experiments have been conducted identifying mutant lines,
which showed almost no biomass loss under salt stress conditions in case of line 5 and line
6. Both lines displayed minor amino acid levels compared to the control line, indicating less
stress sensitivity. Microarray-analysis of salt-stressed mutant plants revealed strongly
decreased amounts of differentially regulated genes, in particular for typical stress
associated genes of the categories defence, signaling and redox regulation. Interestingly, the
salt-tolerant line 6 displayed reduced sodium chloride (NaCl) contents compared to control
plants, suggesting limited NaCl uptake in the root or additional mechanisms in the leave
facilitating stress compensation.
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
8
1 Einleitung
1.1 Klimaeinflüsse prägen die Pflanzenwelt
1.1.1 Die Landwirtschaft leidet unter Klimaschwankungen
Unser Klimasystem unterliegt vielfältigen Veränderungen: der kürzlich veröffentlichte fünfte
IPCC-Sachstandsbericht im Auftrag der Vereinten Nationen über die naturwissenschaftlichen
Aspekte des Klimawandels kommt zu dem Schluss, dass in unabhängigen Klimamodellen
seit 1880 ein Anstieg der Lufttemperatur um über 0.8°C, ein zunehmendes
Gletscherschmelzen und ein Anstieg des Meeresspiegels um mittlerweile 19 cm festgestellt
werden konnte (IPCC, 2013). Zwar ist die globale Durchschnittstemperatur in den
vergangenen 15 Jahren in Bodennähe nicht weiter gestiegen, was vermutlich auf die
Wärmespeicherung der Ozeane zurückzuführen ist, doch bleibt eine langfristige
Klimaänderung unter Experten unumstritten (IPCC, 2013). Auffällig sind nämlich heute schon
die Wetterschwankungen verbunden mit einer erhöhten Frequenz an Dürre- und
Hitzeperioden. So zeigt die Häufigkeitsverteilung der europäischen Sommertemperaturen
der letzten Jahrhunderte, dass alle Hitzerekorde erst nach dem Jahr 2000 aufgetreten sind
(siehe Abbildung 1.1; Barriopedro et al. (2011)).
Abbildung 1.1: Statistische Auswertung
der Sommertemperaturen in Europa von
1500 - 2000. Dargestellt ist eine mehrjährige,
statistische Häufigkeitsverteilung der
Sommertemperaturen (in °C) für die Jahre
1500-2010 relativ zu der Periode 1970 bis
1999. Die jeweils fünf wärmsten bzw.
kältesten Sommer sind gekennzeichnet.
(Abbildung entnommen aus Barriopedro et al.,
2011).
Als sesshafte Lebewesen können Pflanzen ihren Lebensraum während eines Lebenszyklus
nicht ändern, so dass sie stets ungünstigen Umweltbedingungen ausgesetzt sind. Selbst
moderate Erhöhungen der Lufttemperatur können bereits das pflanzliches Wachstum und
den Ertrag beeinflussen (Lafta und Lorenzen, 1995; Ciais et al., 2005). Wetterextreme
können zudem indirekt die Anfälligkeit gegenüber Pflanzenkrankheiten beeinflussen.
Demnach wurde der weltweite Ertragsverlust der wichtigsten Nutzpflanzen (Weizen, Reis,
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
9
Kartoffel, Mais und Soja) durch Pathogenbefall im Jahre 2001 bis 2003 bereits auf
durchschnittlich 7-15% geschätzt (Oerke, 2006). Dies kann den Hunger und die Armut der
Weltbevölkerung weiter fördern (Lobell et al., 2011; Wheeler und von Braun, 2013), was den
Druck auf die weltweite Produktion von verbesserten Nutzpflanzen weiter steigert (Oerke und
Dehne, 2004).
1.1.2 Arabidopsis als Modellpflanze und als genetische Ressource
Die Auswirkungen verschiedener Umwelteinflüsse wurden mittlerweile in zahlreichen
Nutzpflanzen, aber auch in dem wohletablierten Modellsystem Arabidopsis thaliana
(Arabdiopsis), auch Ackerschmalwand genannt, untersucht (Somerville und Koornneef,
2002). Arabidopsis, zur Familie der Brassicaceae gehörend, besitzt im Gegensatz zu
anderen Pflanzen einige entscheidende Vorteile für genetische und molekulare Analysen.
Neben einem kurzen Lebenszyklus ist Arabidopsis leicht zu transformieren und genetisch zu
manipulieren, so dass bereits seit geraumer Zeit große Mutantenkollektionen bzw. transgene
Linien existieren (Meinke et al., 1998; Alonso und Stepanova, 2003). Das relativ kleine
Genom von Arabidopsis wurde schon im Jahr 2000 vollständig sequenziert und ist bis heute
das am besten annotierte Pflanzengenom (Swarbreck et al., 2008; Koornneef und Meinke,
2010). Vor allem deswegen ist Arabidopsis ein etablierter Kandidat für die Untersuchung
abiotischer Stressbedingungen und die Pflanzen-Pathogen Interaktion.
Von Arabidopsis existieren unterschiedliche geographische Varietäten, die auch als
Ökotypen bezeichnet werden (Koornneef et al., 2004; Trontin et al., 2011). Bis heute konnten
weltweit über 750 unterschiedliche Arabidopsis Ökotypen identifiziert werden („Arabidopsis
Biological Resource Center“ (http://abrc.osu.edu/)). Diese sind im Wesentlichen auf der
gesamten nördlichen Halbkugel verbreitet und weisen phänotypische Diversität auf (siehe
Abbildung 1.2; Koornneef et al. (2004)). Das Potential genetische Variationen aus
verschiedenen Erdteilen zu nutzen, wurde schon früh erkannt (Alonso-Blanco und
Koornneef, 2000), da sich Ökotypen in ihren genomischen Sequenzen, die eine Adaption an
ihre jeweils vorherrschenden Umweltbedingungen ermöglichen, unterscheiden (Borevitz und
Nordborg, 2003; Koornneef et al., 2004; Weigel und Nordborg, 2005; Trontin et al., 2011).
Diese genetischen Veränderungen manifestieren sich in einer modifizierten Einstellung des
Tagesrhythmus (zirkadiane Uhr), angepassten Wachstumsraten, einer optimierten
Mineralversorgung und biotischen und abiotischen Resistenzfaktoren. Im Rahmen eines
„1001 Genom Projektes“ wurden bereits viele Arabidopsis Ökotypen sequenziert (Weigel und
Mott, 2009).
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
10
Abbildung 1.2: Die Weltkarte symbolisiert die natürliche Verteilung der Arabidopsis Ökotypen. Arabidopsis
ist über die gesamte Nordhalbkugel verbreitet. Ursprünglich aus Eurasien, wurde die Pflanze nach Nordamerika,
Australien und Südafrika eingeführt. Geographisch ausgewählte Ökotypen zeigen phänotypische und genetische
Unterschiede (Daten entnommen aus dem eFP-Browser und modifiziert nach
http://bbc.botany.utoronto.ca/efp/cgi-bin/efpWeb.cgi; Winter et al. (2007)).
Darüber hinaus zeigen die einzelnen Ökotypen durch ihre Anpassung an die jeweiligen
Umweltbedingungen unterschiedliche Genexpressionsmuster, die für entsprechende
Stresssituationen relevant sein können. In aktuellen Arbeiten konnten bei einem Vergleich
von jeweils zehn Ökotypen unter Hitze und Kältestress unterschiedliche
Genexpressionsmuster beschrieben werden (Barah et al., 2013a; Barah et al., 2013b).
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
11
1.1.3 Reis als wichtige Kulturpflanze unter veränderten
Klimabedingungen
Seit über 7000 Jahren wird Reis angebaut und versorgt als eine der wichtigsten
Getreidearten schätzungsweise mehr als die Hälfte der Weltbevölkerung (Izawa und
Shimamoto, 1996). Reis, deren Kulturform Oryza sativa heißt und zur Familie der Gramineae
gehört, ist ein Gras, das überwiegend in tropischen, aber auch in gemäßigten Klimazonen
der Welt angebaut wird. Während Trockenreis unter niedriger Feuchtigkeit bevorzugt in
Regionen mit wenig Niederschlag oder im Gebirge angebaut wird, wurden die Pflanzen für
den Nassreis im Laufe der Jahrhunderte so entwickelt, dass ein Aerenchymgewebe das
Wachstum bei Sauerstoffmangel in Wasser erlaubt (Jackson und Armstrong, 1999). Im
Gegensatz zu sehr salztoleranten Sorten wie Gerste, zählt Reis zu den sensitivsten Pflanzen
aller Getreidearten, wobei die Sensitivität vom jeweiligen Genotyp abhängig ist (Lee et al.,
2003; Ismail et al., 2007; Munns und Tester, 2008). Ein Vergleich von zehn Varietäten der
Reisgruppen Japonica und Indica, ergab, dass Japonica ein deutlich niedrigeres
Toleranzlevel als Indica für alle untersuchten Parameter aufwies (Lee et al., 2003). Diese
Sensitivität besteht auch gegenüber Salzstress (Khatun und Flowers, 1995; Munns und
Tester, 2008), der vornehmlich in osmotischem und ionischem Stress resultiert (siehe 1.2.3).
Letztlich stellt Reis eine wertvolle Ressource für molekularbiologische Studien dar, so dass
mittlerweile zahlreiche Transkriptomanalysen von Reispflanzen unter abiotischem Stress
existieren (Jung et al., 2008; Todaka et al., 2012). Mit etwa 430 Millionen Basenpaaren und
50000 Genen verteilt auf 12 Chromosomen weist das Reisgenom der Japonica-Reissorte
Nipponbare nur ein sechstel der Größe des Maisgenoms auf und ist vierzigmal kleiner als
das Weizengenom (IRGSP, 2005).
1.2 Pflanzen sind diversen abiotischen Stressfaktoren ausgesetzt
1.2.1 Trockenstress führt zu Stomataschluss
Zu den am häufigsten in der Natur auftretenden abiotischen Stressfaktoren zählen extreme
Temperaturen (Hitze und Kälte), Trockenheit, Salzstress, Sonnenstrahlung und
Nährstoffmangel. Alle diese Komponenten beeinflussen zahlreiche physiologische Prozesse
in Pflanzen und verursachen dadurch weltweit Ernteausfälle (zusammengefasst in Naika et
al. (2013) und Barnabas et al. (2008)). Wasser nimmt in der Pflanzenphysiologie eine
zentrale Rolle ein, einerseits um den Turgordruck in den Zellen aufrechtzuhalten,
andererseits als grundlegender Bestandteil der Photosynthese. Leiden Pflanzen jedoch unter
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
12
Wasserentzug, sind sie in der Lage verschiedene Mechanismen der Pathogenabwehr zu
nutzen, die in drei Kategorien eingeteilt werden können (modifiziert nach einem Review von
Verslues und Juenger (2011)) und im Folgenden näher charakterisiert werden sollen: Zur
Stressbewältigung versuchen Pflanzen (a) Überlebensstrategien zu beschleunigen, (b)
Stressauswirkungen zu mindern bzw. zu vermeiden und (c) Stresseffekte letztendlich zu
tolerieren.
Um unter Trockenheit überleben zu können und für den Fortbestand der Art zu sorgen,
versuchen Pflanzen unter Stressbedingungen die Grundlage für Nachkommen zu schaffen
(a). Dies gelingt einerseits durch rasches Wachstum in den frühen Wachstumsstadien unter
Normalbedingungen, anderseits durch einen verkürzten Lebenszyklus sowie einer
effizienteren Lagerung und Nutzung von Reserven für die Ausbildung von Samen.
Neben dieser stressübergreifenden, universellen Maßnahme dem Stress erfolgreich zu
entkommen, müssen sich Pflanzen vor Dehydrierung schützen (b). Da die Kutikula an der
Blattoberfläche wasserundurchlässig ist, erfolgt der Gasaustausch über mikroskopisch kleine
Poren, die Stomata genannt werden, und ihrerseits aus zwei spezialisierten Epidermiszellen,
den sogenannten Schließzellen, bestehen (Bergmann und Sack, 2007). Der Gasaustausch
über Stomata gewährleistet nicht nur eine Kühlung der Blattoberfläche, sondern stellt auch
die Aufnahme von CO2 aus der umgebenden Luft sicher, damit photosynthetisch aktives
Gewebe ausreichend versorgt werden kann. Durch die stomatäre Transpiration erhöht sich
jedoch der Wasserverlust bis zu 70%, obwohl die Stomataöffnungen nur etwa 5% der
gesamten Blattoberfläche darstellen (Willmer und Fricker, 1996). Zu Beginn der
Trockenphase werden daher Stomata geschlossen, um weiteren Wasserverlust zu
vermeiden (Hsaio, 1973) und das Blattwasserpotential und die zellulären Prozesse in den
Pflanzen aufrecht zu halten. Allerdings kommt es dadurch zu einer erniedrigten
Transpirationsrate und zu einem Anstieg der Blatttemperatur (Cook et al., 1964). Dem
Phytohormon Abscisinsäure (abscisic acid; ABA), das nicht nur beim Stomataschluss,
sondern auch bei zahlreichen transkriptionellen Änderungen als Reaktion auf Trockenheit
wesentlich beteiligt ist, kommt unter Trockenstress eine Schlüsselrolle zu (Sreenivasulu et
al., 2012). Bei Trockenheit kommt es zur Inhibierung der H+-ATPasen, was eine
Membrandepolarisierung in den Stomatazellen zur Folge hat. Dies aktiviert Anionenkanäle
vom Typ des SLOW-RESPONSE (S-Typ) und RAPID-RESPONSE (R-Typ), die den Ausstrom von
Malate2−, Cl−, und NO3− begünstigen (Roelfsema und Hedrich, 2005). Schlussendlich sinkt
durch den Ausstrom der gelösten Substanzen der Turgor der Schließzelle und das Stomata
schließt sich (Daszkowska-Golec und Szarejko, 2013). Die Stimulation von
trockeninduzierten Mechanismen durch Wasserverlust führt zur Initiierung von
Signaltransduktionskaskaden, die über Proteinkinasen und andere Signalmoleküle zu
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
13
Phosphorylierungsereignissen führen. Am Ende der Kaskade kommt es zur Aktivierung von
Transkriptionsfaktoren, die im Stande sind, die Genexpression zu regulieren (Shinozaki und
Yamaguchi-Shinozaki, 2007; Cramer et al., 2011; Golldack et al., 2011). Zu den induzierten
Genen zählen LATE EMBRYOGENESIS ABUDANT-Proteine (LEA-Proteine) und Wasserkanäle,
die Osmose durch eine verbesserte Permeabilität über die Zellmembranen erlauben
(Alexandersson et al., 2005; Hand et al., 2011). Im Rahmen der Vermeidungsstrategie
kommt es neben dem Stomataschluss auch zu einer verstärkten Ausbildung des
Wurzelsystems und damit zur Maximierung der Wasseraufnahme. Yu et al. (2008) gelang
es, mithilfe von T-DNA Insertionen, Pflanzen zu finden, die bedingt durch eine Mutation ein
vergrößertes Wurzelsystem besaßen und besser unter Wassermangel abschnitten.
Die dritte Strategie dem Wassermangel erfolgreich entgegen zu treten, stellt die Toleranz
gegenüber Trockenheit dar (c). Trotz eines niedrigen Wasserpotentials sollen die
pflanzlichen Funktionen bei begrenzter Wasserverfügbarkeit auch auf Kosten von
Wachstumseinbußen aufrechterhalten und eine Regeneration unmittelbar nach dem Stress
ermöglicht werden. Dies wird nicht nur durch rigide Zellwände, sondern auch durch eine
flexible Anpassung des osmotischen Potentials erreicht. Unter Trockenstress versucht die
Pflanze daher osmotisch aktive Substanzen zu synthetisieren und die Konzentration dieser
Osmotika durch Transport- und/oder Biosyntheseprozesse zu regulieren (Verslues und
Juenger, 2011). Unter Trockenheit wurden im Wesentlichen die Osmotika Prolin, Polyole,
Trehalose und Betaine beschrieben (Hare und Cress, 1996; Hayat et al., 2012). Auch Zucker
sowie organische und anorganische Ionen spielen aufgrund ihrer Ladung und polaren
Eigenschaften in diesem Zusammenhang eine wichtige Rolle. Um Schaden von anderen
Proteinen und zellulären Membranen abzuwenden, zählen zur Trockentoleranz auch das
effiziente Abwenden reaktiver Sauerstoffspezies (reactive oxygen species; ROS), was durch
die Synthese protektiver Proteine, wie Dehydrine, Antioxidantien und Radikalfänger
ermöglicht wird (Gadjev et al., 2006).
1.2.2 Molekulare Prozesse unter Hitzestress
Während Pflanzen bei Trockenheit ihre Stomata schließen, um vermehrtem Wasserverlust
vorzubeugen, halten sie diese bei Hitzestress geöffnet, um die Transpiration und somit die
Kühlung ihrer Blätter zu gewährleisten (Reynolds-Henne et al., 2010). Die gesteigerte
Transpiration resultiert allerdings in erhöhtem Wasserverlust, was Pflanzen wiederum
anfälliger gegenüber Trockenstress machen würde (siehe Abbildung 1.3). Als eine Reaktion
auf Hitzestress richten sich die Blätter der Pflanzen auf, ein Prozess der als Hyponastie
bezeichnet wird, um direkte Lichteinstrahlung und damit die Überhitzung und einen
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
14
gesteigerten Wasserverlust zu vermeiden (Gray et al., 1998, Koini et al., 2009). Zudem
zeigen die hitzegestressten Pflanzen elongierte Hypokotyle sowie eine verfrühte Blühbildung
(Gray et al., 1998; Balasubramanian et al., 2006).
Abbildung 1.3: Gegensätzliches Stomataverhalten
unter Hitze und Trockenheit. Bei Trockenheit kommt es
zum Stomataschluss, um unnötigen Wasserverlust zu
vermeiden. Bei Hitze hingegen sind Stomata geöffnet, so
dass Transpiration stattfinden kann.
Prinzipiell können zwei pflanzliche Antworten als Reaktion auf Hitzestress klassifiziert
werden: Die Fähigkeit erhöhte Temperaturen zu ertragen, ohne vorher mit Hitze konfrontiert
worden zu sein, auch basale Thermotoleranz genannt, wohingegen eine Hitzeantwort bei
erneut auftretendem Stress als erworbene Thermotoleranz bezeichnet wird (Larkindale et al.,
2005). In beiden Fällen nutzen Pflanzen Signalwege, um drohenden Schaden zu erkennen,
ihren Metabolismus und ihre zelluläre Funktionen zu justieren und schlussendlich
hitzebedingten Schaden abzuwenden (Mittler et al., 2012). Hitzestress führt zu Änderungen
der Zellstrukturen, einschließlich der Lipidzusammensetzung der Membranen, der
Destabilisierung von RNA und Proteinen und ändert zudem die Effizienz enzymatischer
Reaktionen in der Zelle, was zu einem metabolischen Ungleichgewicht führt (Mittler et al.,
2012; Mathur et al., 2014). Weiterhin kommt es zur Fehlfaltung von neu synthetisierten
Proteinen und der Denaturierung von existierenden Proteinen. Diese fehlgefalteten Proteine
treten dabei in unterschiedlichen Kompartimenten auf und induzieren dort zusätzlich zu den
Hitzestresssignalen, die an der Plasmamembran durch primäre Thermosensoren, wie den
Calciumkanal PLASMA MEMBRANE CYCLIC NUCLEOTIDE GATED CALCIUM CHANNEL (CNGC2)
erzeugt werden (Saidi et al., 2009; Finka et al., 2012) intrazelluläre Stresssignale
(zusammengefasst in Howell (2013)). Proteinakkumulationen können sowohl im
endoplasmatischen Retikulum (ER) als auch im Zytosol pflanzlicher Zellen auftreten und
entsprechend zu einer ungefalteten Proteinantwort (unfolded protein response; UPR) im ER
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
15
(ER-UPR) bzw. zytosolischen Proteinantwort (cytosolic protein response; Cyt-UPR) führen
und spezifische Hitzeantworten auslösen (siehe Abbildung 1.4; Aparicio et al. (2005); Sugio
et al. (2009); Liu and Howell (2010)). Für eine rasche transkriptionelle Antwort werden
einzelne ER-Membran-gebundene Transkriptionsfaktoren auf einen Stimulus hin abgespaltet
und in den Kern transportiert. Bei der ER-UPR werden verschiedene BASIC LEUCINE ZIPPER-
Transkriptionsfaktoren (bZIP), u. a. bZIP17, bZIP28 und bZIP60 proteolytisch gespalten,
einem Prozess der im Wesentlichen durch das Sensormolekül INOSITOL-REQUIRING 1 (IRE1)
vermittelt wird (Gao et al., 2008; Deng et al., 2011; Zhang und Wang, 2012).
Abbildung 1.4 Antwort auf Hitze-
induzierte Proteinfehlfaltung im
Zytosol und im ER. Chaperone sind
in der Lage, ungefaltete Proteine im
Zytosol zu stabilisieren. Unter Stress
kommt es allerdings vermehrt zur
Akkumulation von fehlgefalteten
Proteinen, so dass HSFs die
Genexpression zur Schadensabwehr
aktivieren. Im ER verursachen
ungefaltete Proteine die Aktivierung
von bZIP Transkriptionsfaktoren, die
ihrerseits zur Aktivierung der
Genexpression führt (PM =
Plasmamembran).
Die ER-UPR resultiert in einer Rekrutierung von BiP (BINDING IMMUNOGLOBULIN PROTEIN) und
der Induktion von größeren Chaperongruppen (Deng et al., 2011). Zu diesen molekularen
Chaperonen zählen Hitzeschockproteine (heat shock proteins; HSPs), eine spezifische
Klasse von Proteinen, die anderen Proteinen bei der richtigen post-translationalen Faltung in
vielen zellulären Prozessen während des normalen Zellwachstums helfen (Ellis, 1990) und
Hitzestresseffekte abmildern, indem Proteine mit stressbedingter Fehlfaltung stabilisiert und
Aggregationen verhindert werden (Queitsch et al., 2000). In Anwesenheit von zytosolischen
HSPs werden unter Hitzestress Hitzestresskörnchen (heat stress granules; HSGs) bis zu
einer Größe von 1-2 mDa Molekulargewicht gebildet, die hauptsächlich niedermolekulare
PM
Chaperone
protein folding ERAD
IRE1
bZip
Cyt-UPR
HSF
ER-UPR
Zytosol
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
16
HSPs für die Bindung und Aufnahme fehlgefalteter Zellproteine beinhalten (Neumann et al.,
1984; Nover et al., 1989). In Tomate konnte für HSGs durch biochemische Analysen und in
vitro Translation von Zellkulturen eine Speicherfunktion von nicht-translatierter mRNA
angenommen werden (Nover et al., 1989). Neuere Immunofluoreszenzstudien zeigen
jedoch, dass die Stresskörnchen unter Hitze klar von den prozessierenden Körnchen mit
Ribonukleinproteinen zu unterscheiden sind und deshalb die Speicherfunktion in Frage
gestellt wird (Weber et al., 2008). Darüber hinaus veranlassen HSPs den Ubiquitin-
vermittelten Proteinabbau von fehlgeleiteten oder fremden Proteinen. Beispielsweise
interagiert HSP70 mit dem Hüllprotein (coat protein; CP) von Potyviren während der frühen
Replikationsphasen, was in einer Ubiquitinierung und dem Abbau von CP mündet (Hafren et
al., 2010). Hitzeschockfaktoren (heat shock factors; HSFs) sind die transkriptionellen
Aktivatoren der HSPs (Kotak et al., 2007). Für einen aktiven Transkriptionsfaktorkomplex
werden Trimere gebildet, welche sequenzspezifisch an die DNA binden können. Diese
Sequenzen werden Hitzeschockelemente (heat shock elements; HSEs) genannt und
kommen im Promotorbereich vieler hitzeinduzierbarer Gene vor (Wu, 1995). Im Gegensatz
zu Tomate, für die es offensichtlich von den 15 bekannten HSFs (von Koskull-Doring et al.,
2007) mit HSFA1 einen Hauptregulator gibt (Mishra et al., 2002), scheint bei Arabidopsis die
Antwort kollektiv durch mehrere HSFs gesteuert zu sein (Liu et al., 2011; Liu und Charng,
2013). Arabidopsis weist nämlich 21 HSF kodierende Gene auf (Nover et al., 2001; Scharf et
al., 2012). Weder singuläre KO-Mutanten (knock-out; KO) der HSFs HSFA1a, HSFA1b,
HSFA1d oder HSFA1e, noch Doppel- oder Triple-Mutanten führten zu Beeinträchtigungen in
der pflanzlichen Hitzeschockantwort (Lohmann et al., 2004; Nishizawa-Yokoi et al., 2011).
Ein simultaner Genverlust von HSFA1a, HSFA1b, HSFA1d oder HSFA1e führte jedoch zu
erheblichen Einschränkungen im Rahmen der basalen und erworbenen Thermotoleranz, was
die Autoren spekulieren ließ, dass in Arabidopsis als Antwort auf Hitzeeinfluss ein
Zusammenspiel meherer Transkriptionsfaktoren nötig ist (Liu et al., 2011). Darüber hinaus
zeigt HSFA2 die stärkste Genexpression in Arabidopsis-Pflanzen unter Hitzestress und
reguliert seinerseits die Genexpression von zahlreichen stressresponsiven Genen (Schramm
et al., 2006). Eine Überexpression von HSFA2 in transgenen Arabidopsis-Pflanzen führte
nicht nur zu einer verbesserten Thermotoleranz, sondern resultierte auch in einer erhöhten
Toleranz gegenüber Salzstress und einer Kombination aus Licht- und Hitzestress im
Vergleich zu ihren untransformierten Kontrollen (Nishizawa et al., 2006; Ogawa et al., 2007).
Auch biotische Stressfaktoren, beispielsweise Pseudomonas syringae pv. tomato DC3000
oder Flagellin sind dafür bekannt, dass sie die Expression von HSFs induzieren (von Koskull-
Doring et al., 2007), was ihnen eine mögliche Rolle in der Pathogenabwehr zuschreibt. So
kommt es durch eine Virusinfektion im Zytosol der Pflanze zur Induktion von HSPs, ein
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
17
Prozess der beschleunigt wird, wenn die Virus-kodierten Proteine instabil sind (Jockusch et
al., 2001).
Bei der Akklimatisierung an hohe Temperaturen scheint der BASIC HELIX-LOOP-HELIX (bHLH)
Transkriptionsfaktor PHYTOCHROME INTERACTING FACTOR 4 (PIF4) eine zentrale Rolle in
Arabidopsis einzunehmen (Proveniers und van Zanten, 2013). PIF4 wurde zunächst als
Arabidopsis-Mutante short under red-light 2 (srl2) in einem Screening unter einem niedrigen
hellrot-dunkelrot-Lichtverhältnis als hypersensitive Mutante identifiziert (Huq und Quail,
2002). Fortführende Analysen entpuppten Phytochrom B (phyB) unter Lichtbedingungen als
negativen Regulator von PIF4 (de Lucas et al., 2008). Unter Dunkelheit wandelt sich nämlich
phyB in eine photoinaktive Form um, wird aus dem Kern transportiert und erlaubt so die PIF4
Akkumulation sowie die Stimulation des Wachstums (Proveniers und van Zanten, 2013).
Aufgrund phänotypischer Ähnlichkeiten zwischen Pflanzen unter einem niedrigen hellrot-
dunkelrot-Lichtverhältnis und Pflanzen unter Hitzestress wurde ein gemeinsamer molekularer
Mechanismus postuliert (Koini et al., 2009). In Experimenten unter erhöhten Temperaturen
waren pif4-Mutanten unfähig, temperatur-induzierte Hypokotyl- und Petiolenelongation sowie
Hyponastie auszubilden (Koini et al., 2009; Stavang et al., 2009). Fortführende Analysen
offenbarten, dass unter Hitzestress die transiente Expression von PIF4 induziert wird
(Stavang et al., 2009), was maßgebliche Auswirkungen auf zwei Prozesse hat: PIF4 ist fähig,
über eine direkte Aktivierung des Flowering locus T (FT), der seinerseits Gene des
Blühmeristems reguliert, die Blühinduktion zu veranlassen (Kumar et al., 2012). Darüber
hinaus stimuliert PIF4 durch Promotorbindung essentieller Gene der Auxinbiosynthese die
Menge an freier Indol-3-Essigsäure (indole-3-acetic acid; IAA; Sun et al. (2012); Franklin et
al. (2011)). Franklin et al. (2011) identifizierten zudem eine PIF4 abhängige Expression von
SMALL AUXIN UP RNA (SAUR) Genen unter Hitzestress, die das Elongationswachstum fördern.
Unter erhöhten Temperaturen scheint PIF4 direkt Einfluss auf Auxin und das
Elongationswachstum zu nehmen.
Die Transkription von PIF4 wird durch die zirkadiane Uhr beeinflusst. Dabei ist die
Expression in der Nacht am niedrigsten und steigt am Ende der Nachtperiode an, so dass
mittags die höchste transkriptionelle Aktivität gemessen werden kann. Im Laufe des Tages
wird das PIF4-Protein inaktiviert oder durch Licht abgebaut (Nozue et al., 2007).
Interessanterweise scheinen erhöhte Temperaturen ihrerseits Einfluss auf die zirkadiane Uhr
der Pflanzen zu nehmen. Globale Transkriptionsanalysen der zentralen Stoffwechselwege in
Arabidopsis-Pflanzen zeigten, dass ungefähr ein Drittel aller exprimierten Gene in
Arabidopsis durch die zirkadiane Uhr reguliert sind (Covington et al., 2008). Diese Analysen
identifizierten stressresponsive Signalwege, die der zirkadianen Uhr eine Rolle bei
verschiedenen abiotischen Stressfaktoren, u. a. Hitzestress zukommen lassen. In der
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
18
Modellpflanze Arabidopsis ist bekannt, dass Oszillatoren durch positive und negative
Rückkopplungskreise reguliert werden. In diesem Kontext konnten bereits einige wichtige
Gene, die für den Tagesrhythmus verantwortlich sind, identifiziert werden. Zu diesen
gehören CIRCADIAN CLOCK ASSOCIATED1 (CCA1), LATE ELONGATED HYPOCOTYL (LHY) und
TIMING OF CAB EXPRESSION (TOC1) (Millar et al., 1995; Schaffer et al., 1998; Wang und Tobin,
1998). CCA1 steigt vor der Morgendämmerung und supprimiert TOC1 durch die Bindung an
seinen Promotor. Am Abend, wenn die CCA1- und LHY-Werte sinken, steigen die TOC1
Expressionswerte hingegen an (Alabadi et al., 2001). In einer Studie mit Arabidopsis-
Pflanzen konnten bei einer Temperatur von 27°C im Vergleich zu 17°C erhöhte TOC1
Amplituden, aber verringerte CCA1- und LHY-Expressionswerte detektiert werden (Gould et
al., 2006). Die Autoren schlussfolgern, dass die veränderten Expressionsmuster der
zirkadianen Uhr einen Beitrag zur Bewältigung des Stresses leisten können. Unterstützt wird
diese Hypothese von Dodd et al. (2005), die zeigen, dass die Stabilität und Genauigkeit der
zirkadianen Uhr die Photosyntheseleistung und die Produktivität steigern können.
1.2.3 Physiologische Veränderungen in Pflanzen unter Salzstress
Neben Hitze und Trockenheit führt ein weiterer abiotischer Stressfaktor zu signifikanten
Problemen in der Landwirtschaft: Salzstress. Salzige Böden bereiten mittlerweile auf einer
Fläche von nahezu einer Milliarde Hektar, und damit auf ca. 20% der bewässerten
landwirtschaftlichen Nutzflächen, Probleme (Chinnusamy et al., 2005; Wicke et al., 2011).
In Pflanzen resultiert Salzstress sowohl aus osmotischem Stress, der im Wesentlichen durch
hohe Salzkonzentrationen im Boden zustande kommt, als auch aus ionischem Stress,
bedingt durch hohe Salzkonzentrationen in der Pflanze und deren Einfluss auf die
Zellfunktionen (Munns und Tester, 2008). Diese beiden Komponenten sowie der
nachfolgende Nährstoffmangel sind ausschlaggebend für signifikante Ertragsverluste und
sollen im Weiteren detaillierter ausgeführt werden (siehe Abbildung 1.5).
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
19
Abbildung 1.5: Überblick über die zwei Phasen des Salzstresses und die wichtigsten Abwehr-
mechanismen. Bei Salzstress können im Wesentlichen die frühe osmotische sowie die nachfolgende ionische
Phase unterschieden werden. Auch wenn die Abwehrreaktionen ineinander greifen können, ist es möglich
typische Antworten zu charakterisieren: In der osmotischen Phase wird weiterer Salzaufnahme verhindert,
wohingegen in der ionischen Phasen Kationen ausgeschieden bzw. eingeschlossen werden. In beiden Phasen
werden Osmolyte produziert.
Nach Munns (2002, 2005) steigen gemäß dem Zwei-Phasen-Modell in der ersten, der
sogenannten osmotischen Phase die Salzkonzentrationen zunächst im Wurzelbereich der
Pflanzen, und später auch in den Blättern, unmittelbar auf ein intolerables Niveau. Für
Pflanzen schlägt sich dieser Effekt vorrangig in einer erschwerten Wasseraufnahme sowie
einer verlangsamter Entwicklung neuer Blätter nieder. Dabei tritt dieser osmotische Effekt
nach Salzapplikation nicht nur schnell auf, sondern bleibt während der gesamten Dauer
erhalten, was in einer Inhibition der Zellexpansion und Zellteilung mündet (Fricke und Peters,
2002; Munns, 2002; Munns und Tester, 2008). Auch wenn die Mechanismen, die es der
Pflanze erlauben, osmotischen Salzstress zu tolerieren noch weitgehend ungeklärt sind, ist
klar, dass es zu einer gesteigerten zellulären Einlagerung gelöster Stoffe, wie Prolin oder
Betain, kommt (Ashraf und Foolad, 2007). Für beide Substanzen wird angenommen, dass
sie als kompatible Osmolyte eine adaptive Rolle bei der osmotischen Einstellung in Pflanzen
Salztress Pflanzliche Abwehr
Ion
isch
e P
ha
se
mo
tisch
e P
ha
se
Sequestrierung Kompartimentierung
Bildung von Osmolyten Verminderte
Stressantwort Reduzierte Aufnahme
von weiteren Ionen
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
20
unter Stress haben und zudem positive Effekte auf Enzyme und die Membranintegrität
aufweisen (Ashraf und Foolad, 2007; Sakamoto und Murata, 2002). Unter moderaten
osmotischen Effekten können im Vergleich zu dem inhibierten Blattwachstum dennoch
Wurzeln gebildet werden und so die Oberfläche für eine effektive Wasseraufnahme bzw. den
Ionenausschluss vergrößert werden (Munns, 2002).
Ionische Effekte kommen durch eine stufenweise Erhöhung der Ionenkonzentration in den
Blättern, bis hin zu toxischen Mengen, zustande. In der ionischen Phase ist vor allem eine
verfrühte Seneszenz älterer Blätter auffällig (Munns und Tester, 2008). Durch hohe
Natriumkonzentrationen kommt es zur Beeinträchtigung essentieller Prozesse, da
Natriumionen mit Kaliumionen um Bindungsstellen konkurrieren, die wichtig für metabolische
Prozesse sind und von Na+ alleine nicht korrekt ausführt werden können (zusammengefasst
in Blumwald (2000)). Beispielsweise könnten membranständige ATPasen, die für den
Energiestoffwechsel und die Signaltransduktion in Pflanzen wichtig sind, angeführt werden.
Um ionischen Stress zu verhindern, ist die Pflanze in der Lage, im Zytosol akkumulierende
Natriummengen auf zwei Arten zu reduzieren. Zum einen kann Natrium aus den Blättern
ausgeschlossen und zum anderen effizient in der Vakuole sequestriert werden (Tester und
Davenport, 2003; Munns und Tester, 2008). Eine ansteigende Na+-Konzentration in der
Vakuole führt zu einem zunehmenden osmotischen Druck in der Zelle, was eine
Ausdehnung der Vakuole zur Folge hat. Als Gegenmaßnahme akkumuliert die Pflanze
kompatible Osmolyte wie Prolin, Glycin, Polyamine und lösliche Zucker, um das osmotische
Potential des Zytosols dem osmotischen Potential der Vakuole anzugleichen und eine
Volumenausdehnung der Vakuole zu verhindern. In Arabidopsis konnte gezeigt werden,
dass die Ionenhomöostase weitestgehend über den SOS-Signalweg vermittelt wird, der aus
den Komponenten SOS1 (kodiert für ein Plasmamembran Na+-/H+-Antiporter), SOS2 (kodiert
für eine Serin-/Threoninproteinkinase und SOS3 (kodiert für ein Ca2+-Bindeprotein) besteht
(Yang et al., 2009).
Durch eine veränderte Ionenhomöostase und abweichendes Wasserpotential kommt es zu
massiven metabolischen und transkriptionellen Änderungen in der Pflanze (Pandit et al.,
2011), so dass in der Literatur mittlerweile zahlreiche Transkriptomanalysen zu Reis- und
Arabidopsis-Pflanzen unter Salzstressbedingungen zu finden sind (Kawasaki et al., 2001;
Rabbani et al., 2003; Wang et al., 2007). Die Arbeitsgruppe von Todaka et al. (2012) hat die
große Anzahl der stressresponsiven Gene gruppiert: Eine Gruppe stellen dabei die
Signalkomponenten dar, die die Genexpression bei der Stressantwort regulieren, wozu
Proteinkinasen und Transkriptionsfaktoren zählen. Funktionelle Komponenten, die die
pflanzliche Zelle direkt gegen Stress schützen, zeichnen die zweite Gruppe aus. Dazu
zählen u.a. Enzyme des Metabolismus, Aquaporine und LEA-Proteine.
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
21
1.3 Pflanzen unter biotischem Stress
1.3.1 Die Pflanzen-Pathogen Interaktion
Pflanzen sind neben zahlreichen abiotischen Stressbedingungen auch permanent einer
Vielzahl verschiedenster Pathogene ausgesetzt und müssen im Stande sein, sich gegen
diese erfolgreich zu wehren. Nematoden und Blattläuse, ebenso wie Pilze, Bakterien und
Viren können in Abhängigkeit der Suszeptibilität oder der Resistenz des jeweiligen
Wirtsorganismus Krankheitssymptome unterschiedlichen Ausmaßes hervorrufen (Jones und
Dangl, 2006). Als eine erste Schutzbarriere dient der Pflanze zunächst die sogenannte
präformierte Abwehr, eine konstitutive physikalische und chemische Barriere (Zhang et al.,
2013). Trichome, Zellwände und die Kutikula gehören zum pflanzlichen Repertoire auf dieser
Stufe der Abwehr, ebenso wie toxisch wirkende Sekundärmetabolite, zu denen Saponine
oder Glukosinolate zählen (Fu und Dong, 2013). Gelangen Pathogene dennoch über offene
Wunden oder natürliche Öffnungen, wie Stomata oder Hydathoden, in die Pflanzenzelle und
vermehren sich anschließend im Apoplasten bzw. Viren im Zytosol, verfügen Pflanzen über
zwei grundlegende, induzierbare Abwehrmechanismen, die basale und die Resistenz-Protein
vermittelte Abwehr (R-Protein-vermittelte Abwehr; Chisholm et al., 2006; Jones und Dangl,
2006). Beide sollen ebenso wie das virale Pathogen Turnip Mosaic Virus (TuMV) in den
folgenden Abschnitten kurz eingeführt werden.
1.3.2 Basale Abwehrsysteme
Pflanzen vermögen charakteristische molekulare Strukturen verschiedener Pathogene (sog.
Pathogen associated molecular patterns; PAMPs) durch Transmembranrezeptoren zu
erkennen (Chisholm et al., 2006; Zipfel, 2008). Demnach wird diese Komponente der
basalen Abwehr auch als PAMP-ausgelöste Immunität (PAMP-triggered immunity; PTI)
bezeichnet (Abramovitch et al., 2006). Diese PAMPs sind hoch konserviert und für das
Überleben der Mikroben essentiell (Nürnberger et al., 2004). Bei Bakterien erkennen
Pflanzen z.B. das strukturell konservierte Flagellin, den Elongationsfaktor EF-Tu und
Lipopolysaccharide aus gram-negativen Bakterien (Felix et al., 1999; Meyer et al., 2001;
Kunze et al., 2004), wohingegen unmethylierte DNA, zytoplasmatische doppelsträngige RNA
(dsRNA) oder DNA als typische virale PAMPs gelten (Thompson und Locarnini, 2007). Die
Transmembranrezeptoren, die über ihre Transmembrandomäne in der Plasmamembran
verankert sind, sind oftmals aus einer extrazellulären Leucin-reichen Domäne (leucin-rich
repeats; LRR) sowie einer zytosolischen intrazellulären Kinase-Domäne, die für die
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
22
Signaltransduktion nach PAMP-Erkennung notwendig ist, aufgebaut (Monaghan und Zipfel,
2012). Beispielsweise kann ein 22 Aminosäuren großes Peptid des bakteriellen
Flagellinproteins (flg22) über die LRR-Domäne des spezifischen Flagellin Rezeptor FLS2
erkannt werden und in Wechselwirkung mit anderen Kinasen, wie BAK1 (BRI1-ASSOCIATED
RECEPTOR KINASE1) und BIK1 (BOTRYTIS-INDUCED KINASE1), nachfolgende Komponenten
phosphorylieren und Signaltransduktionskaskaden, bis hin zur transkriptionellen Antwort,
aktivieren (Chinchilla et al., 2007; Lu et al., 2010; Schulze et al., 2010). Als eine schnelle
Reaktion werden zum einen ROS-Moleküle gebildet, zum anderen kommt es durch die
Depolarisierung der Membran zu einer Ansäuerung des Zytoplasmas und infolgedessen zu
einer Alkalinisierung des Apoplasten, was durch die Aktivierung verschiedener Ionenflüsse
einen Anstieg der zytosolischen Calcium-Konzentration bedingt (Boudsocq et al., 2010).
Durch die transiente Phosphorylierung und somit Aktivierung einer Mitogen-aktivierten
Proteinkinase (MAPK) Kaskade kommt es weiterhin zur Phosphorylierung von
Transkriptionsfaktoren, die zu einer verstärkten Expression von PR-Genen (pathogen-related
genes; PR) führen (Asai et al., 2002; Lee et al., 2004; Nürnberger et al., 2004). Dabei
scheinen auch lösliche Zucker eine große Rolle zu spielen, da ein Transkriptanstieg der
apoplastischen Zellwand-Invertase in virusinfiziertem Gewebe beobachtet wurde (Sturm und
Tang, 1999; Herbers et al., 2000). So konnte eine erhöhte Resistenz gegenüber Potato virus
Y (PVY) durch eine Zucker-vermittelte und Salizylat (SA)-unabhängige Pflanzenabwehr
festgestellt werden (Herbers et al., 2000). Zusätzlich führt die PTI durch allosterische
Aktivierung spezieller Enzyme sowie Kalloseeinlagerungen zu einer Verstärkung der
Zellwand (Chisholm et al., 2006; Luna et al., 2011). Letztere wird zusätzlich durch eine
Reorganisation des Zytoskeletts, das an der Bildung von Papillen zur Verstärkung der
Zellwand und am Transport von PR-Proteinen beteiligt ist, manifestiert (Abramovitch und
Martin, 2004; Day et al., 2011). Abbildung 1.6 fasst die Ereignisse während der PTI
zusammen.
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
23
Abbildung 1.6: Prozesse während der basalen Abwehr. Nach Pathogenerkennung wird die MAPK Kaskade
eingeleitet, die zu einer Aktivierung von Transkriptionsfaktoren führt. Am Ende der Kaskade kommt es zur
Expression von Abwehr-assoziierten Genen, wie PR-Genen. Diese können in den Apoplasten segregiert werden.
Zusätzlich kommt es zu einer Erhöhung der Calciumkonzentration, erhöhten Konzentrationen an ROS und
verschiedenen Phytohormonen, wie SA. Durch Kallosepapillen wird die Zellwand weiter verstärkt.
Im Laufe der Evolution gelang es zahlreichen Pathogenen diverse Effektorproteine mit dem
Ziel, die PTI der Pflanze wirksam zu unterdrücken und die Wirtszelle zum Vorteil des
Pathogens zu nutzen, zu entwickeln (Alfano und Collmer, 2004). Einzelne Bakterien sind
beispielsweise in der Lage, bis zu 30 verschiedene Effektoren zu generieren, die über das
sogenannte Typ III Sekretionssystem in das Wirtszytosol injiziert werden und die pflanzliche
Abwehr beeinflussen können (Cunnac et al., 2009). Mittlerweile konnten zahlreichen
Effektoren konkreten Angriffsorten innerhalb der PTI zugeordnet werden. Der Pseudomonas
Effektor HopAl1 dephosphoryliert beispielsweise als Phosphothreonin-Lyase die MAPK
MPK3 und MPK6 irreversibel und vermindert so die PAMP-induzierte Transkription von
Abwehrgenen, zum Beispiel PR-Genen (Zhang et al., 2007). HopM1, ebenfalls aus
Pseudomonas, interagiert mit AtMIN7, das in den Vesikeltransport zur Plasmamembran
involviert ist, und behindert somit die Vermittlung von Kalloseablagerungen zur effektiven
Zellmembran
extrazellulär
[Ca2+
]
[ROS]
PR-Gene Abwehrgene
PR-Proteine
intrazellulär
Signal transduktions kaskade
Aktivierung von Transkriptionsfaktoren
[SA]
Callose
Ca2+
Sekretorischer Weg
Pathogen
Pathogen
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
24
Pathogenabwehr der Pflanze (Nomura et al., 2006). Auch XopN, ein Effektor aus
Xanthomonas campestris pv. Vesicatoria inhibiert die PR-Genexpression sowie die
Kalloseablagerungen, indem er mit der Kinase Tomato Atypical Receptor-Like Kinase1
(TARK1) interagiert (Kim et al., 2009a). Andere Effektoren, wie AvrBS3 aus der TAL
(Transcription-Activator-Like)/AvrBs3/PthA Effektor-Familie imitieren durch variable
Sequenzabschnitte eukaryotische Transkriptionsfaktoren und beeinflussen direkt die
transkriptionelle Aktivität der Wirtspflanzen (Kay et al., 2007; Römer et al., 2009).
Ein wichtiger Angriffspunkt der Viren zur Minderung der pflanzlichen Abwehr stellt das RNA-
silencing dar, das in Pflanzen als Wirtsantwort normalerweise durch die Präsenz dsRNA, die
entweder als Intermediate während der Replikation oder als sekundäre Faltungsstrukturen
entstehen, ausgelöst wird und in einem sequenzspezifischen Abbau von RNA resultiert.
DsRNAs können dabei als PAMPs gesehen und das RNA-silencing kann als PTI bezeichnet
werden. Der Hauptunterschied zu Pathogenen, wie Pilzen und Bakterien, ist die intrazelluläre
Erkennung der Viren (Ding und Voinnet, 2007). Als Gegenspieler des RNA-silencing
Mechanismus spielen virale Suppressoren, die in den meisten Fällen an dsDNA binden
können, eine wichtige Rolle (Merai et al., 2006). Die Suppressoren des RNA-silencings
können in die Schlüsselstellen des zellulären silencing-Systems eingreifen und die
Effektivität der Pflanzenviren reduzieren (Burgyan und Havelda, 2011). Sie wurden gemäß
Vargason et al. (2013) basierend auf Arbeiten von Csorba et al. (2009) und Burgyan und
Havelda (2011) folgendermaßen klassifiziert. Silencing-Suppressoren können i) die Bindung
und Prozessierung der viralen dsRNA in virale siRNA (small interfering RNA; siRNA) ii) den
Zusammenbau des RISC-Komplexes (RNA-induced silencing complex; RISC), iii) die
Zielfindung der viralen dsRNAs und iv) die Amplifikation von viralen siRNAs verhindern. Der
prominenteste Vertreter der letzten Gruppe ist P19 des Tomusviruses, der siRNAs mit hoher
Affinität bindet und damit vor dem RNA-silencing schützt (Silhavy et al., 2002) und darüber
hinaus die Verbreitung des siRNA-Duplex verhindert (Dunoyer et al., 2010). Weiterhin ist P6
zu nennen, ein Protein des Cauliflower mosaic virus (CMV), das ein Suppressor des RNA-
silencing ist (Love et al., 2007), indem es mit dem doppelsträngigen RNA-Protein 4, das für
die Funktionsfähigkeit von DICER-like 4 (DCL4) nötig ist, interagiert (Haas et al., 2008).
Ähnlich verhält sich P14 des Potos latent aureusvirus, das die Prozessierung von dsRNA in
siRNA verhindert (Merai et al., 2006). Diese Form der Pathogen-Wirts Interaktion wird als
kompatible Interaktion bezeichnet und resultiert in einem suszeptiblen Wirt, der
Krankheitssymptome aufweist, sowie sich vermehrenden Pathogenen.
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
25
1.3.3 Resistenzprotein-vermittelte Abwehr
Evolutionsgetrieben gelang es resistenten Pflanzen schließlich, Effektorproteine von
Pathogenen zu erkennen. Die indirekte oder direkte Erkennung dieser Faktoren geschieht
dabei durch Resistenzproteine (R-Proteine), welche eine Effektor-vermittelte Immunantwort
(Effector-triggered immunity; ETI) auslösen. Dies setzt die Existenz eines R-Gens voraus,
dessen Genprodukt die spezifische Erkennung eines bestimmten Avirulenz-Faktors des
eindringenden Pathogens vermittelt und als Gen-für-Gen Hypothese bezeichnet wird (Flor,
1971). Dabei genügt es nach der Guard-Hypothese schon, dass Effektorproteine nicht direkt
wahrgenommen werden müssen, sondern die Wirts-Zielproteine die pathogenen Effektoren
auf mögliche Modifikationen durch R-Proteine hin überprüft werden (Van der Biezen und
Jones, 1998; Chisholm et al., 2006). Als Ergebnis der ETI wird nicht nur die PTI extrem
verstärkt und verlängert, sondern auch eine hypersensitive Reaktion (hypersensitive
reaction; HR) ausgelöst, die das Pathogenwachstum an der Infektionsstelle inhibiert, die
Verbreitung des Pathogens verhindert und in der Resistenz der Wirtspflanze resultiert
(Hofius et al., 2007). Darüber hinaus wird die Zellwand durch Kallose- oder
Ligninablagerungen verstärkt und die Produktion von antimikrobiellen, sekundären
Metaboliten, wie Phenylpropanoiden, Phytoalexinen und Glukosinolaten, initiiert (Jalali et al.,
2006). Zudem kommt es zur Aktivierung und Expression von SA, Jasmonat, Ethylen, ROS
und Calcium sowie der Expression von PR-Genen (Ronde et al., 2014). Jede einzelne
Komponente scheint spezifisch gegenüber bestimmte Pathogen zu sein, wobei SA, ROS und
Calcium scheinbar effektiv gegen Viren sind (Loebenstein, 2009; Carr et al., 2010).
Avirulenz-Faktoren können in Viren beispielsweise Hüllproteine, Transportproteine (engl.
movement proteins), Replikaseproteine oder silencing-Suppressoren sein
(zusammengefasst in Ronde et al., 2014). R-Proteine können in Pflanzen anhand ihrer
konservierten Sequenzmotive in zwei Klassen untergliedert werden, die NB-LRRs
(nucleotide binding leucine-rich repeats, NB-LRRs) und die eLRRs (extracellular leucin-rich
repeats, eLRR). NB-LRRs zeichnen sich durch variable Strukturen am aminoterminalen
Ende aus und können ihrerseits in zwei Unterklassen separiert werden: Coiled-Coil-NB-LRR
(CC-NB-LRR) und Toll/Interleukin 1-Rezeptor-ähnliche NB-LRR (TIR-NB-LRR) (Takken und
Tameling, 2009). Allein in Arabidopsis sind mehr als 149 NB-LRR-Proteine bekannt, die
einen Beitrag zur Resistenz gegenüber Bakterien, Viren und Pilzen leisten können (Meyers
et al., 2003). Einige R-Gene verfügen über funktionelle Allele in anderen Pflanzenarten und
zeigen ähnliche Effektorerkennung. Die Anzahl der bekannten R-Gene gegen pflanzliche
Viren beläuft sich über alle Spezies hinweg auf über 200, von denen jedoch bislang nur 22
kloniert und charakterisiert wurden (siehe Abbildung 1.7; Ronde et al. (2014)). Die meisten
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
26
bekannten R-Genprodukte sind vom CC-NB-LRR Typ, wohingegen die kleinere Gruppe
durch das Strukturmotif TIR-NB-LRR charakterisiert ist.
Abbildung 1.7: Struktur und Lokalisation der 22 klonierten und charakterisierten dominanten R-Gene
gegen pflanzliche Viren. Die bereits erforschten 22 R-Gene gegen pflanzliche Viren (Ronde et al., 2014) wurden
anhand der Sequenzmotive von LRR (leucine-rich repeat), NBS (nucleotide binding site), CC (coiled coil), TIR
(Toll/Interleukin 1-Rezeptordomäne) zugeordnet. Die meisten R-Gene fallen demnach in die Gruppe der CC-NB-
LRRs. Einige R-Gene fallen zudem außerhalb der NB-LRR Klassen (rechts). Abbildung modifiziert nach Kang et
al. (2005).
Das N-Gen, für ein TIR-NB-LRR-Protein kodierend, ist ein einzelnes dominantes Gen, das
aus Nicotiana glutinosa in N. benthamiana eingeführt wurde und zu einer HR bei Tobacco
mosaic virus (TMV) führt (Holmes, 1937; Dinesh-Kumar et al., 2000). Ebenso führte das I-
Gen in Phaseolus vulgaris, einem weiteren TIR-NB-LRR-Gen (Kang et al., 2005), zu
Resistenz gegenüber Bean common mosaic virus (Dijikstra et al., 1977). Einige R-Gene
gehören nicht zum Typ der NB-LRRs. RTM1, RTM2, RTM3 wurden beispielsweise als
Resistenzgene in Arabidopsis identifiziert. Sie verhindern die Aufnahme von zahlreichen
Potyviren in das Phloem und damit die systemische Verbreitung. Interessanterweise, kam es
weder zur Induktion einer HR oder der Produktion von SA, was üblicherweise bei NB-LRR-
e L RR
L RR
NB NB
TIR CC
Zellmembran
extrazellulär
intrazellulär
Kinase
HRT (Arabidopsis) RCY1 (Arabidopsis) L1 (Paprika) L2 (Paprika) L3 (Paprika) L4 (Paprika) Ctv (Dreiblättrige Orange) Sw5b (Tomate) Tm-2 (Tomate) Tm2
2
(Tomate) Rx1 (Kartoffel) Rx2 (Kartoffel) Y-1 (Kartoffel) CYR1 (Urdbohne)
BcTuR3 (Rübsaat) Pvr1 (Zuckermelone) Pvr2 (Zuckermelone) N (Tabak) I (Kidneybohne) PvVTT1 (Kidneybohne) PvCMR1 (Kidneybohne)
JAX1 (Arabidopsis) RTM1 (Arabidopsis) RTM2 (Arabidopsis) RTM3 (Arabidopsis) Ty-1 (Tomate) Ty-3 (Tomate) Tm-1 (Tomate)
unb
eka
nnt
L RR
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
27
Erkennungsmechansimen auftritt (Cosson et al., 2012). Ty-1, ebenfalls nicht zur Klasse der
NB-LRRs gehörend, ist ein Resistenzgen aus Tomate gegen den tomato yellow leaf curl
geminivirus (TYLCV). Dieses Gen kodiert für eine RNA-abhängige RNA Polymerase (RdRp)
und es wird angenommen die Resistenz gegenüber TYLCV durch Amplifikation des RNAi
Signals vermittelt, da Tomatenpflanzen, die ein Ty-1 enthalten keine Symptome bei der
Behandlung mit TYLCV aufwiesen (Verlaan et al., 2013). Vor allem Potyviren benötigen für
eine erfolgreiche Infektion Wirtsfaktoren. Ist die Interaktion zwischen Wirtsfaktoren und Virus
gestört, kommt es auch zur Resistenz, die als rezessive Resistenz bezeichnet wird (Truniger
und Aranda, 2009; Kang et al., 2005).
Abbildung 1.8: Interaktion
zwischen Pflanze und
Pathogen. Phytopathogene
können im Wesentlichen zwei
unterschiedliche Interaktionen in
der Pflanze hervorrufen. Einige
Effektoren können durch
pflanzliche R-Proteine erkannt
werden. Ist die Pflanze resistent
und das Pathogen wird durch die
HR wirksam bekämpft, spricht
man von einer inkompatiblen
Interaktion. Kommt es zur
Interaktion mit Wirtsfaktoren kann
das Pathogen den Wirt
umprogrammieren. Dabei handelt
es sich um eine kompatible
Interaktion, die Pflanze ist
suszeptibel (modifiziert nach
Kang et al. (2005)).
Letztendlich führt die ETI zu einer inkompatiblen Interaktion, die auch als Wirt-spezifische
Resistenz bezeichnet wird. Die Virus-Pathogen Interaktion ist in Abbildung 1.8
zusammengefasst. Pathogene sind nun wiederum in der Lage für die Pflanze neuartige,
unbekannte Effektorproteine zu generieren, so dass befallene Pflanzen diese aufgrund
fehlender R-Proteine nicht mehr erkennen können. Aber auch Pflanzen können sich
adaptieren und wiederum neue, Effektor-spezifische R-Proteine bilden und eine ETI
einleiten. Beeinflussen sich Wirt und Pathogen evolutionstechnisch gesehen, stellt die
Interaktion beider ein Wechselspiel aus Virulenz und Resistenz dar (Karasov et al., 2014).
Virus
PM
Wirts R Protein Virales Protein
Durch R-Protein erkannt
Inkompatible Reaktion Resistente Pflanze
HR
Interaktion mit Wirtsfaktoren
Kompatible Reaktion Suszeptible Pflanze
Wirt wird umprogrammiert
Wirtsfaktor
Virales Protein
avr
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
28
Dies führt schließlich über natürliche Selektion über viele Generationen zu komplexen
Abwehrmechanismen.
1.3.4 Der Turnip mosaic virus (TuMV) als Pathogen für Arabidopsis
TuMV wird als Potyvirus der Familie Potyviridae zugeordnet, die in Wildpflanzen die
drittgrößte Familie nach den Partitiviridae und Totiviridae darstellen (Ivanov et al., 2014) und
weltweit für signifikante wirtschaftliche Einbußen sorgen (Scholthof et al., 2011). Dabei weist
TuMV ein großes Wirtsspektrum auf und ist im Stande, mindestens 318 Spezies aus über 43
Familien, u.a. Leguminosae und Caryophyllaceae, zu infizieren (Walsh und Jenner, 2002).
Interessanterweise stellt Arabidopsis auch einen potentiellen Wirt für TuMV dar, was eine
optimale Basis bietet, die Wirts-Virus Interaktion genauer zu studieren (Carr und Whitham,
2007). Eine Infektion mit TuMV resultiert vor allem in Blattverformungen sowie
Mosaikmustern und Nekrosen der Blattadern (Kaneko et al., 2004). Allerdings sind diese
Symptome abhängig vom Genotyp des Wirts und verschiedenen Umweltfaktoren (Jenner et
al., 2002; Walsh und Jenner, 2002; Kaneko et al., 2004). In einer Studie von Martin Martin et
al. (1999) wurden 106 Arabidopsis Ökotypen in drei Klassen entsprechend ihrer Reaktion
nach Infektion mit TuMV mit dem Isolat UK-1 untersucht. Dabei konnten sowohl UK-1
resistente Ökotypen (vier Ökotypen) als auch UK-1 suszeptible Ökotypen (102 Ökotypen)
identifiziert werden, wobei sich Arabidopsis Columbia (Col-0) unter den suszeptiblen
Ökotypen befand.
Als einzelsträngiges (+)-RNA-Virus besteht TuMV aus einem hüllenlosen Kapsid, das
fadenförmig gewunden eine durchschnittliche Länge von 720nm auf eine Breite von 15-20nm
aufweist (Walsh und Jenner, 2002). Jedes Partikel enthält dabei eine Kopie des Genoms, mit
einer Länge von 9830 Nukleotiden. Der Leserahmen (open reading frame; ORF) wird von
zwei untranslatierten Bereichen flankiert und ist in Abbildung 1.9 skizziert.
Abbildung 1.9: Genomorganisation des TuMV UTR: untranslated region; P1: Protein 1; HCPro: helper
component protease; P3: Protein 3; 6K1: 6 kDa Protein 1; CI: cylindrical/cytoplamatic inclusion protein; 6K2: 6
kDa Protein 2; VPg: virus-encoded genome-linked protein; NIa: nuclear inclusion protein a; NIb: nuclear inclusion
protein b; CP: coat protein. Die Abbildung wurde modifiziert übernommen nach Walsh & Jenner (2002).
Um in pflanzlichem Gewebe vermehrungsfähig zu sein, dringt TuMV ebenso wie viele
andere Pflanzenviren oftmals über beißend-saugende Insekten, in erster Linie durch
HC-Pro P3 Cl VPg NIa NIb CP
UT
R
6K
1
6K
2
UT
R
P1
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
29
Blattläuse, oder mechanische Verletzungen in die pflanzliche Zelle ein (Shukla et al., 1994).
Befindet sich der Virus einmal in der Zelle, wird der Partikel enthüllt und die genomische
RNA kann repliziert bzw. Proteine translatiert werden. Das Translationsprodukt von TuMV
bildet ein einzelnes Polyprotein, das ko- und posttranslational durch drei Virus-kodierende
Proteasen, P1 (Protein 1), HC-Pro (helper component protease) und NIa (nuclear inclusion
protein), prozessiert wird (Nicolas und Laliberte, 1992, Walsh und Jenner, 2002). Neben
seiner Proteaseaktivität bindet das P1 Protein ssRNA und ssDNA mit hoher Affinität
(Soumounou und Laliberte, 1994) und ist möglicherweise bei der RNA Translation und/oder
dem Transport von Nukleinsäuren zwischen den Zellen verantwortlich (Walsh und Jenner,
2002). HC-Pro und CP unterstützen die Insekten vermittelte Übertragung (Pirone und Blanc,
1996; Wang und Pirone, 1999) sowie zusammen mit P3 (Protein 3) den Zell-zu-Zell
Transport zur Verbreitung viraler RNA, u. a. durch Erhöhung der Ausschlussgröße von
Plasmodesmata (Rojas et al., 1997; Suehiro et al., 2004). Zudem fungiert HC-Pro als starker
RNA silencing-Suppressor (Rojas et al., 1997; Garcia-Ruiz et al., 2010). Das 6k2-VPg (6 kDa
Protein 2-Polyprotein; virus-encoded genome-linked protein) bildet ein vom ER
abgespaltenes, zytoplasmatisches Vesikel, dem Ort der Translation viraler RNA (Cotton et
al., 2009). Das Nib-Protein (nuclear inclusion protein b) ist eine Kernreplikase und ist
möglicherweise beim Überwinden der Resistenz beteiligt, indem es in Arabidopsis an die
eukaryotischen Initiationsfaktoren eIF(iso)4E und eIF(iso)4G bindet (Gallois et al., 2010).
Auch CI (cylindrical/cytoplamatic inclusion protein) weist eine RNA-abhängige ATPase-
Aktivität auf, die charakteristisch für RNA-Helikasen ist (Nicolas und Laliberte, 1992; Jenner
et al., 2000).
Viren verfolgen nicht nur das Ziel den Ablauf des eigenen Infektionszyklus zu gewährleisten,
sondern gleichzeitig sollen die Mechanismen der pflanzlichen Zellabwehr deaktiviert werden,
um sich von der Infektionsstelle über die gesamte Pflanze durch Zell-Zell-Transport über die
Plasmodesmata sowie das Phloem systemisch auszubreiten (Carrington et al., 1996).
Analog zu Bakterien und Pilzen induzieren Viren in einer kompatiblen Pflanzen-
Virusinteraktion die basale Pflanzenabwehr, wobei sich der Erkennungsmechanismus dieser
Interkation von anderen Pathogenen zu unterscheiden scheint (zusammengefasst in Wise et
al. (2007)). Leiten biotrophe oder hemibiotrophe Pathogene die PTI oder ETI ein, kommt es
häufig zur Synthese des Phytohormons Salizylsäure (SA; Glazebrook, 2005). SA
monomerisiert die Signalkomponente NPR1 (non-expressor of PR1), das als
transkriptioneller Aktivator PR-Gene induzieren kann (Dong, 2004; Moore et al., 2011). Bei
der Abwehr einer viralen Infektion spielt SA ebenfalls eine wichtige Rolle, wie Shang et al.
(2011) durch Applikation von SA bei der Untersuchung verschiedener Pflanzen und Viren
feststellten, jedoch scheint die Abwehrantwort auf transkriptioneller Ebene weitgehend
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
30
unabhängig von NPR1 zu sein (Huang et al., 2005; Uquillas et al., 2004). Diverse Studien zu
virusinfizierten Pflanzen ergaben, dass hauptsächlich Gene, die mit Abwehr und Stress in
Verbindung gebracht wurden, aber auch HSFs hochreguliert waren (Whitham et al., 2003;
Senthil et al., 2005), wohingegen speziell im Falle von TuMV und Rice dwarf virus (RDV)
zellwandassoziierte Gene, wie Xyloglucanendotransglycosylasen, Hydrolasen und
Expansine in den jeweiligen Pflanzen herunterreguliert waren (Shimizu et al., 2007; Yang et
al., 2007). Da in infizierten Viruszellen die zelluläre Translationsmaschinerie umprogrammiert
wird, um große Mengen viraler Proteine herzustellen, wird zudem ER Stress verursacht. Dies
führt, wie für Potato virus X (PCX) gezeigt, zu einer erhöhten ER-UPR (Ye et al., 2011).
1.4 Divergierendes Verhalten unter kombiniertem abiotischem
Stress
Die meisten Studien zu pflanzlichen Stressantworten befassen sich bis heute ausschließlich
mit Einzelstressszenarien, wie Trockenheit, Hitze und Salzstress (Hirayama und Shinozaki,
2010; Katori et al., 2010; Chew und Halliday, 2011; Verslues und Juenger, 2011; Reguera et
al., 2012; Jan et al., 2013; Shaik und Ramakrishna, 2013). Zudem werden die jeweiligen
Stresskonditionen oftmals nur für kurze Zeit appliziert (Garrett et al., 2006). Üblicherweise
leben Pflanzen in einer Umgebung, in denen sie über längere Zeiträume mehreren
abiotischen Stressbedingungen gleichzeitig ausgesetzt sind. Trockenheit geht oftmals mit
Salzstress und/oder erhöhten Temperaturen einher (Mittler, 2006; Barnabas et al., 2008).
Der Effekt von zwei oder mehreren gleichzeitig auftretenden Umweltfaktoren kann für
Pflanzen viel nachteiliger sein als individueller Stress und führt daher zu großen
landwirtschaftlichen Ertragseinbußen (Mittler, 2006; Barnabas et al., 2008; Rollins et al.,
2013). Überraschenderweise ist bislang nur wenig darüber bekannt, wie sich kombinierte
Effekte auf Pflanzen auswirken (Vile et al., 2012), doch wurde vermehrt damit begonnen, die
pflanzlichen Antworten gegenüber multiplen Stress auf molekularer Ebene zu untersuchen,
ein Prozess, der mit Mikroarray-Analysen sehr gut untersucht werden kann (Rizhsky et al.,
2002; Rizhsky et al., 2004; Szucs et al., 2010). Um die zugrundeliegenden Mechanismen der
pflanzlichen Antwort als Reaktion auf verschiedene Umweltfaktoren zu untersuchen,
verfolgte ein bislang bewährter Ansatz die Idee, parallele Einzelstressbehandlungen auf
universell regulierte Gene hin zu vergleichen und daraus Gene mit überlappender Funktion
abzuleiten (Seki et al., 2002a; De Vos et al., 2005; Swindell, 2006; Kilian et al., 2007; Kant et
al., 2008; Jan et al., 2013). Swindell (2006) identifizierte so beispielsweise in einem Vergleich
von neun verschiedenen abiotischen Stressbedingungen (Kälte, osmotischer Stress,
Salzstress, Trockenstress, genotoxischer Stress, UV-Licht, oxidativer Stress, Verwundung
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
31
und Hitze) 67 gemeinsam regulierte Gene in Arabidopsis, die als wichtig für multiple
Toleranz erachtet wurden.
Nach unserem heutigen Wissenstand ist die Vorhersage kombinierter Stressreaktionen
durch Rückschlüsse aus Daten der Einzelstresssituationen nicht länger ausreichend, um die
komplexen Reaktionen der Pflanze zu erklären (Mittler und Blumwald, 2010; Atkinson und
Urwin, 2012). Es zeigte sich nämlich, dass die pflanzliche Antwort auf verschiedene
Stresssituationen zu vielfältigen und oft nicht verbundenen Signalwegen führt, die eine
Vielzahl an metabolischen Netzwerken reguliert (Nakashima et al., 2009). In einer der ersten
Studien zu multiparallelen Stressbedingungen war zunächst nicht vorherzusehen, welche
physiologische Reaktion in einer Kombination aus Hitze und Trockenheit im Vergleich zu den
jeweiligen Einzelstresssituation zu erwarten gewesen wäre (Rizhsky et al., 2004). Unter
Trockenheit schließen Pflanzen ihre Stomata, wohingegen unter Einfluss von Hitze die
Stomata geöffnet sind und Pflanzen anfälliger gegenüber Trockenstress machen würde.
Rizhsky et al. (2002; 2004) konnten sowohl in Arabidopsis als auch in Tabak zeigen, dass
kombinierte Hitze und Trockenheit zu einer Reduktion der Photosynthese und einer
Erhöhung der Respiration zum Preis einer gestiegenen Blatttemperatur führten und es zu
einem Stomataschluss kommt (Rizhsky et al., 2002; Rizhsky et al., 2004). Nachfolgende
Transkriptomanalysen offenbarten, dass die molekularen Pflanzenantworten in einer
kombinierten Stresssituation einzigartig sind und nicht von den Einzelstresssituationen
abgeleitet werden können. Diese Unterschiede machen sich nicht nur auf Transkriptebene,
sondern auch durch die Akkumulation verschiedener Metabolite, die nicht unter Einzelstress
gefunden werden können, bemerkbar (Rizhsky et al., 2002). Diese Studien gaben Anlass zur
Hypothese, dass die Kombination von zwei Stresssituationen im Vergleich zu den
Einzelstresssituationen eine völlig andere Stressantwort auslöst und als eine Art neuer
Stress angesehen werden muss (Mittler, 2006). Da sich seitdem nur wenige Studien mit der
Kombination verschiedener Stresssituationen auseinander gesetzt haben, existieren bislang
nur wenige Daten. Unabhängig von den applizierten Stressfaktoren, beschreiben,
abgesehen von ein paar wenigen gemeinsamen molekularen Antworten, alle Autoren eine
einzigartige Stressantwort, sobald einzelne Stressfaktoren kombiniert wurden
(zusammengefasst in Suzuki et al. (2014), Prasch und Sonnewald (2014)).
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
32
1.5 Zielsetzung dieser Arbeit
In der Natur sind Pflanzen, als sessile Lebewesen, permanent verschiedenen abiotischen,
aber auch biotischen Stresssituationen ausgesetzt. In zahlreichen Studien wurde klar, dass
die pflanzlichen Reaktionen auf verschiedene Stressfaktoren komplex sind und sich auf
transkriptioneller, zellulärer und physiologischer Ebene niederschlagen können. Im Rahmen
dieser Arbeit sollte zum einen Salzstress in Reis und zum anderen die transkriptionellen und
metabolischen Antworten von multifaktoriellem Stress in Arabidopsis untersucht werden.
Folgende Aspekte standen dabei im Vordergrund:
1. Auswirkungen von multifaktoriellem Stress auf Arabidopsis
Um das Verständnis multipler Stressfaktoren in Pflanzen zu verbessern, wurde zunächst ein
multifaktorielles Stressexperiment in Arabidopsis etabliert, welches die gleichzeitige
Applikation von Hitze, Trockenheit und Virenstress ermöglicht. Über Transkriptom- und
Metabolomanalysen sollten anschließend die generellen und spezifischen Auswirkungen auf
den Stoffwechsel und die Abwehrsysteme der Pflanze charakterisiert werden. Zusätzlich galt
es Gene zu identifizieren, die entweder unabhängig von den applizierten Stressbedingung
stets differentiell exprimiert werden, oder ein stressspezifisches Expressionsprofil aufweisen.
Anschließend sollte durch transgene Pflanzen der Einfluss des Transkriptionsfaktors Rap2.9
sowie des triplespezifischen Transkriptionsfaktors HSFA7B transkriptionell und physiologisch
untersucht werden.
2. Der Einfluss von Trockenheit auf Stomata in Arabidopsis
Ziel dieses Abschnitts war es, die transkriptionellen Änderungen in den Schließzellen
trockengestresster Arabidopsis-Pflanzen zu analysieren und Kandidatengene für eine
mögliche Trockentoleranz zu identifizieren. Durch eine knock-Mutante sollte hier der Einfluss
von BAM1, einer -Amylase, die in Stomata trockengestresster Col-0 Pflanzen
herunterreguliert ist, untersucht werden. Anschließend sollten die bam1-Mutanten unter
Trockenheit getestet und stomataspezifische Transkriptprofile erstellt werden. Darüber
hinaus sollte ermittelt werden, ob BAM1 auch in die Hitzeantwort der Pflanzen involviert ist.
3. Charakterisierung salztoleranter T-DNA Reislinien
T-DNA Insertionslinien der Reissorte Nipponbare, die in einer indonesischen Arbeitsgruppe
zunächst generiert und in frühen Wachstumsstadien als salz- bzw. trockentolerantere Linien
identifiziert wurden, sollten unter Gewächshausbedingungen unter kontrolliertem Salz- bzw.
Einleitung ________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
33
Trockenstress in ihrer Stresstoleranz verifiziert werden. Ziel war es, transkriptionelle und
metabolische Veränderungen der stresstoleranten Linien zu analysieren. Weiterhin sollte
eruiert werden, ob möglicherweise eine veränderte Ionenkonzentration in den Blättern der
stresstoleranten Pflanzen vorliegt.
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
34
2 Material und Methoden
2.1 Material
2.1.1 Chemikalien, Enzyme und Verbrauchsmaterialien
Alle verwendeten Chemikalien, Enzyme und Verbrauchsmaterialien stammen, sofern nicht
anders angegeben, von den Firmen Roth GmbH & Co. KG (Karlsruhe), Sigma-Aldrich (St.
Louis, USA), Applichem GmbH (Darmstadt), Fermentas GmbH (St. Leon-Rot), Roche
Diagnostics GmbH (Mannheim), Invitrogen (Karlsruhe), New England Biolabs GmbH
(Frankfurt am Main) und VWR International GmbH (Darmstadt). Für die Isolierung von
Plasmid-DNA aus Bakterien, die Aufreinigung von PCR-Produkten und für die Extraktion von
DNA-Fragmenten aus Agarosegelen wurden Kits von der Firma Qiagen GmbH (Hilden)
verwendet. Materialien für die Kultivierung der Pflanzen in den Gewächshäusern wurden von
der Bayerischen Gärtnergenossenschaft e.G. (Nürnberg) bezogen.
2.1.2 Antikörper
Zur Detektion unterschiedlich markierter Proteine wurden folgende Antikörper eingesetzt:
Tabelle 2.1: Antikörper
Antikörper Verdünnung Hersteller
anti-GFP Antikörper aus
Maus, monoklonal 1:1000
Roche Dignostics
GmbH (Mannheim)
anti-c-myc-Meerrettichperoxidase-Antikörper aus Maus
1:1000
Roche Dignostics
GmbH (Mannheim)
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
35
2.1.3 Oligonukleotide und Sequenzierungen
Folgende von der Firma Metabion (Martinsried) synthetisierte, sequenzspezifische
Oligonukleotide wurden eingesetzt:
Tabelle 2.2: In dieser Arbeit verwendete Oligonukleotide
Bezeichnung Sequenz (5’3’) Verwendung
CP124 GGCAGGTCTTCTCATTTAGGG Überprüfung T-
DNA At5g45000 CP125 GCTAGACCGACTACCAACACG
CP126 TTCCAAAATTCTTATTTGCTTACC Überprüfung T-
DNA At1g53035 CP127 GCAAACAGAAGCAAACCAGAG
CP138 TATATTGGCACGACCATTTCC Überprüfung T-
DNA At5g57550 CP139 CAAAGGCTTGATCTAACAGCG
CP172 ATTGACCCGAAGTCTACCTGAACTC qRT-PCR TuMV,
Kim et al. (2010) CP173 TGCTTCGTCCAAGATTTGTAGATA
CP174 GAGGGAGCCATTGACAACATCTT At-β-tubulin für
qRT-PCR
(Kontrollgen), Kim
et al. (2010) CP175 GCGAACAGTTCACAGCTATGTTCA
CP210 ACCAACCCACAGAGAGGAAA qRT-PCR
TOC1 CP211 GGTGAGACCCAGCAAGATG
CP220 ACGGGTGTGAATGATGGAA qRT-PCR
CCA1 CP221 TGCTTGCGTTTGATGTCTCT
CP222 GCCAACAGAGAGAAGATGACCCAGA qRT-PCR
Aktin CP223 ACACCATCACCAGAGTCCAACACAAT
CP224 ACTAGTAACAATGGGAAATAGCAGC GBF3-myc
Klonierung CP225 GGCGCGCCGCCTGCAGCTACTGCT
CP296 CACCATGGGAAATAGCAGCGAG
GBF3-GFP
Klonierung
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
36
CP297 GCCTGCAGCTACTGCTTTAGCT
CP275 (LP) TCAACCTCTTCAACAACCCAC T-DNA Validierung
SALK_039895_
BAM1 CP276 (RP) CGCTTAATTTATCGCATCAGC
CP283 ATTTTGCCGATTTCGGAAC T-DNA-Primer_LB
CP299 CACCATGGTGATTCAATACAAACG RAP2.9-GFP
Klonierung CP300 CAATCCATATGCCTCCGGCAAC
CP301 ATGCAGATYTTTGTGAAGAC Ubiquitin für RT-
PCR CP302 ACCACCACGRAGACGGAG
CP305 AACAATGGACCCTTCCTCTTCCTC RT-PCR
HSFA7B-myc CP306 GTCTTGCTTAACATTAGCTTCCTC
CP309 AATAGCAGCGAGGAACCAAA
qRT-PCR GBF3
CP310 TGCCCAATCAGGGTAGACAT
2.1.4 Bakterienstämme und Anzucht
Für alle Klonierungsverfahren wurden folgende Stämme verwendet:
Tabelle 2.3: Escherichia coli (E. coli) Stämme
Stamm Genotyp Referenz
E. coli XL1 blue
recA1 endA1 gyrA96 thi-1 hsdR17
supE44 relA1 lac [F´ proAB lacIqZ M15
Tn10 (TetR)]
Bullock (1987)
Biotechniques. Vol. 5, no.
4, pp. 376-379.
E. coli DH5α
F80lacZM15 .(lacZYA-argF) U169 recA1
endA1 hs- dR17 (rK ,mk + ) phoA supE44
thi-1 gyrA96 relA1
Invitrogen™
A. tumefaciens
C58C1 Rif
R mit Helferplasmid pGV2260 (Amp
R) Van Larebeke et al. (1974)
R Antibiotikaresistenz
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
37
2.1.5 Vektoren
Bei den Klonierungsarbeiten fanden folgende Vektoren Anwendung:
Tabelle 2.4: Vektoren
Vektor Resistenz Verwendung Hersteller
pENTR™
/D-TOPO® Kan
R
„Entry“-Vektor für
Gateway®-Klonierung
Invitrogen™
(Karlsruhe)
pCRBlunt KanR Klonierungsvektor
Invitrogen™
(Karlsruhe)
pRB-35S-GW-3xmyc Spec
R, Strep
R
binärer Vektor, C-
terminaler 3-fach myc-
tag, konstitutive
Expression in Pflanzen
Bartetzko et al. (2009)
pK7FWG2 SpecR, Strep
R
binärer Vektor, C-
terminaler GFP-tag,
konstitutive Expression
in Pflanzen
Karimi et al. (2002)
R Antibiotikaresistenz
2.1.6 Biologisches Material
2.1.6.1 Arabidopsis thaliana
In dieser Arbeit wurden die Arabidopsis thaliana (Arabidopsis) Ökotypen Col-0, Can-0, Van-0
und En-T verwendet. Die Samen wurden vom European Arabidopsis Stock Center NASC
(Nottingham, Großbritannien) bezogen. Zusätzlich wurde mit der Arabidopsis T-DNA
Insertionslinie bam1 (SALK_039895) gearbeitet, die von den Autoren der Publikation Valerio
et al. (2012) freundlicherweise zur Verfügung gestellt wurde.
2.1.6.2 Turnip mosaic virus (TuMV)
Als Standard wurde das TuMV Isolat 2, Pathotyp 4 mit der Bezeichnung Qlb/Wil/92 aus
Brassica oleracea (Bundesanstalt für Züchtungsforschung an Kulturpflanzen, Aschersleben)
verwendet.
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
38
2.2 Anzuchtbedingungen der Pflanzen
2.2.1 Anzucht von Arabidopsis auf Erde
Arabidopsis Saatgut wurde auf einer Arabidopsis Erdmischung (65% Fruhstorfer Erde Typ P
(Fa. Hawita, Vechta), 25% Sand, 10% Liadrain Blähton (Fa. Liapor, Pautzfeld)) ausgebracht
und anschließend für 48h bei 4°C dunkel und feucht inkubiert. Diese Stratifizierung diente
dem Brechen der Dormanz, um die Synchronität der Keimung zu erhöhen. Nach 12 Tagen
unter Kurztag-Bedingungen (8h (22°C)/16h (19°C) Licht-/Dunkelrhythmus) wurden die
Sämlinge in Erdtöpfe mit jeweils 160g Erde pikiert und mit definierten Mengen Wasser
gegossen (siehe unten). Die weitere Anzucht erfolgte in einer Phytokammer (Microclima
MC1000E: Snijders Scientific, Tilburg, Niederlande) unter definierten Bedingungen (12h
(22°C)/12h (18°C) Licht-/Dunkelrhythmus; 80mmol ms-1, 60% relative Luftfeuchtigkeit).
2.2.2 Anzucht von Arabidopsis auf MS-Platten
Zur Sterilisation der Arabidopsis-Samen wurde die Oberfläche der Samen in einem
Gasgemisch, das aus einer Reaktion von Salzsäure mit Natriumhypochlorit resultiert, in
einem Exsikkator über Nacht inkubiert. Anschließend wurden die Samen steril auf MS-
Medium (4.4g/l Murashige & Skoog Medium inklusive Vitaminen, 0.5g/l MES, 8g/l Phytoagar,
20g/l Saccharose, pH mit KOH auf 5.7) ausgebracht. Zur Stratifikation wurden die mit den
Samen bestreuten Platten für zwei bis fünf Tage im Dunkeln bei 4°C gelagert, bevor sie in
die Phytokammer mit 16 Stunden Licht pro Tag und konstant etwa 21°C überführt wurden.
Zur Selektion von transgenen Pflanzen wurde den Platten Kanamycin (50μg/ml) zugegeben.
2.2.3 Anzucht von Nicotiana benthamiana (N. benthamiana)
N. benthamiana Pflanzen wurden bei 25°C tags und 20°C nachts bei einer konstanten
Luftfeuchtigkeit von 40% gezüchtet. Eine ausreichende Lichtmenge wurde über eine
Zusatzbeleuchtung erzielt.
2.2.4 Anzucht von Reispflanzen
Zunächst wurden Samen verschiedener Reispflanzen für zwei Tage bei 28°C in einer Schale
mit Wasser bei pH=5.5 zur Keimung gebracht. Anschließend wurde das Wasser durch eine
25%-ige Nährstofflösung ersetzt, die nach einer Rezeptur von Makino et al. (1985)
folgendermaßen modifiziert eingesetzt wurde:
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
39
Tabelle 2.5: Komponenten der Reislösung
Komponenten benötigt Stock
NH4NO3 1mM 1M
Na2HPO4 0,6mM 0,25M
K2SO4 0,3mM 0,5M
MgCl2 0,5mM 1M
CaCl2 0,2mM 2M
Fe-EDTA 45µM 15g/L
H3BO3 50µM
1ml/L Stammlösung
MnSO4 9µM
ZnSO4 0,7µM
CuSO4 0,3µM
Na2MoO4 0,1µM
Nach einer Woche wurden die einzelnen Keimlinge in 1.5l Pflanzentöpfe mit nährstoffarmer
Torferde (Basissubstrat 2; Klasmann-Deilmann) transferiert und permanent in
Nährstofflösung gehalten. Ab der dritten Woche wurde die Gesamtkonzentration auf 75%
erhöht und Sorge dafür getragen, dass stets ausreichend Wasser vorhanden war.
2.3 Pflanzentransformation
2.3.1 Transiente Transformation von N. benthamiana-Blättern
Mit 1ml einer frischen 5ml Agrobacterium tumefaciens-Vorkultur (A. tumefaciens) wurden
50ml-Kulturen YEB-Medium mit den entsprechenden Antibiotika angeimpft. Die Inkubation
erfolgte über Nacht bei 28°C. Am folgenden Tag wurden die Zellen durch Zentrifugieren
geerntet und mit Wasser eine oD=600nm von 1.0 eingestellt. Der Ansatz wurde zwei bis drei
Stunden bei RT inkubiert und anschließend mit einer kleinen Spritze an der Blattunterseite
von N. benthamiana infiltriert. Gegebenenfalls wurde ein silencing-Suppressor (p19 Protein
des Tomatenzwergbuschvirus (TBSV), Plasmid pBinAR-p19) in einer 1:1 Mischung
koinfiltriert.
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
40
2.3.2 Stabile Transformation von Arabidopsis
Die Transformation ("floral dip") erfolgte nach einem modifiziertem Protokoll nach Clough
und Bent (1998). Dazu wurden 250ml YNB (Hefeextrakt 1g/l, Bacto-Pepton 1g/l und NaCl
1g/l) mit Antibiotika zur Selektion mit 2ml einer Vorkultur von Agrobakterien angeimpft und
über Nacht bei 28°C angezogen. Anschließend wurden 7,5g Saccharose und 100μl Silwet
(Lehle Seeds, Round Rock, USA) zugegeben. Blütenstand und Blätter wurden für 10sec in
die Agrobakteriensuspension getaucht und die Pflanzen anschließend über Nacht
abgedeckt. Samen ausgereifter Schoten wurden geerntet und auf MS-Platten über
Kanamycin selektioniert.
2.4 Stressapplikationen
2.4.1 Hitze
Für die Triplestressexperimente sowie die Stomata-spezifischen Transkriptanalysen wurde
milder Hitzestress durch eine Temperatur von 32°C tagsüber und 28°C nachts für drei Tage
erreicht, wohingegen eine Temperatur von 37°C (tagsüber) und 33°C (nachts) für starken
Stress sorgten. Die Hitzestressantworten von bam1 Pflanzen sowie den transgenen Pflanzen
Rap2.9-GFP und HSFA7B-myc wurden bei Temperaturen von 35°C tagsüber und 31°C
untersucht. Dabei blieb die Luftfeuchtigkeit von 60% unverändert und die Wasserversorgung
wurde aufrechterhalten.
2.4.2 Trockenheit
Milder Trockenstress wurde durch den Einsatz einer Bodenfeuchtigkeitssonde gewährleistet.
Um das volumetrische Wasserpotential zu bestimmen, wurde mithilfe eines Sensors
(DECAGON DEVICES SENSORS) die Dielektrische Konstante von Wasser bestimmt. Diese
Konstante unterscheidet sich sehr von ihren sonstigen Bodenkomponenten, was eine direkte
Korrelation zwischen Dielektrischer Konstante und Wassergehalt erlaubt. Diese kann somit
für Feldkapazitätsmessungen genutzt werden, indem eine Korrelation zwischen der
Erdmenge und der entsprechenden Feldkapazität hergestellt und in einer Kalibrierungskurve
verankert wird. Als obere Grenze wurde die Feldkapazität der Bodenfeuchtigkeit auf 100%
gesetzt. Dazu wurden die Pflanzentöpfe bis zur Sättigung gewässert und gemessen. Der
niedrigste Wert ergab sich dadurch, dass 160g Erde über Nacht getrocknet, erneut gewogen
und die Feldkapazität gemessen wurde. Anschließend wurden die Feldkapazitätswerte
zwischen den beiden Grenzwerten bestimmt. Dazu wurde ausgehend von den mit 160g Erde
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
41
gefüllten Erdtöpfen die entsprechenden Werte durch Zugabe von jeweils 10ml Wasser (bis
zur maximalen Feldkapazität) bestimmt. Auf Basis zahlreicher Vorversuche wurden die
Kontrollpflanzen entsprechend der Kalibrierungskurve auf 55% der Feldkapazität gebracht
(Fehlertoleranz +/-10%), wohingegen milder Trockenstress bei 30% der Feldkapazität
gegeben waren (Fehlertoleranz +/-10%). Ein kontinuierlicher Trockenstress wurde durch
Nichtgießen erreicht, wobei der Wasserverlust täglich durch das Wiegen der Töpfe
kontrolliert und gegebenenfalls gegossen wurde, sobald die untere Grenze erreicht wurde.
Kontrollpflanzen wurden im Vergleich zu den trockengestressten Pflanzen täglich gegossen,
um die Bodenfeuchtigkeit in der entsprechenden Feldkapazität zu halten.
2.4.3 TuMV-Applikation
Die Infektion von Arabidopsis mit TuMV erfolgte durch Verwundung der Blattoberseiten
mithilfe eines kleinen Pistills und lyophilisiertem, virusinfiziertem Pflanzengewebe, das zuvor
in 10ml 5mM Phosphatpuffer pH=7.2 und 1g Siliconcarbid (Carborundum; Sigma) gemörsert
wurde. Nach kurzer Einwirkzeit wurden die Blätter mit Wasser abgespült. Zum Propagieren
von TuMV wurden etwa vier Wochen alte Chinakohlpflanzen inokuliert und drei Wochen
später die systemisch infizierten Blätter geerntet, lyophilisiert und bei 4°C gelagert.
2.4.4 Aufbau des multifaktoriellen Stressexperiments
Drei Wochen nach Keimung wurden Arabidopsis-Pflanzen mit dem Virus TuMV behandelt,
so dass acht Tage später ca. 85% der systemisch infizierten Arabidopsis-Blätter typische
Virussymptome zeigten. Parallel wurden Kontrollpflanzen mit Wasser behandelt, um die
schädigende Wirkung lokal infizierter Blätter nachzuahmen (siehe 2.4.3). Die offensichtlich
infizierten Pflanzen wurden anschließend Trockenstress ausgesetzt, indem die
Wassermengen kontrolliert reduziert wurden (siehe 2.4.2). Nach zweitägiger Anwendung des
Trockenstresses wurde Hitzestress durch erhöhte Temperaturen (32°C/28°C) appliziert
(siehe 2.4.1). Die Ernte der Pflanzen begann vier Stunden vor Ende der Lichtperiode und
war vor dem Start der Dunkelphase beendet. Um systemische Fehler zu vermeiden, wurden
Pflanzen mit unterschiedlicher Behandlung randomisiert beprobt und Pflanzen gewählt, die
unter unterschiedlichen Stressbehandlungen willkürlich in der Kammer verteilt waren. Die
zeitliche Abfolge der Stressapplikationen wurde im Rahmen der Arbeit nicht nur für den
Triplestress, sondern auch für Kinetikexperimente und Mutantenanalysen unter sämtlichen
Stresskombinationen angewandt.
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
42
2.4.5 Salz- bzw. Trockenstress in Reispflanzen
Nach fünf Wochen kontrollierter Anzucht (siehe 2.2.4) wurde ein Teil der Reispflanzen einem
achttägigen Trockenstress unterzogen, indem die Pflanzen während dieses Zeitraums nicht
mehr gegossen wurden. Die anderen Pflanzen wurden durch Zusatz von 200mM NaCl zur
Nährlösung einem Salzstress über denselben Zeitraum ausgesetzt. Anschließend wurde das
Frischgewicht jeder einzelnen Pflanze bestimmt und am Ende des Tages das Blattmaterial
unmittelbar in flüssigem Stickstoff gefroren. Zusätzlich wurde ein Teil des Materials zur
Trockengewichtsbestimmung bei 60°C über einen Zeitraum von drei Tagen getrocknet.
2.5 Mikrobiologische Methoden
2.5.1 Bakterienanzucht
Die Kultivierung von E. coli erfolgte bei 37°C in LB Medium (10g/l Bacto-Trypton, 10g/l NaCl,
5g/l Hefeextrakt), die von A. tumefaciens bei 28°C in YEB Medium (5g/l Rinderextrakt, 1g/l
Hefeextrakt, 5g/l Bacto-Trypton, 5g/l Saccharose, 2mM MgSO4). Antibiotika wurden mit
Ausnahme von Rifampicin in Wasser gelöst und sterilfiltriert. Rifampicin wurde in DMSO
gelöst und nicht sterilfiltriert.
Tabelle 2.6: Medien zur Bakterienanzucht
LB-Medium (flüssig)
0,5% (w/v) Hefeextrakt
1% (w/v) NaCl
1% BactoTM
-Trypton
LB-Medium (fest)
0,5% (w/v) Hefeextrakt
1% (w/v) NaCl
1% BactoTM
-Trypton
1.5% (w/v ) Agar
YEB-Medium
(flüssig)
0,5% (w/v) Hefeextrakt
0.5% (w/v) NaCl
1% BactoTM
-Trypton
4mM MgSO4
10mM KCl
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
43
Zur Selektion wurden folgende Antibiotika in gegebenen Konzentrationen eingesetzt:
Tabelle 2.7: Antibiotika-Stammlösungen
Antibiotikum Stammlösung Endkonzentration
Ampicillin 50mg/ml 100µg/ml
Kanamycin 50mg/ml 50µg/ml
Spectinomycin 50mg/ml 50µg/ml
Rifampicin 50mg/ml 50µg/ml
Streptomycin 10mg/ml 20µg/ml
2.6 Biochemische und physiologische Methoden
2.6.1 Bestimmung des Wasserpotentials
Das Wasserpotential von Arabidopsis-Blättern wurde mit einer C-52 Probenkammer in
Kombination mit einem PSYPRO Acht-Kanal Wasserpotentialdatenspeicher (Wescor, Logan,
UT) bestimmt. Dazu wurden Blattscheiben der unterschiedlich gestressten Pflanzen in der
Probenkammer positioniert und nach zehnminütiger Äquilibrierung der Temperatur und des
Wasserdampfs wurden die Messungen nach der Taupunktmethode unter Zuhilfenahme der
folgenden Parameter durchgeführt: Kühlzeit 10sec, Plateau: 5.6sec, Read Average 2.4sec,
Messperiode: 10sec.
2.6.2 Bestimmung des Ionengehalts in Pflanzen
Zur Bestimmung der Anionen bzw. Kationengehalte in Blättern von Reispflanzen wurden
zunächst 500mg Blattmaterial lyophilisiert und in 15ml Wasser aufgenommen. Anschließend
wurde kurz gevortext und für 70min bei 18°C und 250rpm geschüttelt. Nach zehnminütiger
Zentrifugation wurde der Überstand in neue Falkons überführt. Dieser wurde anschließend
über ein 2µm Filter filtriert, um Feststoffe zu entfernen. Die Probenvorbereitung wurde in der
AG Marcel Bucher an der Universität Köln durchgeführt und die anschließende Messung
erfolgte im geographischen Institut Köln. Für die Berechnung der Werte wurden die
Einwaage und die genaue Verdünnung berücksichtigt.
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
44
2.6.3 Isolierung von Stomata aus Blättern
Für detaillierte Untersuchungen zu den transkriptionellen Veränderungen, die spezifisch in
den Schließzellen ablaufen, wurden Stomata aus den Blättern der Arabidopsis-Pflanzen im
Rahmen einer Kooperation mit Prof. Rainer Hedrich in Würzburg nach einem Protokoll von
Bauer et al. (2013) isoliert. Die Mittellamelle der einzelnen Blätter wurde zunächst entfernt
und die Blatthälften von vier bis fünf Pflanzen mit Eis und Wasser für ca. 3min in einem Mixer
zerkleinert. Anschließend wurde die Lösung durch einen Filter mit einer Porengröße von
210μm filtriert. Beide Schritte wurden wiederholt. Danach konnten die aufgereinigten
Stomata mit einem Spatel vom Filter abgelöst und als Pellet in flüssigem Stickstoff
eingefroren werden.
2.6.4 Bestimmung der Proteinkonzentration
Die Konzentration von Proteinen in Extrakten wurde mithilfe der BRADFORD-Methode
bestimmt (Bradford, 1976). Dazu wurde nach Zugabe von BRADFORD-Färbereagenz
(BRADFORD Protein Assay, Bio-Rad, München) zum Proteinextrakt die Extinktion bei 590nm
und 450nm im Photometer bestimmt. Über eine mitgeführte Eichreihe von BSA konnte so
mithilfe des Quotienten A590/A450 die Proteinkonzentration ermittelt werden.
2.6.5 Proteingelelektrophorese und Western Blot
Für den Proteinnachweis nach der Methode von LAEMMLI (1970) wurden Blattscheiben
(Stanzer 5) mithilfe des Rotor-Stator-Homogenisators (Heidolph, Schwabach)
aufgeschlossen und mit 70µl LÄMMLI-Puffer (200mM Tris-HCl, pH=6.8; 18% ß-
Mercaptoethanol (v/v); 40% Glycerin (v/v); 0.01% Bromphenolblau (w/v); 8% SDS (w/v)
versetzt. Nach zehnminütigem Aufkochen bei 95°C wurden je 15µl der Proben nach
Zentrifugation auf ein 12.5% (v/v) Bis-Tris-Gel aufgetragen.
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
45
Tabelle 2.8: Bis-Tris-Gele und Entwicklerlösung
Trenngel
1.43ml 3.5x Bis-Tris-Puffer
2ml Acyrlamid
1.57ml Wasser
1,5 % (w/v ) Agar
1 % BactoTM
-Trypton
Sammelgel
20µl 10% APS (v/v)
2µl TEMED
0.71ml 3.5x Bis-Tris-Puffer
0.35ml Acyrlamid
1.44ml Wasser
25µl 10% APS (v/v)
4µl TEMED
Lösung I
5ml 100mM Tris-HCl, pH=8.50
72µl Culu (250mM Luminol)
Lösung II 5ml 100mM Tris-HCl, pH=8.5
3ml H2O2
Nach dem Gellauf wurden die größenseparierten Proteine auf eine Nitrozellulose-Membran
(Porablot, Macherey-Nagel, Düren) transferiert. Dazu wurde die Membran in Transferpuffer
(39mM Glycin, 48mM Tris, 0.0375% SDS, 20% Methanol, pH=8.2 (HCl)) äquilibriert.
Anschließend wurde die Membran über Nacht in einer Blockierlösung (5% Milchpulver gelöst
in 1xTBST (20mM Tris, 500mM NaCl, 0.1% (w/w) Tween 20) inkubiert. Nach der Blockierung
wurde die Membran für eine Stunde in Antikörper-Lösung geschüttelt. Dabei wurde der
Antikörper in 1% Magermilch-1xTBS-T verdünnt. Im Falle des anti-GFP Antikörpers wurde
die Membran im Folgenden mit einem Peroxidase gekoppeltem sekundären Antikörper
(gelöst in 1% Milchpulver in 1xTBST) für 2h inkubiert. Nach erneutem dreimaligem Waschen
in 1xTBST für jeweils 10min wurde die Membran mit 6μl 35% H2O2 (gelöst in 0.1M Tris/HCL
pH=8.5) und 144μl eines Coumarin Luminol Gemischs (gelöst in 0.1M Tris/HCL pH=8.5) für
eine Minute inkubiert und antikörperspezifische Signale durch Auflegen und Entwicklung
eines Kodak Biomax XAR Röntgenfilms detektiert.
2.7 Mikroskopische Methoden
2.7.1 Messung der stomatären Öffnungsweite
Die Bestimmung der stomatären Öffnungsweite erfolgte an der Epidermis der Blattunterseite,
indem das betreffende Blatt mit Klarlack beschichtet und nach dem Trocknen des Lacks
unter Verwendung eines Tesafilms abgezogen wurde. Die Epidermis wurde anschließend
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
46
unter dem Mikroskop Leica DMR-Mikroskop (Bensheim) betrachtet, die Öffnungsweiten der
Stomata mithilfe der Software SPOT ADVANCED™ vermessen und ausgewertet. Die stomatäre
Öffnung wurde durch das Verhältnis Breite zu Länge bzw. Länge zu Breite der jeweiligen
Pore ermittelt. Der Stomataindex wurde durch die in McElwain und Chaloner (1995)
gegebene Formel folgendermaßen ermittelt: Anzahl der Stomata x100/ Anzahl der Stomata +
Anzahl der Epidermiszellen.
2.7.2 Visualisierung des Stärkegehalts in Stomata
Um die Größe und Intensität der Stärkekörner in den Stomata von Col-0 Pflanzen und bam1-
Mutanten zu untersuchen, wurde Blattmaterial von je vier unabhängig gewachsenen
Pflanzen für 20min in 80% Ethanol bei 80°C entfärbt und 1min mit LUGOL‘scher Lösung (2%
Jod, 10% Kaliumjodid) inkubiert. Die gefärbten Blattproben wurden anschließend mit dem
Leica DMR-Mikroskop (Bensheim) mikroskopiert. Für die Bestimmung des Stärkegehalts der
Schließzellen wurde die Pixelfläche der Stärkekörner unter Zuhilfenahme der Software
ADOBE PHOTOSHOP bestimmt.
2.7.3 Konfokale Laserscanning Mikroskopie (KLSM)
Für die konfokale Analyse wurde ein Leica TCS SP5 II (AOBS) Laserscanning Mikroskop
(KLSM; Leica Mikrosysteme Vertrieb GmbH, Wetzlar) verwendet. Die Anregung des grün-
fluoreszierenden Proteins (GFP) erfolgte unter Verwendung eines 488nm 20mW Argon
Lasers. GFP wurde in einem Detektionsbereich von 497nm bis 526nm aufgenommen, die
Autofluoreszenz von Chlorophyll wurde in einem Bereich von 682nm bis 730nm detektiert.
Die konfokalen Datensätze wurden mit der Leica-Software LAS_AF und ADOBE PHOTOSHOP
nachbearbeitet.
2.8 Molekularbiologische Methoden
2.8.1 Molekularbiologische Standardmethoden
Grundlegende Techniken der Nukleinsäuremanipulation wie z.B. Vervielfältigung von DNA
durch die Polymerase-Kettenreaktion (PCR), Restriktionsverdau, Ligation, Reinigung von
DNA-Fragmenten, Agarose-Gelelektrophorese von Nukleinsäuren, Anzucht von E. coli,
Transformation von E. coli, Präparation von Plasmiden wurden nach Sambrook und Russell
(2001) durchgeführt. Für direkte Sequenzierungen oder Klonierungen von PCR Produkten
wurden PCR-Reaktionen mit dem QIAQUICK® PCR Purification Kit (Qiagen, Hilden)
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
47
aufgereinigt und die Gelextraktionen mit dem Qiaquick® Gel Extraction Kit (Qiagen)
durchgeführt.
2.8.2 Isolation von RNA aus Pflanzengewebe
Für die Extraktion von RNA wurde die Methode nach LOGEMANN et al. (1987) verwendet. Die
RNA Konzentration wurde an einem ND-1000 Spektrophotometer (NanoDrop-Technologies)
bestimmt.
2.8.3 DNAse-Verdau und cDNA Synthese
Zur Herstellung von cDNA (complementary DNA, cDNA) wurde zunächst die DNA aus den
RNA-Proben mittels DNAse-Verdau gemäß den Herstellerangaben von Fermentas mithilfe
der DNAseI entfernt. Die cDNA wurde mithilfe der M-MLV-Reverse Transkriptase (HI-RT;
Fermentas) laut Herstellerangaben synthetisiert. Falls nicht anders erwähnt, wurden
Oligo(dT)18 Oligonukleotide als Primer für die cDNA Synthese eingesetzt.
2.8.4 Quantitative RT-PCR (qRT-PCR)
Zur quantitativen Bestimmung der Transkriptmengen wurde die cDNA mithilfe einer „real-
time“ PCR (RT-PCR) auf einem Mx3000P qPCR System (Stratagene) mit dem Brilliant II
SYBR® Green QPCR Master Mix (Stratagene) entsprechend der Herstellerangaben
amplifiziert. Als Matrize wurde unverdünnte oder 1:10 verdünnte cDNA eingesetzt. Für die
Detektion der viralen mRNA wurden die Primer und die Temperaturzyklen wie bei Kim et al.
(2010) beschrieben verwendet. Das Primer-Design der Primer erfolgte unter Verwendung
der Software PRIMER3 PLUS (www.bioinformatics.nl/cgi-bin/primer3plus/primer3plus.cgi). Die
Genexpressionswerte wurden auf die Expression von AKTIN (Pflanze) bzw. auf die
Expression von TUBULIN (Virus) als interne Kontrolle normalisiert und die Effizienz der
verwendeten Primerpaare wurde anhand von Verdünnungsreihen bestimmt. Die Berechnung
der relativen Genexpression erfolgte mithilfe der MxPro v4.10 Software von Agilent.
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
48
Der Standard-PCR-Ansatz enthielt:
Tabelle 2.9: Reaktionsansatz
1µl cDNA
2µl Primer 1 (200nM)
2µl Primer 2 (200nM)
10µl SYBR Mix I
5µl ddH20
Das Standard-PCR-Programm:
Tabelle 2.10: Reaktionsansatz
PCR-Schritt Temperatur Zeit
1) Initiale Denaturierung 95°C 10min
2) Denaturierung 95°C 20sec
3) Annealing 60°C 20sec
4) Elongation 72°C 20sec
5) Finale Elongation 72°C 10min
Zyklenzahl (Schritte 2-4) 45
2.9 Mikroarray-Analysen
2.9.1 Probenahme für Hybridisierungen
Aus drei unabhängigen biologischen Experimenten wurde jeweils 34 Tage nach Keimung
und entsprechender Applikation der drei Stressfaktoren Hitze, Trockenheit und Virus (siehe
oben) das Frischgewicht der Rosetten aller unterschiedlich behandelten Arabidopsis-
Pflanzen am Ende des Tages bestimmt. Zusätzlich wurden jeweils vier Pools, bestehend aus
systemisch infizierten Arabidopsis-Blättern von fünf bis acht Pflanzen, geerntet und
unmittelbar in flüssigem Stickstoff gefroren. Aliquots des gefrorenen Materials aus den vier
Replikaten wurden für die Mikroarray-Analysen bei -80°C gelagert. Das verbliebene Material
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
49
wurde für die Metabolitprofilierung verwendet (siehe 2.10). Parallel wurden von jeder
Stressbedingung zehn Pflanzen bei 80°C für drei Tage getrocknet. In einem unabhängigen
Hitzeexperiment wurden Arabidopsis-Pflanzen bei einer Temperatur von 37°C/33°C gehalten
und eine analoge Ernteprozedur vorgenommen. Anschließende Biomassebestimmungen
ergaben vergleichbare Werte für die Kontrollen des Triplestressexperiments, sodass ein
direkter Vergleich in den nachfolgenden Array-Analysen möglich war. Die Probennahme für
die überexprimierenden Pflanzen Rap2.9-GFP im Alter von 50 Tagen und HSFA7B-myc im
Alter von 36 Tagen erfolgten analog. Für detaillierte Untersuchungen des diurnalen
Rhythmus wurde zusätzlich ein Kinetikexperiment etabliert, in dem Blätter von gestressten
Pflanzen (dreitägiger Hitze 37°C/33°C) im Alter von 46 Tagen sowie Pflanzen unter
Kontrollbedingungen am Beginn des Tages (0h), gefolgt von einem 4h Rhythmus und am
Ende des Tages (12h) genommen und jeweils vier Replikate einer Hybridisierung unterzogen
wurden. Zusätzlich wurden für fortführende Transkriptanalysen in Schließzellen und Blättern
Stomata gemäß einem Protokoll von Bauer et al. (2013) präpariert und von den
hitzegestressten Pflanzen (Pflanzenalter 40 Tage; dreitägiger Hitzestress 32°C/28°C) sowie
hitze- und trockengestressten Pflanzen (Pflanzen im Alter von 41 Tagen; Trockenstress
analog 2.4.2 sowie dreitägiger Hitzestress 32°C/28°C) vier Replikate hybridisiert. Unter
Trockenstress (Pflanzen im Alter von 34 Tagen) konnten lediglich zwei bis drei Replikate
hybridisiert werden. Die Probennahme der Reispflanzen erfolgte an sechs Wochen alten
Pflanzen, die einem achttägigem 200mM NaCl Salzstress ausgesetzt waren. Nach der
Frischgewichtsbestimmung wurde das gesamte Blattmaterial von jeder Pflanze unmittelbar in
flüssigem Stickstoff gefroren und mindestens vier Replikate für weitere Analysen bei -80°C
für eine anschließende Metabolitprofilierung sowie Mikroarray-Analysen aufbewahrt.
Unabhängig von der Pflanzenspezies wurde RNA nach LOGEMANN et al. (1987) isoliert,
wobei die Aufreinigung der Stomataproben über Säulchen der Firma Qiagen erfolgte.
2.9.2 Mikroarray-Hybridisierung und Scannen
Die differentielle Transkriptomanalyse wurde mit 4x44K Arabidopsis V4 Mikroarray-Chips
und monochromer Cy3 cDNA Markierung durchgeführt (Agilent Technologies, Santa Clara,
USA). Die Qualität der RNA wurde über einen Agilent 2100 Bioanalyzer (Version B.02.03
BSI307) mit dem Agilent RNA 6000 Nano Kit überprüft. Die cDNA- und anschließende cRNA
Synthese erfolgte mit dem One-Color Spike-Mix (Agilent) nach Herstellerangaben. Die durch
Cy3 markierte cRNA wurde fragmentiert und auf die Mikroarrays hybridisiert (17h bei 65°C)
und anschließend nach Herstellerangaben gewaschen. Die Chips wurden mit einem Agilent
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
50
DNA Mikroarray-Scanner eingelesen und die Daten unter Verwendung des „feature
extraction“-Programms (Version 11.7.1; Agilent Technologies) extrahiert.
2.9.3 Datenanalyse und statistische Auswertung
2.9.3.1 Array-Auswertung des multifaktoriellen Stressexperiments
Die weitere Auswertung der multifaktoriellen Stressexperimente erfolgte mit dem
„GeneSpring GX 11.0“ Programm. Alle Rohdaten wurden einer log2-Transformierung
unterzogen, die features einer Probe auf das 75ste Perzentil normalisiert und die Intensität
jedes features durch den Median seiner Werte in allen Proben geteilt. Im initialen Mikroarray-
Experiment erfüllte lediglich eine Virusprobe nicht die Qualitätskriterien und wurde von den
weiteren Analysen ausgeschlossen. Möglicherweise ist das darauf zurückzuführen, dass es
bei der Virusinfektion zu einer heterogenen Wirtsantwort kommt, da sich die Pathogene in
einem kontinuierlichen Prozess von der infizierten Stelle zu den benachbarten Zellen
bewegen müssen. Der „filter on flags“ wurde so gewählt, dass mindestens ein biologisches
Replikat eines Genotyps detektiert werden muss. Ein One-way ANOVA-Test (p ≤0.05, T-Test
mit Annahme ungleicher Varianzen) ermöglichte es, Gene zu selektieren, die differentielles
Verhalten aufwiesen und die Ähnlichkeit innerhalb der Gruppen betonten. Schlussendlich
blieben 27870 Gene übrig. Eine hierarchische Cluster-Analyse mit dem EUCLIDIAN-SINGLE-
Algorithmus ermöglichte die erfolgreiche Separierung der Proben. Die Unterschiedlichkeit
der Proben wurde mit einer PRINCIPAL COMPONENT ANALYSIS (PCA) überprüft. Durch einen
VOLCANO-Blot wurden alle features, welche eine mindestens zweifach veränderte sowie
statistisch signifikante Signalstärke zwischen den zu untersuchenden Stressbedingungen
und der Kontrollbedingungen zeigten (p<0.05, T-Test mit Annahme ungleicher Varianzen),
selektiert. Anschließend wurde eine BENJAMINI-HOCHBERG Korrektur durchgeführt (Benjamini,
1995). Die resultierenden features wurden in hoch- bzw. und herunterregulierte features
eingeteilt, wobei hochregulierte features als positive Werte, herunterregulierte als negative
Werte ausgegeben wurden. Die funktionelle Kategorisierung wurde mit MAPMAN bins
ausgeführt (http://mapman.gabipd.org/web/guest/mapman). Dazu wurde der Prozentsatz
differentiell regulierter features einer spezifischen Gruppe bestimmt und relativ zum
Prozentsatz der features einer spezifischen Gruppe im Verhältnis zum gesamten Chip
ausgedrückt. Venn-Diagramme mit bis zu drei Listen wurden im Agilent GeneSpring GX11.0
Programm durchgeführt, wohingegen mehrere Listen in einer Software durch die Universität
Gent verwendet wurden (http://bioinformatics.psb.ugent.be/webtools/Venn/). Die
Visualisierung der Daten erfolgte über VANTED (Junker et al., 2006) und dem
MULTIEXPERIMENT VIEWER (Saeed et al., 2003). Die PCA-Analysen der Transkriptdaten wurde
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
51
mit der Analyst 1.5 Software unter Verwendung des PARETO-Algorithmus durchgeführt. Für
Koexpressionsanalysen wurden die Listen mit differentiell regulierten Genen nach
ausgewählten Kategorien gefiltert (zum Beispiel Signalleitung) und die Netzwerke bestimmt,
indem die ausgewählten Listen in das ARANET-Internetprogramm
(http://www.functionalnet.org/aranet/; (Lee et al., 2010)) eingeschleust wurden. Die Array-
Daten zum Triplestress und dem starken Hitzeexperiment können unter der Accession
Nummer GSE46760, die Array-Daten der Stomata-spezifischen Transkriptanalysen unter der
Accession Nummer GSE59321 in der „National Center for Biotechnology Information Gene
Expression Omnibus database“ abgerufen werden.
2.9.3.2 Array-Auswertung der salzbehandelten Reispflanzen
Im Gegensatz zu den Auswertungen des multifaktoriellen Stressexperiments erfolgte die
Analyse der salzgestressten Reispflanzen mit dem Softwareversion „GeneSpring GX
12.5“ (SILICON GENETICS). Die weitere Vorgehensweise entsprach der Auswertung unter
2.9.3.1, allerdings wurden die features nach Herstellerempfehlung zur neuen Software nach
„QUANTILE“ normalisiert. Die Cluster-Analyse wurde nach „PEARSON UNCENTRED
CENTROID“ durchgeführt und die funktionelle Kategorisierung erfolgte nicht auf Basis von
features, sondern mit Genen unter Verwendung der Homepage
http://rapdb.dna.affrc.go.jp/tools/converter/run.
2.9.3.3 Array-Auswertungen der Stomata-spezifischen Transkripte
Für die Analyse der Stomata-spezifischen Transkripte wurde ebenfalls die Softwareversion
„GeneSpring GX 12.5“ (SILICON GENETICS) verwendet und analog Kapitelnummer 2.9.3.1
ausgewertet. Die Normalisierung erfolgte allerdings nach „QUANTILE“ und im Falle der
Analysen unter Trockenheit, sowohl bei Col-0 als auch bei der -Amylasen Mutante (bam1),
konnten aufgrund von Präparationsschwierigkeiten nicht alle Replikate in die Auswertung mit
einbezogen werden. Demnach wurde auch keine BENJAMINI-HOCHBERG Korrektur
durchgeführt. Die Cluster-Analyse wurde nach „PEARSON UNCENTRED
CENTROID“ durchgeführt. Für die Stressbehandlungen Hitze sowie die Kombination aus
Trockenheit und Hitze wurden jeweils vier Replikate hybridisiert und separat von den
trockengestressten Pflanzen ausgewertet. Dabei wurde eine BENJAMINI-HOCHBERG Korrektur
mit einbezogen.
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
52
2.9.3.4 Array-Auswertungen der transgenen Pflanzen HSFA7B-myc und Rap2.9-GFP
Unter Verwendung der Software „GeneSpring GX 12.5“ (SILICON GENETICS) wurde eine
Mikroarray-Auswertung gemäß 2.9.3.1 durchgeführt, wobei eine QUANTILE-Normalisierung
und jeweils eine Cluster-Analyse nach „PEARSON UNCENTRED CENTROID“ Anwendung fand.
2.10 Metabolitanalysen
2.10.1 Bestimmung der Gehalte an löslichen Zuckern und Stärke
Die Quantifizierung der löslichen Zucker wurde durch zweimalige Ethanol-Extraktion von ca.
50mg Pflanzenmaterial unter Einsatz von 500µl 80% Ethanol bei 80°C für 90min nach einem
Protokoll von Jones et al. (1977) erzielt. Die flüssige Phase wurde anschließend im Vakuum
verdampft und die eingetrockneten Zucker in 200µl ddH2O aufgenommen. Die löslichen
Zucker Saccharose, Glukose und Fruktose wurden mithilfe des gekoppelten optischen Tests
anhand des Absorptionskoeffizienten von NADH bei einer Wellenlänge von 340nm in einem
Multititerplattenabsorptionslesegerät EL-808 der Firma Bio-TeK quantifiziert. Zur
Stärkebestimmung wurden Blattscheiben nach der Extraktion löslicher Zucker nach dem
Protokoll von Jones et al. (1977) mit Amyloglukosidase (2U/ml, Roche, Mannheim) in
Glukose gespalten, welche ebenfalls in einem gekoppelten enzymatischen Test
spektrophotometrisch bestimmt wurde.
2.10.2 Bestimmung der Zellulosegehalte
Für die Bestimmung der Zellulosegehalte wurden Col-0 Pflanzen und Rap2.9-GFP Pflanzen
unter kontrollierten Bedingungen über einen Zeitraum von 50 Tagen angezogen und von
beiden Linien jeweils alle Blätter sowie jeweils die Hälfte der Petiolen mehrerer Pflanzen zu
je vier Replikaten geerntet. Die Bestimmung der Zellulose erfolgte in einem kolometrischen
Anthron-Kohlenhydrate Nachweis nach Updegraff (1969). Demnach wurden pro biologisches
Replikat 50mg N2-gefrorenes Blattpulver eingewogen und eine zweimalige Extraktion mit
80% EtOH bei 80°C über einen Zeitraum von 20min durchgeführt. Darauf hin wurden die
unlöslichen Bestandteile getrocknet und zweimal mit jeweils 1ml 90% DMSO/ddH20 für 24h
bei RT inkubiert. Nach einer Zentrifugation bei 800rpm wurde das Zellwandpellet gewaschen
(dreimal mit 1ml ddH20 und zweimal mit 0.5ml Aceton), jeweils für 5min bei 6000rpm
zentrifugiert und die Pellets bei 50°C für 30-60min getrocknet. Durch Zugabe von 0.5ml
Essigsäure/Salpetersäure-Reagenz (100ml 80%-ige Essigsäure, 10ml Salpetersäure) wurde
das Pellet resuspendiert und für 30min bei 100°C gekocht. Nach dem Zentrifugieren für 5min
Material und Methoden __________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________
53
bei 6000g wurden die Proben, wie oben erwähnt, gewaschen, zentrifugiert und getrocknet.
Die Pellets wurden in 100µl 70% H2SO4 aufgenommen, für 90min bei RT inkubiert und
abschließend 1.21ml ddH20 zugegeben. 100µl wurden hydrolysiert, indem zur gekühlten
Probe 900µl Anthronreagenz (0.2%-ige Anthrone in H2SO4) zugegeben und nach 15min bei
100°C auf Eis und anschließend bei RT inkubiert wurde. Die oD-Bestimmung erfolgte bei
620nm gegen eine Nullprobe. Die Quantifizierung der Zellulosegehalte erfolgte an Hand
einer Eichgerade mit aufsteigenden Glukosekonzentrationen (0, 5, 10, 25, 50, 100 und 250
nmol), wobei Glucose ab dem H2SO4-Schritt analog behandelt wurde.
2.10.3 Bestimmung der Gehalte an phosphorylierten Intermediaten
und Aminosäuren mit HPLC
Phosphorylierte Intermediate und organische Säuren wurden aus 50mg Blattmaterial unter
Verwendung von Perchlorsäure extrahiert und wie in einer früheren Publikation beschrieben
mithilfe adäquater Standards quantifiziert (Horst et al., 2010). Dabei wurden jeweils 200µl
des entsprechenden Extraktes auf einem ICS3000 Hochleistungsflüssigkeits-
chromatographen (HPLC) System (Dionex, Idstein)), welches mit einem QTrap 3200 Tripel-
Quadrupol Massenspektrometer (Applied Biosystems, Foster City, USA) gekoppelt war, im
MRM Modus analysiert und durch das Programm CHROMELEON v6.8 und DCMS-LINK v1.1
(Dionex) in Kombination mit ANALYST 1.4.1 (Applied Biosystems) kontrolliert. Die
Perchlorsäureextrakte zur Messung der phosphorylierten Intermediate wurden ebenfalls für
die Bestimmung der freien Aminosäuren über eine „reversed-phase“ HPLC und
Fluoreszenzdetektion eingesetzt. Dazu wurden die Proben mit dem Fluoreszenzfarbstoff
AQC/Accq-Taq (6-AMINOQUINOLYL-N-HYDROXYSUCCINIMIDYLCARBAMAT) derivatisiert und
gemäß veröffentlichter Protokolle anhand von Standards quantifiziert (Cohen und Michaud,
1993; Abbasi et al., 2009). Für die PCA-Analyse wurden die Aminosäure- und
phosphorylierten Intermediatgehalte zunächst relativ zur Kontrolle log2 transformiert und für
weitere Analysen verwendet. Statistische Analysen erfolgten mit der VANTED-Software
einschließlich eines WELCH-SATTERTHWAITE T-Tests (Junker et al., 2006). Die PCA der
Metabolitdaten wurde mit der ANALYST 1.5 Software unter zu Hilfenahme des PARETO-
Algorithmus durchgeführt.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
54
3 Ergebnisse
3.1 Auswirkungen multifaktoriellen Stresses auf Arabidopsis
Als sesshafte Lebewesen sind Pflanzen nicht in der Lage, ungünstigen Umweltbedingungen
auszuweichen, so dass es notwendig ist, sich wechselnden Umweltbedingungen
anzupassen. Pflanzen verfügen dazu über ein ausgeklügeltes System an Abwehrreaktionen,
das neben der Adaption an bestehende Klima- und Bodenverhältnisse auch den Schutz vor
Bakterien, Viren, Pilzen, Insekten und anderen Feinden umfasst. In den letzten Jahren sind
vereinzelt Arbeiten publiziert worden, die darauf hinweisen, dass eine Kombination aus
verschiedenen Stressfaktoren zu unvorhersehbaren Veränderungen der pflanzlichen
Physiologie, aber auch der Genexpression führen kann (Rizhsky et al., 2002; Rizhsky et al.,
2004; Rasmussen et al., 2013). Die simultane Existenz von drei Stressfaktoren wurde jedoch
bisher noch nie untersucht. Deshalb sollte im Rahmen dieser Arbeit ein multifaktorielles
Testsystem entwickelt werden, dass es erlaubt, den Einfluss eines Pathogens bei einer
Kombination aus abiotischem und biotischem Stress auf metabolische und transkriptionelle
Änderungen in Arabidopsis thaliana (Arabidopsis) näher zu analysieren. Hierbei sollten nicht
nur Kandidatengene, sondern auch relevante Prozesse für multifaktorielle
Stressbedingungen identifiziert werden.
3.1.1 Etablierung eines multifaktoriellen Stressexperiments
Zunächst galt es ein System zu generieren, das es erlaubt, die molekulare und biochemische
Anpassung von Arabidopsis-Pflanzen an unterschiedliche Stressbedingungen adäquat zu
untersuchen. Die einzelnen Stressfaktoren sollten so gewählt werden, dass ein möglichst
naturnaher Versuchsaufbau gewährleistet war und die einzelnen Stresskomponenten so
moderat gehalten wurden, dass eine Kombination mehrerer Faktoren nicht zu letalen
Schäden führte. Um die Auswirkungen von biotischem Stress zu untersuchen, wurde Turnip
mosaic virus (TuMV) gewählt, ein Virus, der für das Modellsystem Arabidopsis gut geeignet
ist (Martin Martin et al., 1999; Carr und Whitham, 2007). Als abiotische Komponente eines
multifaktoriellen Stressexperimentes wurde - in Anbetracht der zu erwartenden,
bevorstehenden Klimaveränderungen - vorrangig Hitze und Trockenheit gewählt, so dass ein
multifaktorielles Experiment bestehend aus TuMV, Hitze und Trockenheit in Einzel-, Doppel-
und der Triplekombination resultierte. Im nächsten Schritt mussten die optimalen
Bedingungen für die individuellen Stressfaktoren definiert werden. Für die Gewährleistung
eines milden Trockenstresses wurde zunächst eruiert, welche Wassermengen für ein
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
55
optimales Wachstum der Arabidopsis-Pflanzen unter Kontrollbedingungen in den
Klimakammern benötigt werden, und ab welchem Grad des Wasserentzuges Trockenstress
hervorgerufen wird. Schließlich wurde die Trockenheit über eine Bodensonde (DECAGON
DEVICES SENSOR) experimentell bestimmt, indem die Wassermenge reduziert und der
Wasserstatus über die Korrelation einer Eichgerade auf einer Bodenfeuchte von 30% der
Feldkapazität gehalten wurde (Harb et al., 2010). Für die Hitzeapplikation wurden Pflanzen
erhöhten Temperaturen von 32°C tagsüber und 28°C nachts für drei Tage ausgesetzt. In
Arabidopsis-Pflanzen erfolgt die systemische Verbreitung des Virus relativ langsam, weshalb
die Inokulation bereits 21 Tage nach Keimung vorgenommen wurde. Die genannten
biotischen und abiotischen Faktoren wurden schließlich wie in Abbildung 3.1 dargestellt
kombiniert:
Abbildung 3.1: Experimenteller Aufbau des multifaktoriellen Stressexperiments. Die Abbildung illustriert
den experimentellen Aufbau, wie Arabidopsis-Pflanzen simultan mit Hitze, Trockenheit und Virenstress einzeln
und in Kombination behandelt wurden. Nachdem sich der Virus bereits einige Tage vermehren konnte, wurde für
fünf Tage Trockenheit und schließlich drei Tage vor Ernte Hitze appliziert. Als Kontrolle dienten gut-gewässerte
Pflanzen unter Normalbedingungen (22°C tagsüber/18°C nachts). Um die Stärke des Triplestresses
nachzuahmen, wurden Pflanzen in einem unabhängigen Experiment starker Hitze (37°/33°C) ausgesetzt.
Systemisch infizierte Blätter aller singulären bzw. kombinierten Stressbedingungen wurden beprobt. Die
Abbildungen zeigen die Phänotypen von Kontrollpflanzen und hitzegestressten Pflanzen.
Nachdem sich der Virus bereits einige Tage vermehren konnte, wurde für fünf Tage
Trockenheit und schließlich drei Tage vor Ernte zusätzlich Hitze angelegt. Als Kontrolle
dienten gut-gewässerte Pflanzen unter Normalbedingungen (22°C tagsüber/18°C nachts).
Da die Applikation eines dreifachen Stresses sowohl qualitative als auch quantitative
Auswirkungen auf die Pflanzen haben kann, wurde die quantitative Komponente durch
Applikation eines erhöhten Hitzestresses (37°C tagsüber/33°C nachts) nachvollzogen. Nach
der Hitzeapplikation, wurden die Pflanzen physiologisch charakterisiert und Proben von
Ernte
21 Tage nach Keimung 34 dpGKeimung
0
Hitze
Virus
Trockenheit
Hitze- Virus
Trockenheit- Virus
Trockenheit - Hitze
Hitze-Trockenheit- Virus
13 d
5 d
3 dHitze 32°C/28°C
Trockenheit
TuMV
Hitze 37°C/33°C 3 d Starke Hitze
Kontrolle +Hitze
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
56
systemisch infizierten Blättern der jeweiligen Einzelstresssituationen und unterschiedlichen
Stresskombinationen genommen (siehe Abbildung 3.1). Schlussendlich wurden Blattproben
der neun unterschiedlich behandelten Pflanzengruppen zu je vier Replikaten gepoolt und
sowohl metabolischen als auch transkriptionellen Untersuchungen unterzogen.
3.1.2 Physiologische Charakterisierung multifaktoriell gestresster
Arabidopsis-Pflanzen
3.1.2.1 Beeinflussung des Wasserpotentials in multifaktoriell gestressten Pflanzen
Arabidopsis-Pflanzen des Ökotyps Columbia (Col-0) wurden gemäß Abbildung 3.1 sowohl
den Einzelstresssituationen als auch den Kombinationen dieser Stressfaktoren ausgesetzt.
Um sicher zu gehen, dass der experimentelle Wasserentzug zu einer Verminderung des
Wasserpotentials der behandelten Pflanzen führte, wurde das Wasserpotential aller Pflanzen
mit dem PSYPRO Wasserpotentialsystem wie in Material und Methoden näher ausgeführt,
bestimmt.
Tabelle 3.1: Der Einfluss von Einzel- bzw. multifaktoriellem Stress auf das Wasserpotential von
Arabidopsis. Das Wasserpotential wurde durch ein PSYPRO Wasserpotentialsystem, wie in Material und
Methoden beschrieben, gemessen. Alle Daten repräsentieren einen Durchschnitt von ≥10 Pflanzen ±SD. Hitze
(h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh) und Virus-
Trockenheit-Hitze (vdh).
Wie aus Tabelle 3.1 ersichtlich wird, konnte in den Blättern aller Wassermangelsituationen
ein erniedrigtes Wasserpotential gegenüber den Pflanzen der Kontrollsituation ohne Stress
erzielt werden. Beispielsweise konnte unter Trockenheit ein Wasserpotential von -1.31mPa
im Vergleich zu -0.91mPa unter Kontrollbedingungen gemessen werden. Da Trockenheit
üblicherweise zu verringertem Wasserpotential in Pflanzen führt (Sharma et al., 2011;
Behandlung Wasserpotential p
(mPa)
c -0.91 ±0.03
h -1.07 ±0.04
d -1.31 ±0.16
v -1.17 ±0.07
vd -1.27 ±0.10
dh -1.24 ±0.05
vh -1.03 ±0.06
vdh -1.09 ±0.06
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
57
Barzana et al., 2012), lassen die hier gemessenen Wasserpotentialwerte auf Auswirkungen
des applizierten Trockenstresses schließen.
3.1.2.2 Biomassebestimmung von Arabidopsis-Pflanzen in verschiedenen Stresssituationen
Die Messungen der Frisch- und Trockengewichte sowie die Bestimmung der Blattanzahl
sollten die unterschiedlich gestressten Pflanzen zunächst näher charakterisieren. Dabei
wurden für alle Stressbehandlungen Wachstumseinbußen im Vergleich zu den nicht
gestressten Kontrollpflanzen erwartet (Smith und Stitt, 2007; Bechtold et al., 2010; Hummel
et al., 2010). Zum Zeitpunkt der Ernte zeigte sich für alle Einzelstresssituationen eine
signifikante Abnahme der Biomassen im Vergleich zur Kontrolle, die zunahm, sobald
zusätzlich verschiedene Stresssituationen appliziert wurden (siehe Tabelle 3.2).
Tabelle 3.2: Einfluss von multifaktoriellem Stress auf die Biomasse, Blattanzahl und Stomata. Die Tabelle
zeigt, ob Stomata in multifaktoriell gestressten Pflanzen geschlossen oder geöffnet sind. Zum Zeitpunkt der Ernte
wurde das Frischgewicht der gesamten Rosetten unterschiedlich gestresster Pflanzen bestimmt. Für die
Trockengewichtsbestimmung wurden jeweils 10 Pflanzen bei 60°C für drei Tagen getrocknet und die Biomasse
bestimmt. Da die Kontrollpflanzen des Triplestressexperiments vergleichbare Werte hatten, wurden die Daten
vereint. n.b. = nicht bestimmt. Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd),
Virus-Hitze (vh); Virus-Trockenheit-Hitze (vdh) und starke Hitze (sh).
Die Kombination aus Virus und Hitze sowie die Triplestresssituation führten zur niedrigsten
Biomasse und der geringsten Blattanzahl (Tabelle 3.2). Unter Hitzestress richteten sich die
Blätter auf, eine phänotypischen Erscheinung, die charakteristisch für Hitzestress ist (Koini et
al., 2009). Bei den Virus-behandelten Pflanzen wiesen die kleinsten Blätter bereits nach acht
Tagen erste TuMV Symptome, wie reduzierte Größe und Blattverformungen, auf. Ein
Gewebe Pflanze Blatt Stomata
Parameter Frischgewicht
(mg) Trockengewicht
(mg) Anzahl Verhältnis:
Länge/Weite
c 148.83 ±26.45 11.86 ±1.18 7.70 ±0.73 1.36 ±0.09
h 106.44* ±15.81 8.16* ±1.31 8.13 ±0.87 1.18* ±0.11
d 101.63* ±16.23 9.09* ±0.93 7.70 ±0.67 1.53* ±0.09
v 127.53* ±11.72 9.92* ±1.19 7.45 ±0.83 1.27* ±0.14
vd 86.93* ±8.70 8.21* ±1.00 7.66 ±0.55 1.58* ±0.09
dh 75.23* ±4.79 8.53* ±1.12 6.96 ±0.60 1.51* ±0.08
vh 113.03* ±6.44 8.23* ±1.00 6.79* ±0.86 1.46* ±0.10
vdh 76.99* ±10.95 7.46* ±0.84 6.19* ±0.83 1.58* ±0.15
sh 95.80* ±18.53 7.80* ±0.72 7.76 ±0.88 n.b. n.b.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
58
Vergleich der Einzelstresssituationen verdeutlichte jedoch, dass die Applikation von TuMV
trotzdem zur geringsten Biomassenreduktion führte.
3.1.2.3 Stomataverhalten multifaktoriell gestresster Pflanzen
Bekannt ist, dass Pflanzen unter Trockenheit in der Lage sind, ihre Stomata zu schließen,
während unter erhöhten Temperaturen Stomata geöffnet werden (Rizhsky et al., 2002). Erste
Studien zu kombinierten abiotischen Stressbedingungen zeigten, dass bei einer Kombination
aus Hitze und Trockenheit die Stomata ebenfalls geschlossen sind (Rizhsky et al., 2002).
Dieser Befund war Anlass dafür, die Stomata in den kombinierten Stresssituationen im
Vergleich zu den Einzelstresssituationen mikroskopisch genauer zu untersuchen. Wie aus
Tabelle 3.2 ersichtlich wird, kam es auch in diesem multifaktoriellen Experiment, im Einklang
mit den Daten von Rizhsky et al. (2002), sowohl unter Trockenheit als auch unter
Trockenheit in Kombination mit Hitze zu einem Stomataschluss. Werden Virus- und
Trockenstress kombiniert, bleiben die Schließzellen analog ihrer Einzelstressbedingungen
geschlossen. Überraschenderweise waren die Stomata in einer Kombination aus Virus und
Hitze geschlossen, wohingegen der Virus die Stomata nur geringfügig, wenn auch
signifikant, schloss bzw. Hitze zum Öffnen der Stomata führte (Tabelle 3.2). Dies deutet
darauf hin, dass molekulare und physiologische Antworten der Pflanzen, die multifaktoriellem
Stress ausgesetzt sind, nicht abgeschätzt werden können und weiter untersucht werden
müssen.
3.1.3 Metabolomanalysen multifaktoriell gestresster Pflanzen
Nach der Etablierung des multifaktoriellen Stresssystems, wurden die metabolischen
Antworten der Pflanzen auf Einzel- bzw. multifaktoriellen Stress genauer untersucht. Die
Gehaltsbestimmung phosphorylierter Intermediate erfolgte mit einem
Hochleistungsflüssigkeitschromatografen (HPLC), der an ein Tripel-Quadrupol
Massenspektrometer gekoppelt ist, während die Aminosäuremengen mit einer „reversed-
phase“ HPLC und Fluoreszenzdetektion des Fluoreszenzfarbstoff AQC (6-AMINOQUINOLYL-N-
HYDROXYSUCCINIMIDYLCARBAMAT) bestimmt wurden. Eine anschließende hierarchische
Cluster-Analyse der phosphorylierten Intermediate und Aminosäuren ergab eine klare
Trennung der Proben in Abhängigkeit des Hitzestresses (Abbildung 3.2).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
59
Abbildung 3.2: Metabolomprofile
multifaktoriell gestresster Pflanzen.
Eine vergleichende Cluster-Analyse der
Metabolitdaten nach (PEARSON
UNCENTRED) separiert die einzelnen
Bedingungen. Die Metabolitdaten
werden durch je drei Replikate
repräsentiert. Die Farbsättigung ist bei
einer 1.3-fachen Änderung erreicht. Rot
eingefärbte Metabolitwerte deuten
steigende, blau eingefärbte Felder
herunterregulierte Metabolitwerte an.
Hitze (h), Virus (v), Trockenheit (d),
Trockenheit-Hitze (dh), Virus-
Trockenheit (vd), Virus-Hitze (vh) und
Virus-Trockenheit-Hitze (vdh).
Um die Komponenten zu identifizieren, die für diese Trennung im Wesentlichen
verantwortlich waren, wurde eine PRINCIPAL COMPONENT ANALYSIS (PCA-Analyse)
durchgeführt. Nachdem auch hier eine Trennung der Proben nach Hitzestress zu
beobachten war (Abbildung 3.3), wurden die Komponenten, die für die Trennung
verantwortlich sind, näher untersucht. Dabei zeigte sich, dass Komponente 1, die für 47.9%
der Varianz verantwortlich ist, dem Hitzestress zugeordnet werden konnte. Die
interessantesten Komponenten stellten dabei L-His und L-Tyr dar. Die zweite Komponente
der PCA-Analyse, die für 21.5% der Varianz steht, war Trockenheit, wobei L-Prolin, L-
Methionin, L-Serin und L-Glycin den größten Einfluss hatten. Akkumulierende Prolinmengen
wurden unter Trockenstress bereits beschrieben (zusammengefasst in Hanson und Hitz
(1982). Prolin wirkt als Osmolyt und schützt die Zellen vor osmotischem Stress (Hare und
Cress, 1996). Virenstress scheint bei der Applikation der verschiedenen Bedingungen eine
untergeordnete Rolle zu spielen, da es durch keine der nachfolgenden Komponenten
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
60
möglich war, alle Situationen mit Virenstress eindeutig zu trennen (siehe Anhang A1). Diese
Ergebnisse deuten an, dass vor allem Hitze und Trockenheit Einfluss auf die Metabolitdaten
nahmen und im Falle der Trockenheit mit Prolin ein bekannter Marker für eine erfolgreiche
Stressapplikation detektiert wurde.
Abbildung 3.3: PCA-Analyse der Metabolite multifaktoriell gestresster Pflanzen im Vergleich zur
Kontrolle. A) Die PCA-Separation basierend auf Metabolitdaten der verschieden behandelten Pflanzen trennt
durch Komponente eins (47.9%) und zwei (21.5%) Hitze und Trockenheit. B) Für die PCA-Separation
verantwortliche Metabolite. Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd),
Virus-Hitze (vh) und Virus-Trockenheit-Hitze (vdh).
3.1.4 Einfluss der drei Stressfaktoren auf das Transkriptom von
Arabidopsis-Pflanzen
Angesichts der Tatsache, dass die einzelnen Stressbehandlungen durch die Metabolitprofile
klar getrennt werden konnten, stellte sich die Frage, ob auch auf Transkriptebene mithilfe
von Mikroarrays, die die Erfassung von Transkriptänderungen tausender Gene gleichzeitig
erlauben (Redman et al., 2004), die entsprechenden Behandlungen unterschieden und
Transkriptprofile zur Identifizierung interessanter Kandidaten und Prozesse gefunden werden
können. Dazu wurde RNA von Arabidopsis-Blättern der neun verschiedenen
Stresssituationen extrahiert (siehe Abbildung 3.1) und vergleichende Transkriptom-Analysen
mittels Agilent Mikroarray mRNA Hybridisierungen durchgeführt. In einem ersten Schritt
wurden zunächst alle vier Replikate des Triplestressexperiments einschließlich der
singulären Behandlungen und deren Kombinationen analysiert und erst nachfolgend die
A B
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
61
vd vhc vd
-Hitze +Hitze
h dh vdh
Proben der starken Hitzebehandlung mit ihren jeweiligen Kontrollen verglichen. Die weiteren
Analysen und Auswertungen wurden mit der Software Genespring 11.0 durchgeführt, wobei
die Datenpunkte des 44k Chips als features bezeichnet werden, da Gene auch von
mehreren features repräsentiert werden können. Eine Qualitätskontrolle in Form einer PCA
offenbarte einen Ausreißer (singulärer Virenstress), der von den weiteren Analysen
ausgeschlossen wurde. Ein ANOVA-Test der verbleibenden 31 Proben des
Triplestressexperiments erlaubte die Selektion von differentiell regulierten Genen unter
Betonung der Ähnlichkeit innerhalb der Gruppen, so dass die Anzahl der features auf 27870
sank. Eine nachfolgende Cluster-Analyse der Expressionswerte der verbleibenden features
zeigte, dass die Replikatgruppierung stark durch die jeweiligen Behandlungen beeinflusst
war. Hier unterstützen die Transkriptdaten die Beobachtung der Metabolitdaten, dass die
hitzegestressten Pflanzen eindeutig von Proben ohne Hitzestress getrennt werden konnten
(Abbildung 3.4); auch für die Transkriptdaten bildeten hitzegestresste Proben einen isolierten
Zweig. Dies suggeriert, dass die Hitzebehandlung offensichtlich den stärksten Einfluss auf
die Genexpression für die in diesem Versuchsaufbau gewählten Bedingungen hatte.
Innerhalb dieses separaten Zweiges konnte eine Auftrennung der trockengestressten und
virengestressten Pflanzen beobachtet werden. Wurde jedoch kein Hitzestress appliziert, war
die Separierung des Virus im Vergleich zur Kombination aus Trockenheit und Virus nicht
sehr ausgeprägt, was möglicherweise auf die Schwäche des Stresses zurückzuführen ist.
Abbildung 3.4: Transkriptomprofile multifaktoriell gestresster Pflanzen. Eine hierarchische Cluster-Analyse
nach dem EUCLIDIAN-SINGLE- Algorithmus der Genexpressionsdaten von multifaktoriell gestressten Pflanzen. Für
die Analysen wurden mit einer Ausnahme (Virus) jeweils vier biologische Replikate hybridisiert bzw. ausgewertet.
Farbig markierte Kästen zeigen die jeweilige Behandlung an. Hitze (h), Virus (v), Trockenheit (d), Trockenheit-
Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh).
Um die Annahme, dass Hitze den größten Einfluss auf die Genexpression hat, zu
verifizieren, wurde eine PCA-Analyse durchgeführt. Wie in Abbildung 3.5 zu sehen, stellt die
Komponente 1, repräsentiert durch 63.2% der Varianz, Hitze dar, gefolgt von Trockenheit
(14.8%) und Virus (9.9%). Die bisher erzielten Ergebnisse bestätigten, dass alle drei
Stressparameter einen deutlichen Einfluss auf die Mikroarray-Daten hatten und somit ein
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
62
multifaktorielles Stressexperiment erfolgreich etabliert und für nachfolgende Auswertungen
verwendet werden konnte.
Abbildung 3.5: PCA-Analyse der Transkripte multifaktoriell gestresster Pflanzen im Vergleich zur
Kontrolle. A) In einer PCA-Analyse konnten die 27870 Transkripte in Komponente eins nach Hitze (63.2%) und
zwei nach Trockenheit (14.8%) getrennt werden. B) Die PCA-Analyse der 27870 Transkripte zeigt, dass die PCA-
Komponente zwei (14.8%) Trockenheit und drei (9.9%) virusbehandelte Proben separiert. Hitze (h), Virus (v),
Trockenheit (d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh) und Virus-Trockenheit-Hitze
(vdh).
3.1.5 Identifizierung differentiell regulierter Gene in multifaktoriell
gestressten Pflanzen
Mikroarray-Analysen erlauben es, Gene, die in der pflanzlichen Antwort unter verschiedenen
Stressbedingungen exprimiert sind, zu identifizieren. Daher sollte als nächstes untersucht
werden, wie viele Gene spezifisch für die jeweiligen Stressbedingungen verglichen zur
Kontrolle reguliert sind. Dazu wurden nun auch die Proben des starken Hitzeexperiments mit
einbezogen und gegen ihre jeweilige Kontrolle, wie in Material und Methoden beschrieben,
ausgewertet. Mithilfe eines VOLCANO-Blots konnten die mehr als zweifach differentiell
regulierten features gegenüber der Kontrolle identifiziert werden (ungleicher T-Test mit
Annahme ungleicher Varianz, p-Wert ≤ 0.05, Abweichung ≥ 2 und BENJAMINI-HOCHBERG
FALSE DISCOVERY RATE (BHFDR). Die Bestimmung der differentiell regulierten Gene
offenbarte große Unterschiede im Vergleich zu den einzelnen Stressbedingungen (Abbildung
3.6A; die Liste der features können aufgerufen werden unter:
A B
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
63
http://www.plantphysiol.org/content/early/2013/06/10/pp.113.221044/suppl/DC1
(supplemental table II)).
Abbildung 3.6: Anzahl differentiell regulierter Gene multifaktoriell gestresster Pflanzen. A) Dargestellt ist
das Ergebnis von VOLCANO-Blot-Analysen der statistisch signifikanten features für die einzelnen Stresssituationen
im Vergleich zu den Kontrollpflanzen. Die Signifikanzgrenze wurde für eine Änderung größer zwei und einer
BHFDR <0.05 gewählt. B) Venn-Diagramme der differentiell regulierten Gene. Hitze (h), Virus (v), Trockenheit (d),
Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh) und starker Hitze
(sh).
Bemerkenswerterweise stieg die Anzahl der regulierten features mit der Komplexität, aber
auch mit der Stärke des Stresses an. Zum Beispiel, war die Anzahl der regulierten features
unter Trockenheit 518 bzw. unter Virusstress 682 im Vergleich zu den jeweiligen
Kontrollpflanzen relativ gering, stieg aber auf 1744 an sobald Stresskombinationen appliziert
wurden. Dieser Effekt konnte sogar noch gesteigert werden, als zusätzlich Hitze hinzukam:
Dadurch war die Anzahl mit 6681 der regulierten features mehr als dreimal so hoch
(Abbildung 3.6A). Auch unter starker Hitzestressbedingung wurde eine sehr hohe Anzahl
regulierter Gene (8651) detektiert, was auf eine enorme Umprogrammierung des
Transkriptoms als Antwort auf die verschiedenen Stresssituationen hindeutet. Diese Gene
wären vermutlich weder bei der Betrachtung von Einzelstressexperimenten, noch bei einem
Vergleich von mehreren Einzelstresssituationen gefunden worden. Im Rahmen der
multifaktoriellen Stressexperimente stand vor allem der Triplestress im Fokus der
Untersuchungen, weshalb dieser zweimal wiederholt wurde. Die jeweiligen Auswertungen
und der Vergleich der Array-Daten aus drei unabhängigen Experimenten reduzierte die
Anzahl der unter Triplestress differentiell regulierten Gene im Vergleich zur Kontrolle auf
2715.
h
d
v
vd
dh
vh
vdh
severe h
A B
682
1744
6681
8651
4583
518
6366
4624
11
sh3579
dh686
v14
vh309
vd175
d41
h275
vdh29
sh
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
64
Ein wichtiges Ziel der Stressexperimente war es, Gene, die für die Adaptation der Pflanzen
an verschiedene Stressbedingungen relevant sind, zu identifizieren. Dabei stellte sich primär
die Frage, welche features bei unterschiedlichen Stressbedingungen gefunden werden und
damit für die jeweilige Stressbedingung spezifisch sind. Um diese Frage zu beantworten,
wurden die Mikroarray-Daten genutzt und features innerhalb der differentiell regulierten
Gene für die jeweilige Stressbedingung in VENN-Diagrammen dargestellt (Abbildung 3.6B).
Interessanterweise ergaben sich bei dieser Analyse für alle untersuchten Stressbedingungen
elf gemeinsame features, die auch jeweils einzelne Gene repräsentieren (Abbildung 3.6B;
Abbildung 3.7).
Elf gemeinsam regulierte Gene h d v vd dh vh vdh sh AGI-No Gene T-DNA
2.93 1.91 1.64 2.81 3.60 3.55 4.22 3.16 AT1G02850 BGLU11 Keine homozygoten Pflanzen 3.94 1.30 1.82 3.25 5.75 4.02 5.04 3.81 AT1G07900 LBD1 Keine homozygoten Pflanzen 3.11 1.80 1.38 2.78 4.42 3.24 5.23 3.79 AT2G46270 G-BOX BINDING FACTOR 3 Keine homozygoten Pflanzen 3.04 1.13 1.02 1.79 3.17 3.32 3.49 3.24 AT2G37760 aldo/keto reductase family protein Keine homozygoten Pflanzen (nur Promotor) 1.45 3.45 3.23 3.72 2.93 2.82 1.30 -2.13 AT5G57550 XTR3 N684399 (last Exon) -1.80 1.17 1.51 1.96 -1.81 -1.31 -2.35 -5.16 AT5G45000 transmembrane receptor N672283 -1.45 1.48 1.43 1.96 -1.32 -1.43 -2.15 -5.17 AT3G48080 lipase class 3 family protein Keine homozygoten Pflanzen -1.49 1.20 1.16 1.55 -2.50 -1.29 -2.97 -4.63 AT5G16170 hypothetical protein Keine homozygoten Pflanzen -1.60 -1.22 -1.14 -1.40 -3.89 -1.73 -3.84 -1.89 AT4G38850 SAUR15 Keine homozygoten Pflanzen -1.22 -1.09 -1.04 -1.22 -2.21 -1.29 -2.24 -1.58 AT1G53035 hypothetical protein N686343 -2.20 -1.39 -1.00 -1.28 -3.39 -2.04 -4.04 -2.32 AT4G06746 RAP2.9 Keine homozygoten Pflanzen
Abbildung 3.7: Identifikation stressresponsiver Gene in den elf gemeinsam regulierten Genen. Die
Genexpressionstabelle zeigt statistisch signifikante Gene aller Stressapplikationen. Diese Liste ist das Ergebnis
vergleichender Analysen der differentiell regulierten Gene für jede Stressbehandlung. Zusätzlich ist angegeben,
ob homozygote T-DNA Insertionslinien als SALK-Linien erworben werden können. Die Werte sind log2
transformiert und stellen die Änderung zu Kontrollpflanzen dar. Die Farbsättigung ist bei einer 1.3-fachen
Änderung erreicht. Rot eingefärbte Expressionswerte deuten steigende, blau eingefärbte Felder
herunterregulierte Transkriptwerte dar. Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-
Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh) und starke Hitze (sh).
Unter den gemeinsam regulierten Genen befanden sich die Transkriptionsfaktoren Rap2.9
und GBF3, die beide schon in Zusammenhang mit Einzelstress beschrieben wurden
(Sakuma et al., 2002; Shen et al., 2003; Fujita et al., 2005). Neben den gemeinsam
regulierten Genen waren auch Gene interessant, die jeweils nur für eine Stresssituation
spezifisch sind. So ergab die Analyse 29 features, 23 individuelle Gene repräsentierend, die
spezifisch und ausschließlich unter Triplestress reguliert sind (Abbildung 3.6B; Abbildung
3.8).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
65
Abbildung 3.8: Triplestressspezifische Gene. Die Darstellung zeigt
statistisch signifikante Gene, die nur bei einer Kombination aus Hitze,
Virus und Trockenstress mehr als zweifach differentiell reguliert und
statistisch signifikant detektiert werden können. Die Werte sind log2
transformiert und stellen die Änderung zu Kontrollpflanzen dar. Die
Farbsättigung ist bei einer 1.3-fachen Änderung erreicht. Rot
eingefärbte Expressionswerte deuten steigende, blau eingefärbte
Felder herunterregulierte Transkriptwerte dar. Virus-Trockenheit-Hitze
(vdh).
Die meisten der Gene konnten mit Stress assoziiert werden: Darunter zwei
Transkriptionsfaktoren, DEHYDRATION-RESPONSIVE-ELEMENT-BINDING2A (DREB2A) und zwei
Zinkfingerproteine. Zusammengefasst konnten durch die vergleichenden Analysen sowohl
eine kleine Gruppe an Genen identifiziert werden, die gegenüber der Kontrolle unter allen
Stressbedingungen differentiell reguliert ist, als auch Gene die nur in einer individuellen
Situation erfasst werden konnten.
3.1.6 Validierung der differentiell regulierten Gene in multifaktoriell
gestressten Pflanzen
3.1.6.1 T-DNA Insertionsanalysen der gemeinsam regulierten Gene
Die Auswirkungen des Verlusts eines unter verschiedenen Stresssituationen universell
regulierten Gens sollte durch T-DNA-Insertionslinien, die aufgrund ihrer Größe von 5-25 kb
meist zu einer Zerstörung der Genfunktion führen (Krysan et al., 1999), analysiert werden.
Erstaunlicherweise zeigte sich, dass nur für drei der elf Gene homozygote Pflanzen
verfügbar waren, was vermuten lässt, dass die Defekte in den restlichen Genen für die
Pflanzen letal sind (siehe Abbildung 3.7). Für die Gene At5g45000 (SALK_021115C;
N672283), At5g57550 (Salk_108256C; N684399) und At1g53035 (Salk_108256C; N686343)
23 triplestressspezifische Gene vdh AGI-No Gene 3.65 AT5G05410 DREB2A 1.82 AT1G69260 AFP1 1.55 AT2G39110 AT2G39110 1.43 AT3G29140 AT3G29140 1.34 AT1G20470 AT1G20470 1.31 AT1G62620 AT1G62620 1.23 AT5G05810 ATL43 1.20 AT1G29560 AT1G29560 1.17 AT1G62370 AT1G62370 1.17 AT3G57150 NAP57 1.11 AT5G27250 transposable element gene 1.11 AT3G03270 AT3G03270 1.07 AT5G46100 AT5G46100 1.06 AT5G25830 GATA12 1.02 AT4G01790 AT4G01790 -1.00 AT1G20440 COR47 -1.03 AT4G16980 arabinogalactan-protein family -1.10 AT1G14210 AT1G14210 -1.10 AT2G27395 AT2G27395 -1.20 AT3G26960 AT3G26960 -1.55 AT1G76930 EXT4 -1.57 AT3G17050 transposable element gene -1.57 AT2G26530 AR781
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
66
konnten homozygote T-DNA-Insertions-Pflanzen über PCR Analysen identifiziert werden.
Alle Linien wuchsen unter kontrollierten Bedingungen vergleichbar mit dem Wildtyp und
bildeten erfolgreich Samen.
Um zu überprüfen, ob KO-Mutanten (knock-out; KO) der drei ausgewählten Gene unter
Stressbedingungen möglicherweise Auswirkungen auf die Biomasse haben, wurden die
Insertionsmutanten unterschiedlichen Stresssituationen ausgesetzt. Analog des
experimentellen Aufbaus aus Abbildung 3.1 wurden die Mutanten und Col-0 Arabidopsis-
Pflanzen einer Virusbehandlung unterzogen und anschließend für fünf Tage Trockenheit und
zusätzlich einem dreitägigem Hitzestress von 32°C tagsüber und 28°C nachts ausgesetzt.
Für die Applikation der Doppelstresssituation in einem unabhängigen Experiment wurde
lediglich auf die Virusbehandlung verzichtet. Nach den jeweiligen Behandlungen konnten
jedoch keine signifikanten Unterschiede in der Biomasse festgestellt werden, weder
gegenüber den jeweiligen Kontrolllinien unter Triplestress (ca. 70% der verbleibenden
Biomasse) noch unter kombinierter Hitze und Trockenheit (ca. 63% der verbleibenden
Biomasse; siehe Abbildung 3.9). Diese Ergebnisse deuten darauf hin, dass die Funktionen
dieser Gene offensichtlich durch andere Gene kompensiert werden können, weswegen diese
Kandidatengene nicht für weitere Analysen in Betracht gezogen wurden.
Abbildung 3.9: Biomassebestimmung der
gestressten Col-0 sowie der T-DNA
Insertionslinien N686343, N684399 und
N672283. A) Für die Applikation der
Doppelstresssituation wurden die Mutanten
N686343 und N684399 sowie Col-0
Arabidopsis-Pflanzen zunächst fünftägigem
Trockenstress sowie simultan auftretendem
dreitägigem Hitzestress von 32°C tagsüber
und 28°C nachts ausgesetzt. Anschließend
wurde das Frischgewicht der gesamten
Rosetten bestimmt. Die prozentualen
Angaben geben die verbleibende Biomasse
relativ zur jeweiligen Kontrolle wieder. Die
Standardabweichung ergibt sich aus ≤ 18
Pflanzen ±SD. B) Die Linie N672283 wurde
Triplestress, bestehend aus einer TuMV-
Behandlung 14-Tage vor Ernte, einem
fünftägigem Trockenstress, so wie einem
dreitägigem Hitzestress von 32°C tagsüber
und 28°C nachts ausgesetzt und das
Frischgewicht der gesamten Rosetten
bestimmt. Die prozentualen Verhältnisse
spiegeln die verbleibende Biomasse relativ
zur jeweiligen Kontrolle wider. Die
Standardabweichung ergibt sich aus ≤ 8
Pflanzen ±SD.
0
50
100
150
200
250
Frischgew
icht (m
g)
0
50
100
150
200
250
Frischgew
icht (m
g)
71%
69%
68%
63%
62%
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
67
3.1.6.2 Selektierte Ökotypen zeigen erhöhte Stresstoleranz
Im Rahmen der Arbeit wurden in verschiedenen Einzel- und Kombinationsbedingungen elf
gemeinsam regulierte Gene identifiziert, die für die pflanzliche Antwort im Umgang mit Stress
als wichtig erachtet wurden. Den folgenden Experimenten lag die Annahme zugrunde, dass
Arabidopsis Ökotypen, bei denen die selektierten elf gemeinsamen Stressgene bereits unter
Kontrollbedingungen differentiell (bezogen auf Col-0) exprimiert sind, stresstoleranter sein
sollten, als Col-0. Um diese Ökotypen zu identifizieren, wurde in öffentlichen Datenbanken
nach der Expression der elf Gene gesucht. Dazu wurden Informationen über die natürlichen
Varietäten der Arabidopsis-Pflanzen auf der Internetplattform eFP-Browser verwendet, wobei
nur acht der elf Gene verfügbar waren. Von diesen acht Genen wurden zunächst die
Expressionswerte in den einzelnen Ökotypen ermittelt und anschließend eine Cluster-
Analyse unter Einbezug der Expressionswerte in Col-0, die sich in den jeweiligen Einzel- und
kombinierten Stresssituationen ergaben, durchgeführt und in einem Diagramm visualisiert.
Diese Analyse erlaubte die Identifikation von Ökotypen, die unter Kontrollbedingungen
bezüglich dieser acht Gene ähnliche Expressionswerte wie Col-0 Pflanzen unter
verschiedenen Stressbedingungen zeigen. Dazu zählt vor allem NFE1, Li-2:1, und En-T, Er-
0, und Can-0 (siehe Abbildung 3.10).
Abbildung 3.10: Genexpression der
gemeinsam regulierten Gene in Arabidopsis
unter verschiedenen Stressbedingungen
sowie Genexpression dieser Gene in den
einzelnen Ökotypen. Acht der elf gemeinsam
regulierten Gene unter multifaktoriellem Stress
waren im eFP-Browser verfügbar. Die
Expression dieser Gene wurde in 34 Ökotypen
anhand einer Cluster-Analyse (PEARSON
UNCENTRED) mit den Expressionsprofilen der
gestressten Pflanzen verglichen. Die Werte sind
log2 transformiert und stellen die Änderung zu
Col-0 dar. Die Farbsättigung ist bei einer 1.3-
fachen Änderung erreicht. Rot eingefärbte
Expressionswerte deuten steigende, blau
eingefärbte Felder herunterregulierte
Transkriptwerte dar.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
68
Um die Hypothese zu überprüfen, ob Ökotypen, die in der Cluster-Analyse räumlich am
nächsten zu den Stressbedingungen in Col-0 lagen, auch bessere Stresstoleranz zeigten,
wurden die Arabidopsis Ökotypen Can-0, En-T sowie die Kontrollökotypen Col-0 und Van-0
vom Europäischen Arabidopsis Stock Center (Nottingham, Großbritannien) bezogen. Da die
elf Gene in allen Stresssituationen, unabhängig von biotischen oder abiotischen
Stresskombinationen, differentiell reguliert sind wurden die Ökotypen unter
Vernachlässigung von der Temperatur und der Luftfeuchtigkeit unter natürlichen
Wachstumsbedingungen angezogen. Dazu erfolgte die Pflanzenanzucht, wie in Abbildung
3.11A dargestellt, zunächst in einer Pflanzenkammer. Nach zehn Tagen wurden die Pflanzen
ins Gewächshaus, in dem Temperaturen von 24°C bis 30° tagsüber und 21°C- 24°C nachts
sowie eine Luftfeuchtigkeit in einem Schwankungsbereich von 28% bis 80% herrschten,
transferiert. Im Alter von 21 Tagen wurden die Pflanzen für vier Tage kontrolliertem
Trockenstress, wie in Material und Methoden beschrieben, ausgesetzt. Anschließend wurden
Blätter von je 20 Pflanzen unter Trockenheit bzw. gut gewässerten Pflanzen beprobt und die
Biomasse bestimmt. Abbildung 3.11B veranschaulicht, dass es bei allen trockengestressten
Pflanzen zu einer signifikanten Abnahme der Biomasse im Vergleich zu den Kontrollpflanzen
zum Zeitpunkt der Ernte kam.
Abbildung 3.11: Experimenteller
Aufbau eines Stressexperiments
zur Analyse der Stresstoleranz
verschiedener Ökotypen und das
Ergebnis der anschließenden
Biomassebestimmung. A) Ökotypen
wurden unter erhöhten Temperaturen
angezogen und einem kontrollierten
Trockenstress ausgesetzt. Zehn Tage
nach der Keimung in einer
Klimakammer (22°C tagsüber/18°C
nachts) wurden die Pflanzen in das
Gewächshaus unter erhöhten
Temperaturen (durchschnittlich 26°C
tagsüber/nachts) transferiert. Nach
einem viertägigen Trockenstress
wurden jeweils die kompletten
Rosetten geerntet. B) Die Graphik
zeigt das Frischgewicht ganzer
Rosetten nach kontrolliertem
Trockenstress bzw. für die
Kontrollpflanzen für Col-0, Van-0,
Can-0 und En-T. Die prozentualen
Angaben beziehen sich auf die
jeweiligen Kontrollpflanzen. Die
Standardabweichung ergibt sich aus
17-19 Pflanzen ±SD.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
69
Interessanterweise unterschieden sich jedoch die prozentualen Biomassen der Ökotypen im
Verhältnis zu ihren jeweiligen Kontrollen. So legten Col-0 und Van-0 61% bzw. 63% der
verbleibenden Biomasse an den Tag, wohingegen die Ökotypen Can-0 und En-T nach
Trockenstress noch mehr als 72% ihrer Biomassen aufwiesen. Diese
Biomassebestimmungen erlaubten eine Klassifizierung der Ökotypen in zwei Gruppen: Col-0
und Van-0 sowie Can-0 und En-T. Mit Can-0 und En-T zeigten die Ökotypen ein
verbessertes Abschneiden unter kombinierten Stressbedingungen, die zuvor in der Cluster-
Analyse aufgrund ähnlicher Expressionprofile räumlich nahe bei den elf gemeinsam
regulierten Gene unter Einzel- bzw. multifaktoriellem Stress gefunden wurden und somit als
Kandidaten für eine verbesserte Stresstoleranz erachtet wurden. Diese Befunde zeigen,
dass es eine positive Beziehung zwischen den Expressionsniveaus der selektierten Gene
und einer Toleranz gegenüber diversen Stressbedingungen gibt und die universell
regulierten Gene eventuell als Indikatoren für Stresstoleranz erachtet werden können.
Inwieweit diese Annahme für andere Ökotypen zutrifft, muss in weiteren Experimenten
geprüft werden.
3.1.6.3 Rap2.9-GFP – physiologische und molekulare Charakterisierung
Die Mikroarray-Analysen zu den triplegestressten Pflanzen lieferten elf Gene, die in allen
untersuchten Stressbedingungen differentiell reguliert waren. Darunter befand sich Rap2.9,
ein Transkriptionsfaktor der im Zusammenhang mit Stressantworten unter
Einzelstresssituationen schon beschrieben wurde (Sakuma et al., 2002; Shen et al., 2003).
Um dessen subzelluläre Lokalisierung zu überprüfen, wurde das grün-fluoreszierende
Protein (GFP) zunächst an den C-Terminus von Rap2.9 im Vektor pK7FWG2 (Karimi et al.,
2002) fusioniert und das Fusionsprotein mittels Agrobakterien-Infiltration in N. benthamiana
transient exprimiert. Das Ergebnis der Konfokalen Laserscanning Mikroskopie (KLSM) zeigte
Rap2.9-GFP eindeutig im Kern (siehe Abbildung 3.12). Die GFP-Akkumulation erfolgte dabei
im Wesentlichen im Nukleolus. Durch Western Blot Analysen unter Verwendung eines GFP-
spezifischen Antikörpers wurde die Präsenz des Rap2.9-GFPs in der erwarteten
Bandenhöhe verifiziert (Abbildung 3.13).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
70
Abbildung 3.12: Transiente Lokalisationsstudien von Rap2.9-GFP in N. benthamiana. Das Fusionsprotein
Rap2.9-GPF wurde mittels Agrobakterien-Infiltration in N. benthamiana transient exprimiert und 48 Stunden nach
Infiltration am KLSM im Nukleolus des Kerns lokalisiert. Die Länge der Standardbalken entspricht jeweils 10μm.
Abbildung 3.13: Proteinnachweis von Rap2.9-GFP in N.
benthamiana. Das Fusionsprotein Rap2.9-GPF wurde mittels
Agrobakterien-Infiltration in N. benthamiana transient exprimiert
und 48 Stunden nach Infiltration Proben mit dem 5er Stanzer
genommen. Nach dem Aufarbeiten in 70µl LÄMMLI-Puffer wurden
15µl auf ein 12%-iges Bis-Tris-Gel geladen. Das Rap2.9-GFP
wurde mithilfe des anti-GFP Antikörpers in erwarteter Höhe von
ca. 44.1kDa detektiert.
Für fortführende Experimente wurde Rap2.9-GFP stabil in Arabidopsis-Pflanzen exprimiert
und positive Pflanzen mittels Western Blot Analysen selektiert (siehe Abbildung 3.14). Positiv
getestete Rap2.9-GFP Pflanzen zeigten dabei interessanterweise im Vergleich zu Col-0
Pflanzen einen auffälligen Phänotyp (siehe Abbildung 3.14). Dieser Phänotyp manifestierte
sich in verlängerten Petiolen sowie verkleinerten und gegen den Uhrzeigersinn
ausgerichteten Blättern und weist damit erstaunliche Ähnlichkeit zu Phytochrom B-Mutanten
in Arabidopsis auf (Kim et al., 2014).
Durchlicht
Überlapp
GFP
Rap
2.9
OE-
GFP
α-GFP
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
71
Abbildung 3.14: Proteinnachweis und Wachstumsphänotyp der transgenen Linie Rap2.9-GFP (OE1 und
OE2) im Vergleich zum Col-0 Wildtyp. Mithilfe von Agrobakterien wurde das C-terminale GFP-Fusionskonstrukt
Rap2.9-GFP, welches in den pK7FWG2 Gateway Vektor kloniert wurde, stabil in Arabidopsis-Pflanzen
transformiert. Für den Proteinnachweis wurden Proben mit dem 5er Stanzer genommen, mit 70µl LÄMMLI-Puffer
aufgearbeitet und davon 15µl auf ein 12%-iges Bis-Tris-Gel geladen. Das Rap2.9-GFP wurde mithilfe des anti-
GFP Antikörpers in erwarteter Höhe von ca. 44.1kDa in zwei unabhängigen Linien (OE1 und OE2) detektiert
(links). Bereits nach drei Wochen zeigten Rap2.9-GFP Pflanzen (OE1) einen auffälligen Phänotyp im Vergleich
zum Wildtyp. Neben sehr schmalen Blättern waren die Petiolen deutlich verlängert (rechts). OE2 Pflanzen hatten
den gleichen Phänotyp.
Lokalisationsstudien ließen auch in den stabil exprimierenden Pflanzen eine Lokalisation des
Rap2.9-GFP Konstrukts im Nukleolus erkennen (siehe Abbildung 3.15). In den Rap2.9-GFP
Pflanzen war auffällig, dass nicht nur die Epidermiszellen verkleinert sind, sondern auch
erstaunlich viele Stomata GFP-Fluoreszenz im Kern zeigten. Um die Beobachtung einer
erhöhten Anzahl an Stomatazellen zu verifizieren, wurde der Stomataindex für Rap2.9-GFP
Pflanzen und Col-0 Pflanzen bestimmt, indem das Verhältnis aus Schließzellen zu
Epidermiszellen bestimmt wurde. Das Ergebnisse offenbarte, dass in Rap2.9-GFP Pflanzen
signifikant mehr Stomatazellen vorhanden sind als in Col-0 Pflanzen (siehe Abbildung 3.16).
- -
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
72
Abbildung 3.15: GFP-Fluoreszenz in Blättern der transgenen Rap2.9-GFP Pflanzen. Das Fusionsprotein
Rap2.9-GPF wurde mittels Agrobakterien-Infiltration stabil in Arabidopsis-Pflanzen transformiert. Eine KLSM-
Aufnahme zeigt das GFP-Signal im Nukleolus des Kerns. Die Länge der Standardbalken entspricht jeweils 10μm.
GFP Durchlicht
Rap
2.9
OE-
GFP
Überlapp
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
73
Abbildung 3.16: Stomataindex in der transgenen Linie Rap2.9-GFP im Vergleich zum Col-0 Wildtyp.
Arabidopsis-Pflanzen Col-0 und Rap2.9-GFP überexprimierende Pflanzen wurden unter kontrollierten
Bedingungen angezogen und 53 Tage nach Keimung der Stomataindex gemäß McElwain und Chaloner (1995) in
Blättern bestimmt (15 Replikate wurden ausgwertet). Exemplarisch ist eine mikroskopische Aufnahme der
Stomata bzw. Epidermiszellen von Rap2.9 und Col-0 unter dem 40-fachen Objektiv zu sehen. Der Größenbalken
entspricht 50µm. Die Stomata wurden von Ulrich Hirschmüller im Rahmen einer Masterarbeit ausgewertet.
Für eine nähere Charakterisierung von Rap2.9-GFP Pflanzen unter Kontrollbedingungen,
wurden Mikroarray-Analysen durchgeführt. Dazu wurden sowohl Col-0 als auch Rap2.9-GFP
Pflanzen für einen Zeitraum von 50 Tagen unter kontrollierten Bedingungen angezogen und
anschließend das gesamte Blattmaterial mit Petiolenansatz vor Ende der Lichtperiode
beprobt. Für die anschließenden Hybridisierungen wurde RNA von vier unabhängigen
biologischen Replikaten eingesetzt. Dabei erlaubten sowohl eine PCA-Analyse als auch eine
Cluster-Analyse eine klare Trennung der transgenen Pflanzen von den Col-0 Pflanzen (siehe
Anhang 2). Fortführende Mikroarray-Auswertungen ergaben insgesamt 1987 statistisch
signifikante und mehr als zweifach differentiell regulierte features in Rap2.9-GFP Pflanzen im
Vergleich zu Col-0. Für eine Zuordnung dieser features wurde zunächst eine funktionelle
Kategorisierung durchgeführt, indem diese in hoch- bzw. herunterregulierte features
eingeteilt und gemäß den Kategorien nach den MAPMAN bins
(mapman.gabipd.org/web/guest/mapmanstore) zugeordnet wurden.
0
10
20
30
40
50
Col-0 Rap2.9-GFP
Sto
mta
ind
ex
(%)
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
74
Abbildung 3.17: Funktionelle Kategorisierung der hoch- bzw. herunterregulierten features in Rap2.9-GFP
Pflanzen im Vergleich zu Col-0 unter Kontrollbedingungen. Transkripte von Rap2.9, die im Vergleich zur
Kontrollbedingung mehr als zweifach differentiell reguliert waren, wurden in hoch- bzw. herunterregulierte Gene
eingeteilt. Anschließend wurden diese funktionellen Kategorien gemäß einer Klassifikation von MAPMAN
zugeordnet. Die Zahlen geben dabei das Verhältnis an, das sich aus dem prozentualen Anteil signifikant
regulierter Genen einer spezifischen funktionellen Gruppe und dem prozentualen Anteil dieser features zum
gesamten Chip ergibt. Hochregulierte features wurden dabei als positive, herunterregulierte als negative Werte
deklariert.
In Abbildung 3.17 sind die Anreicherungen der einzelnen Kategorien zu sehen, die sich aus
dem Verhältnis der differentiell regulierten Gene innerhalb einer Behandlung relativ zum
Verhältnis der Kategorie zum gesamten Chip ergaben. Bei den hochregulierten Gruppen
waren in erster Linie die Kategorien sekundärer Metabolismus, Hormonmetabolismus und
Tetrapyrrolsynthese auffällig. Eine detaillierte Auswertung dieser Gruppen führt vor Augen,
dass vor allem Gene des Salizylsäure (SA)-Weges und der Biosynthese von Auxin
hochreguliert waren (siehe Anhang A3). Außerdem waren zahlreiche Gene der Phenol- und
Phenylpropanoidbiosynthese differentiell reguliert. Im Vergleich zu den hochregulierten
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
75
features sticht bei den herunterregulierten Kategorien die Zellwandsynthese hervor. Eine
nähere Analyse dieser Gene zeigte, dass vor allem die Zellwandmodifikation, aber auch die
Zellulosebiosynthese betroffen sind (siehe Anhang A3). Insgesamt weisen diese
Genexpressionsdaten der Rap2.9-GFP Pflanzen nicht nur auf eine veränderte
Zellwandstruktur, sondern auch auf verändertes Streckungswachstum bzw. hormonelle
Veränderungen hin, die im Rahmen der Stressantwort eine Rolle spielen könnten. Zur
Verifizierung der beobachteten Transkriptveränderungen wurden sowohl die Zellulosegehalte
in den Blättern überprüft als auch die Zellen der Rap2.9-GFP Pflanzen mikroskopisch
analysiert. Abbildung 3.18 ist zu entnehmen, dass analog zu den herunterregulierten
Transkripten der Zellulosesynthese die gemessenen Zellulosemengen nur 56% des Gehalts
in Col-0 ausmachten.
Abbildung 3.18: Blattzellulosegehalte der Col-0
und Rap2.9-GFP Pflanzen. Die Zellulosegehalte
der Blätter in Col-0 und Rap2.9-GFP Pflanzen
wurden nach der Methode von Updegraff (1969)
von Ulrich Hirschmüller bestimmt. Dazu wurden die
Pflanzen unter kontrollierten Bedingungen
angezogen (siehe Material und Methoden) und im
Alter von 50 Tagen alle Blätter sowie der
Stielansatz für die Messung der Zellulosegehalte
verwendet. Die Standardabweichung ergibt sich
aus vier Replikaten. Statistische Unterschiede der
Rap2.9-GFP Pflanzen wurden durch einen
zweiseitigen T-Test unter Annahme gleicher
Varianz ermittelt und mit einem Stern versehen
(*p<0.05).
In nächsten Schritt sollte die Stresstoleranz der Rap2.9-GPF Pflanzen untersucht werden.
Da die Blätter der Rap2.9-GPF Pflanzen mehr Stomata als Col-0 Pflanzen aufwiesen (siehe
Abbildung 3.16), wurden zunächst die Auswirkungen von Trockenstress auf Rap2.9-GFP
Pflanzen mit Col-0 Pflanzen verglichen. Dazu wurden Pflanzen über einen Zeitraum von 35
Tagen unter kontrollierten Bedingungen angezogen und anschließend achttägigem
Wasserentzug ausgesetzt. Abbildung 3.19 zeigt zwar deutliche Wachstumeinbußen bei Col-
0 Pflanzen unter Trockenheit, jedoch sind keine absterbenden Blätter detektierbar. Rap2.9-
GFP Pflanzen weisen hingegen deutlich dehydrierte, zum Teil nekrotische, Blätter auf.
Zudem konnten vor allem an den Blattunterseiten deutliche Anthocyanakkumulationen
festgestellt werden. Einen 28 Tage dauerenden Trockenstress und eine anschließende
0
0.1
0.2
0.3
0.4
0.5
Col-0 Rap2.9-GFP
‰ Z
ellu
lose
pro
g F
risch
ge
wic
ht
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
76
Regenerationsphase über sechs Tage überlebten nur 7% der Rap2.9-GFP Pflanzen, jedoch
62% der Col-0 Pflanzen (mehr als 15 Pflanzen wurden jeweils ausgewertet).
Abbildung 3.19: Phänotypen der Col-0 und Rap2.9-GFP Pflanzen unter Kontrollbedingungen und
Trockenheit. Rap2.9-GFP Pflanzen wurden im Alter von 35 Tagen unter kontrollierten Bedingungen
Trockenstress über einen Zeitraum von acht Tagen ausgesetzt. Rap2.9-GPF Pflanzen zeigen mit dehydrierten
Blättern deutliche Stressymptome, die bei Col-0 Pflanzen deutlicher schwächer ausgeprägt sind.
Die Applikation verschiedener Stressfaktoren führte im Rahmen der multiparallelen
Stressexperimente in allen Stresssituationen zu einer reduzierten Biomasse (siehe Tabelle
3.2). Ein Vergleich der einzelnen Stresssituationen zeigte zudem, dass der Biomasseverlust
in den kombinierten Stresssituationen höher war als in den Einzelstresssituationen (siehe
Tabelle 3.2). Betrachtet man das Expressionprofil von Rap2.9 in den jeweiligen
Stresssituationen, lässt sich eine positive Korrelation zwischen der Expressionshöhe von
Rap2.9 und der Biomasseabnahme in den einzelnen Stresssituationen feststellen (siehe
Abbildung 3.20A). Legt man diesen Zusammenhang aus Transkriptmenge und Biomasse
zugrunde, könnte die Möglichkeit bestehen, dass transgene Rap2.9 Pflanzen unter
Stressbedingungen einen geringen Biomasseverlust zeigen. Zur Überprüfung der Hypothese
wurden Rap2.9-GFP und Col-0 Pflanzen einem Stressexperiment bestehend aus
siebentägigem Trockenstress und gleichzeitiger Applikation von Hitze über einen Zeitraum
von fünf Tagen unterzogen. Nach einer Regenerationsphase von drei Tagen ergab eine
Biomassebestimmung, dass nur 55% der noch vorhandenen Biomasse für Col-0 unter
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
77
Trockenheit und Hitze im Vergleich zur Kontrollbedingungen vorlagen, wohingegen Rap2.9-
GFP immerhin 64% der Biomasse im Vergleich zur Kontrollbedingungen nach Trockenstress
aufwiesen. Allerdings sind die Rap2.9-GFP Pflanzen mit einer Biomasse von 800mg bereits
unter Kontrollbedingungen mit einem Gewicht von mehr als 1000mg Frischgewicht deutlich
leichter als Col-0 Pflanzen. Offensichtlich trägt eine Überexpression von Rap2.9 zu einem
verbesserten Abschneiden der Pflanze unter Stressbedingungen bzw. zu einer verbesserten
Regeneration nach Stressapplikation bei, wobei die Rap2.9-GFP Pflanzen durch ihre Größe
bereits einen Vorteil erzielen könnten. Während der Regenerationsphase zeigten sich die
Rap2.9-GFP Pflanzen dahingehend auffällig, dass sich ihre Blätter im Vergleich zu Col-0
während der Regenerationsphase deutlich langsamer absenkten (siehe Abbildung 3.20C).
Abbildung 3.20: Korrelation der Genexpression von Rap2.9 im Vergleich zu Col-0 unter verschiedenen
Stressbedingungen und Bestimmung der Biomasse nach Hitze und Trockenapplikation. A) Dargestellt ist
die Genexpression von Rap2.9 in den verschiedenen Stresssituationen des multiparallen Stressexperiments
aufgetragen gegen den Biomasseverlust in den einzelnen Stressbedingungen. B) Die Tabelle zeigt das
Frischgewicht ganzer Rosetten 50 Tage alter Pflanzen nach kontrollierter Trockenheit (zwei Tage) und
anschließendem Kombinationsstress aus Hitze und Trockenheit (35°C tagsüber/31°C nachts für fünf Tage) für
Rap2.9 und Col-0. Die Standardabweichung ergibt sich aus mehr als 13 Pflanzen. C) Phänotyp der Col-0 und
Rap2.9 Pflanzen in der Regeneration nach Hitze und Trockenheit. Die Photos wurden 14 Stunden nach
Stressapplikation unter Kontrollbedingungen (22°C/18°C) aufgenommen und zeigen ein verzögertes Senken der
Blätter.
h
d v
dh
vd
vh
vdh
R² = 0.5226
-6
-4
-2
0
0 20 40 60
Ge
ne
xpre
ssio
n (
Rap
2.9
) im
V
erg
leic
h z
ur
Ko
ntr
olle
(lo
g 2)
Biomasseverlust nach Stressapplikation
0
200
400
600
800
1000
1200
1400
Col-0con
Col-0dh
Rap2.9con
Rap2.9dh
Fris
chge
wic
ht
(mg)
Rap2.9 nach Hitze
Col-0 nach Hitze
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
78
3.1.6.4 HSFA7B - ein triplestressspezifischer Transkriptionsfaktor
Mikroarray-Analysen multifaktoriell gestresster Arabidopsis-Pflanzen, die Hitze, Trockenheit
und Virus simultan ausgesetzt waren, erlaubten nicht nur die Detektion von elf Genen, die in
allen Situationen reguliert sind, sondern auch die Identifikation von situationsspezifischen
Genen. Im Rahmen des initialen multifaktoriellen Stressexperiments konnten 1196 Gene
identifiziert werden, die triplestressspezifisch sind. Unter diesen 1196 Genen befanden sich
41 herunterregulierte und 76 hochregulierte Transkriptionsfaktoren (siehe Anhang A4). Das
markanteste Profil zeigte dabei der Transkriptionsfaktor HSFA7B. Während in den
Einzelstresssituationen Hitze, Trockenheit und Virus ebenso wie in den
Doppelstresssituationen keine Unterschiede im HSFA7B-Expressionsniveau im Vergleich zur
Kontrollsituation gefunden werden konnten, konnte erstaunlicherweise eine 20-fache
Hochregulation der Expression dieses Transkriptionsfaktors in der simultanen Kombination
aller Stressfaktoren ausfindig gemacht werden (siehe Abbildung 3.21).
Abbildung 3.21: Expressionsprofil des Transkriptionsfaktors HSFA7B unter biotischem und abiotischem
Stress im Vergleich zur Kontrolle. Dargestellt ist das Expressionsprofil des Gens HSFA7B unter den
Bedingungen Hitze (h), Trockenheit (d), Trockenheit und Hitze (dh), TuMV (v), TuMV und Trockenheit (vd), TuMV
und Hitze (vh) sowie der Dreifachstresssituation (vdh) im Vergleich zur Kontrollbedingungen.
Auch wenn in den beiden zu späteren Zeitpunkten, unabhängig durchgeführten
Wiederholungen des Triplestressexperiments kein signifikant reguliertes HSFA7B-
Expressionsniveau in den Mikroarray-Analysen detektiert werden konnte (nur noch 29
triplespezifische Gene; siehe Abbildung 3.6B; siehe Abbildung 3.8), schien das
Expressionsprofil bemerkenswert, zumal in der öffentlichen Datenbank des eFP-Browsers
(http://bbc.botany.utoronto.ca/efp/cgi-bin/efpWeb.cgi) nach Stressapplikation lediglich nach
einer Stunde eine Hochregulation der HSFA7B Transkriptmenge feststellbar ist. Entweder
spielt HSFA7B nur unmittlebar nach Hitzeapplikation eine Rolle, oder es handelt sich
-1
1
3
5
h d dh v vd vh vhdGen
exp
ressio
n H
SF
A7B
im
V
erg
leic
h z
ur
Ko
ntr
oll
e (
log
2)
HSFA7B
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
79
möglicherweise bei HSFA7B um keinen klassischen Hitzeschockfaktor. Deshalb sollte zur
weiteren Untersuchung dieses triplespezifischen Transkriptionsfaktors ein synthetisches Gen
generiert und überexprimiert werden, um epigenetische Herunterregulierung der Expression
des Gens zu vermeiden. Durch Ausnutzung der Wobble-Positionen wurde die Kodierregion
des HSFA7B-Gens so verändert, dass keine Bereiche länger als 21 Basen identisch mit dem
endogenen HSFA7B Gen waren (siehe Anhang A5). Das synthetische Gen wurde in den
Vektor pRB35S-GW-3xmyc (Bartetzko et al., 2009) kloniert (siehe Abbildung 3.22), wodurch
eine konstitutive Expression eines affinitätsmarkierten (3xmyc) HSFA7B Proteins ermöglicht
wurde.
Abbildung 3.22: HSFA7B im pRB-35S-GW-3xmyc-Vektor. Das HSFA7B Gen wurde synthetisch hergestellt
und in den pRB-35S-GW-3xmyc-Vektor (Bartetzko et al., 2009) kloniert. Das resultierende Konstrukt wird als
HSFA7B-myc bezeichnet.
Nach der erfolgreichen Klonierung von HSFA7B-myc wurde das Konstrukt in Agrobakterien
transformiert, über die floral dip Methode (siehe Material und Methoden 2.3.2) in Col-0
Pflanzen transferiert und anschließend über kanamycinhaltige Platten transgene Pflanzen
selektioniert. Western Blot Analysen mit Antikörpern gegen den Myc-Anhang bestätigten die
Größe und Intaktheit der Proteine bei jeweils ca. 36kDa (siehe Abbildung 3.23).
Abbildung 3.23: Nachweis des HSFA7B-myc Proteins in stabilen Arabidopsis Linien. Ein
synthetisches Gen von HSFA7B wurde mit myc-tag im pRB:35S-Vektor versehen und stabil in
Arabidopsis transformiert. Über den anti-myc Antikörper wurden HSFA7B-myc exprimierende Pflanzen selektiert. Dazu wurden Blattproben mit dem 5er Stanzer genommen, mit 70µl LÄMMLI-Puffer versetzt und davon 15µl auf ein 12%-iges Bis-Tris-Gel geladen. Ein anti-myc Antikörper detektierte HSFA7B-myc Pflanzen in erwarteter Höhe von ca. 36kDa.
BamHI SalI
Myc Myc Myc
Sa
cII (
149
bp)
846bp
AACA CaMV35-S
30
50
65
6
HSFA7B-myc
WT X1 7
Anti-myc
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
80
Die positiv selektionierten HSFA7B-myc Pflanzen wurden zusammen mit Col-0 Pflanzen bis
zu einem Alter von 36 Tagen unter kontrollierten Bedingungen angezogen und Blattproben,
gepoolt zu vier unabhängigen Replikaten am Ende des Tages genommen und RNA
extrahiert. Fortführende Mikroarray-Analysen erlaubte die Hybridisierung von drei Col-0
Pflanzen und vier HSFA7B-myc Pflanzen. Eine anschließende Cluster-Analyse nach
PEARSON UNCENTRED ermöglichte allerdings keine klare Aufgliederung der Genotypen (siehe
Anhang A6). Demnach unterschieden sich die transgenen Pflanzen im Vergleich zu Col-0 in
nur acht Genen, die in Abbildung 3.24 gelistet sind. Zusätzlich wurden die HSFA7B-myc
Pflanzen auch unter multiparallelen Stressbedingungen analog Kapitel 3.1.1 angebaut,
allerdings konnten unter den gewählten Stressbedingungen von drei Tagen Triplestress
keine Biomasseunterschiede im Vergleich zu den Kontrollpflanzen ausfindig gemacht
werden.
feature
HSFA7B-myc
vs Col-0 AGI-No Description
A_84_P23845 1.77 AT2G43840 UDP-glycosyltransferase 74 F1 (UGT74F1)
A_84_P13014 2.75 AT5G12110 Elongation factor 1-beta 1
A_84_P20938 3.02 AT1G69880 thioredoxin H8 (TH8)
A_84_P725341 -3.13 AT1G53490 RING/U-box domain-containing protein
A_84_P19166 3.76 AT2G36750 cytokinin-O-glucosyltransferase 1 (UGT73C1)
A_84_P11480 6.19 AT1G53480 mto 1 responding down 1 protein (MRD1)
A_84_P545044 4.29 AT5G03090 uncharacterized protein
A_84_P75644 4.30 AT2G05440 glycine-rich protein 9 (GRP9)
Abbildung 3.24: Transkriptionelle Änderungen in den HSFA7B-myc Pflanzen im Vergleich zu Col-0 unter
Kontrollbedingungen. Dargestellt sind die Änderung der differentiell exprimierten features der transgenen
Pflanzen HSFA7B-myc im Vergleich zu Col-0 Pflanzen unter Normalbedingungen. Die Werte sind log2
transformiert. Die Farbsättigung ist bei einer 1.3-fachen Änderung erreicht. Rot eingefärbte Expressionswerte
deuten steigende, blau eingefärbte Felder herunterregulierte Transkriptwerte an.
In einer fortführenden Analyse wurde überprüft, ob die acht differentiell regulierten Gene in
den HSFA7B-myc Pflanzen Transkriptionsfaktorbindestellen für HSFs besitzen. Unter zu
Hilfenahme des Online-Werkzeugs ATHAMAP (http://www.athamap.de; Steffens et al., 2004)
konnte in silico lediglich für At5g03090, einem uncharakterisierten Protein, eine HSF-
Bindestelle detektiert werden. Um zu überprüfen, ob eine Korrelation zwischen den HSFA7B-
myc regulierten Genen und den Expressionsmustern in Col-0 unter multiparallelen
Stressbedingungen besteht, wurden die Expressionsprofile der HSFA7B-myc regulierten
Gene im Datensatz der multifaktoriellen Stressexperimente überprüft. In diesen
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
81
Stressexperimenten konnten nur die Hälfte der HSFA7B-myc regulierten Gene exprimiert
gefunden werden: At2g43840 und At5g12110 waren in nahezu allen Situationen hoch-
reguliert, wohingegen At2g36750 und At2g05440 ein heterogenes Muster aufwiesen (siehe
Abbildung 3.25).
feature AGI-No h d v vd dh vh vdh gene name
A_84_P23845 AT2G43840 0.92 0.25 0.02 0.11 1.30 0.93 1.53 UGT74F1
A_84_P13014 AT5G12110 4.17 0.27 0.09 0.42 5.19 5.42 6.20 AT5G12110
A_84_P20938 n.s. n.s. n.s. n.s. n.s. n.s. n.s. n.s.
A_84_P725341 n.s. n.s. n.s. n.s. n.s. n.s. n.s. n.s.
A_84_P19166 AT2G36750 0.80 -0.61 -0.38 -0.66 2.28 0.85 3.44 UGT73C1
A_84_P11480 n.s. n.s. n.s. n.s. n.s. n.s. n.s. n.s.
A_84_P545044 n.s. n.s. n.s. n.s. n.s. n.s. n.s. n.s.
A_84_P75644 AT2G05440 -1.28 0.01 0.41 0.15 -1.19 -1.37 -0.84 GRP9
Abbildung 3.25: Transkriptionelle Änderungen der HSFA7B-myc regulierten Gene im Datensatz der
multifaktoriellen Stressexperimente im Vergleich zu Col-0 unter Kontrollbedingungen. Dargestellt sind die
Änderungen der differentiell exprimierten features der transgenen Pflanzen HSFA7B-myc in den verschiedenen
Situationen. Die Werte sind log2 transformiert. n.s. = nicht signifikant in der zugrundeliegenden T-TEST
korrigierten Liste bei einem Vergleich aller multifaktorieller Stressbedingungen. Die Farbsättigung ist bei einer 1.3-
fachen Änderung erreicht. Rot eingefärbte Expressionswerte deuten steigende, blau eingefärbte Felder
herunterregulierte Expressionswerte an.
3.1.7 Primärer C-Metabolismus ist unter allen Stressbedingungen
herunterreguliert
Ziel der Arbeit war es nicht nur einzelne Kandidatengene zu identifizieren, sondern auch
Prozesse ausfindig zu machen, die durch die verschiedenen Stressbedingungen beeinflusst
werden. Um einen kompakten Überblick über die komplexen Stressantworten der Pflanzen
als Reaktion auf sich verändernde Umwelteinflüsse zu bekommen, wurden die differentiell
regulierten features einerseits in hoch-, anderseits in herunterregulierte features eingeteilt.
Anschließend wurde eine funktionelle Kategorisierung basierend auf den MAPMAN bins
durchgeführt (mapman.gabipd.org/web/guest/mapmanstore). Für jede Kategorie, wurde
dafür das Verhältnis der differentiell regulierten Gene innerhalb einer Behandlung relativ zum
Verhältnis der Kategorie zum gesamten Chip bestimmt. Die funktionellen Kategorien sowie
die entsprechenden Anreicherungen sind in Tabelle 3.3 abgebildet.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
82
Tabelle 3.3: Funktionelle Kategorisierung der hoch- bzw. herunterregulierten features von Arabidopsis-
Pflanzen, die individuellem oder kombiniertem Stress ausgesetzt waren. Für jede Stressbehandlung
ergaben sich im Vergleich zur Kontrollbedingung differentiell regulierte Gene, die in hoch- bzw. herunterregulierte
Gene eingeteilt wurden. Anschließend wurden diese funktionellen Kategorien gemäß einer Klassifikation von
MAPMAN zugeordnet. Die Zahlen geben für die jeweilige Stressbedingung das Verhältnis an, das sich aus dem
prozentualen Anteil signifikant regulierter Genen einer spezifischen funktionellen Gruppe und dem prozentualen
Anteil dieser features zum gesamten Chip ergibt. Hochregulierte features wurden dabei als positive,
Relative Anreicherung der hochregulierten features Relative Anreicherung der runterregulierten features
Kategorie h d v vd dh vh vdh sh h d v vd dh vh vdh sh
Photosynthese 0.04 0.00 0.00 0.09 0.21 0.14 0.21 0.31 -7.04 0.00 -8.07 -5.87 -5.54 -7.73 -5.15 -3.56
Zentralstoffwechsel 0.55 0.00 0.55 0.50 0.65 0.63 0.67 0.99 -4.54 -2.54 0.00 -0.63 -3.45 -4.70 -2.94 -2.60
Nebenstoffwechsel 1.57 1.81 0.84 1.12 1.13 1.62 1.01 1.44 -1.29 0.00 0.00 -1.91 -1.39 -1.37 -1.36 -1.38
Glykolyse 0.00 0.00 0.00 0.00 0.00 0.00 0.12 0.10 -2.43 0.00 0.00 -1.62 -2.35 -1.17 -0.85 -2.08
Fermentation 0.72 0.00 0.00 0.00 0.61 0.83 0.00 0.50 -6.24 0.00 0.00 0.00 -2.13 -4.00 -0.63 -0.46
Glukoneogenese 2.26 4.13 0.00 1.28 1.93 1.96 1.98 3.16 -0.98 0.00 0.00 0.00 -0.56 0.00 -0.49 0.00
OPP 1.90 0.00 0.00 0.00 1.08 1.10 1.11 0.88 -2.20 0.00 0.00 -1.83 -0.94 -0.88 -0.28 -0.61
TCA 0.67 0.98 0.00 0.00 0.34 0.62 0.47 0.56 -2.33 0.00 0.00 0.00 -2.12 -2.42 -2.10 -2.42
ATP-Synthese 1.85 0.00 0.37 0.50 1.64 2.06 1.55 2.01 -0.51 0.00 0.00 -0.86 -0.51 -0.82 -0.39 -0.38
Zellwand 0.92 2.68 2.21 1.09 0.68 1.01 0.58 0.80 -1.03 -1.06 -2.02 -0.80 -1.86 -1.08 -2.17 -2.07
Fettmetabolismus 0.86 0.81 0.42 0.82 1.16 1.06 1.09 0.89 -1.11 0.00 -0.61 -0.96 -1.40 -1.16 -1.40 -1.72
N-Metabolismus 2.21 0.00 1.87 0.84 1.88 2.56 1.93 1.03 0.00 0.00 0.00 -2.13 -2.55 -1.53 -2.56 -2.14
AA-Metabolismus 0.83 0.55 0.38 0.69 0.93 0.92 0.89 0.90 -1.38 -2.63 0.00 -0.22 -1.34 -0.89 -1.08 -1.22
S-Assimilation 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.58 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Metallhomeostase 1.53 0.86 2.39 1.34 0.81 1.78 0.72 0.58 -3.48 0.00 0.00 0.00 -2.34 -2.63 -2.26 -1.83 Sekundärer Metabolismus 1.26 1.29 1.04 2.00 1.20 1.50 1.49 1.35 -1.58 -2.05 0.00 -0.68 -1.42 -1.31 -1.28 -1.08
Hormonemetabolismus 2.09 3.05 2.34 2.10 1.67 1.73 1.33 1.27 -1.60 -3.58 -6.80 -3.56 -2.28 -1.53 -1.93 -1.56
Ko-Faktoren 0.00 0.00 0.00 0.00 0.19 0.00 0.20 0.16 -0.78 0.00 0.00 0.00 -0.67 -0.63 -0.79 -0.58
Tetrapyrrolsynthese 0.22 0.00 1.13 0.00 0.19 0.00 0.00 0.00 -7.35 -
15.55 0.00 -
11.61 -5.95 -6.82 -4.84 -4.46
Stress 1.45 1.38 1.86 2.03 1.58 1.50 1.54 1.20 -1.62 -2.07 -0.88 -1.32 -1.25 -1.60 -1.33 -1.32
Redoxregulation 1.00 1.10 1.02 1.25 0.60 1.16 0.70 0.73 -2.87 -6.99 0.00 -2.90 -2.77 -3.41 -2.48 -1.68
Polyaminmetabolismus 1.27 0.00 0.00 2.88 2.70 0.00 2.77 2.21 0.00 0.00 0.00 0.00 0.00 0.00 -1.10 -0.82
Nukleotidmetabolismus 0.76 0.00 0.00 0.35 1.04 1.23 1.40 0.80 -1.58 -1.77 0.00 -1.32 -2.18 -1.27 -1.46 -1.62
Xenobiotikum 0.00 0.00 0.00 0.00 0.00 0.00 0.40 2.21 -0.78 0.00 0.00 0.00 -0.45 -0.63 -0.39 -0.87
C1-metabolism 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.39 -2.45 0.00 0.00 0.00 -1.40 -0.39 -1.47 -1.28
Mix 1.35 1.12 1.55 1.71 1.14 1.39 1.18 1.19 -1.52 -1.43 -1.35 -1.11 -1.42 -1.38 -1.41 -1.25
RNA 1.16 0.88 0.85 0.90 1.26 1.13 1.34 1.25 -0.65 -1.63 -1.55 -1.24 -0.70 -0.70 -0.71 -0.68
DNA 0.45 0.48 0.04 0.21 0.51 0.56 0.58 0.58 -0.29 -0.19 -0.36 -0.29 -0.44 -0.40 -0.47 -0.74
Protein 0.71 0.43 0.55 0.58 0.77 0.72 0.82 0.90 -0.65 -0.27 -0.65 -0.77 -0.65 -0.61 -0.60 -0.58
Signalgebung 1.12 2.21 3.40 2.69 1.05 0.89 0.66 0.77 -0.75 -0.64 -0.41 -0.69 -0.93 -0.82 -1.21 -1.67
Zelle 0.72 0.66 0.91 0.85 0.82 0.68 0.70 0.71 -0.60 -0.35 -0.66 -0.52 -0.99 -0.81 -0.85 -1.34
Micro RNA 0.62 0.82 0.28 0.38 1.10 1.24 1.28 1.29 -0.88 -1.30 -1.24 -1.95 -0.67 -0.94 -0.73 -0.58
Entwicklung 1.45 0.62 0.94 1.00 1.34 1.33 1.56 1.31 -0.79 -0.39 -1.12 -0.68 -1.05 -1.06 -1.14 -0.86
Transport 1.03 0.64 1.66 1.51 1.05 1.09 1.14 1.29 -1.47 -2.79 -0.72 -1.45 -1.52 -1.36 -1.48 -1.29
Sonstige 1.00 1.10 0.85 0.85 0.99 0.97 0.98 0.98 -0.83 -0.70 -0.84 -0.82 -0.78 -0.83 -0.83 -0.85
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
83
Lichtreaktion
Prozess h d v vd dh vh vdh sh AGI-No Gene
PS
I
-1.19 -0.28 -0.18 -0.37 -1.39 -1.51 -1.46 -1.3 AT5G66570 PSBO1
-0.67 -0.17 -0.18 -0.3 -0.85 -0.86 -0.78 -0.97 AT3G50820 PSBO2
-1.12 -0.1 -0.17 -0.36 -1.35 -1.37 -1.53 -1.21 AT1G06680 PSBP-1
0.01 0.32 -0.45 -0.06 0.28 0.21 0.71 0.99 AT2G30790 PSBP-2
-0.64 -0.1 0.01 -0.05 -0.91 -0.61 -0.9 -0.61 AT3G55330 PPL1
-0.69 0.15 -0.03 -0.06 -0.8 -0.85 -0.89 -0.9 AT1G14150 PQL2
-0.58 0.02 -0.08 -0.22 -0.7 -0.6 -0.66 -0.65 AT3G01440 PQL1
-1.46 0.06 -0.28 -0.35 -1.56 -1.8 -1.89 -1.28 AT4G05180 PSBQ-2
-1 -0.17 -0.16 -0.44 -1.54 -1.15 -1.42 -1.35 AT4G21280 PSBQA
-0.51 0.01 -0.11 -0.23 -0.66 -0.66 -0.73 -0.47 AT1G79040 PSBR
-0.22 0.15 -0.07 -0.06 -0.31 -0.32 -0.25 -0.48 AT1G44575 NPQ4
-1.31 -0.11 -0.31 -0.52 -1.66 -1.49 -1.78 -1.43 AT2G30570 PSBW
-1.15 -0.19 -0.2 -0.43 -1.47 -1.3 -1.56 -1.25 AT1G67740 PSBY
-1 -0.11 -0.18 -0.43 -1.29 -1.22 -1.11 -1.09 AT1G03600 PSB27
-0.82 -0.06 0.01 -0.28 -1.04 -0.83 -1.01 -1.43 AT4G28660 PSB28
cytb 6
-0.91 -0.02 -0.13 -0.21 -1.06 -0.96 -1.1 -1.19 AT4G03280 PETC
PS
II
-1.47 -0.39 -0.44 -0.82 -1.93 -1.84 -1.97 -1.58 AT4G02770 PSAD-1
-1.37 -0.29 -0.68 -0.9 -1.89 -1.81 -2.01 -1.32 AT1G03130 PSAD-2
-1.35 -0.26 -0.34 -0.57 -1.66 -1.59 -1.66 -1.7 AT4G28750 PSAE-1
-0.8 0 -0.16 -0.29 -1.14 -1.07 -1.23 -0.98 AT2G20260 PSAE-2
-0.75 0.22 -0.05 -0.28 -1.08 -0.95 -1.23 -1.02 AT1G31330 PSAF
-1.22 -0.07 -0.12 -0.26 -1.45 -1.43 -1.47 -1.82 AT1G55670 PSAG
-1.38 -0.23 -0.39 -0.66 -1.92 -1.63 -2.04 -1.87 AT1G52230 PSAH2
-1.3 -0.07 -0.24 -0.43 -1.6 -1.44 -1.77 -1.59 AT3G16140 PSAH-1
-0.77 0.19 -0.07 -0.28 -1.18 -1.03 -1.2 -1.13 AT1G30380 PSAK
-1.27 -0.06 -0.22 -0.33 -1.43 -1.45 -1.6 -1.55 AT4G12800 PSAL
-1.47 0.05 -0.27 -0.5 -2.01 -1.84 -2.3 -2.22 AT5G64040 PSAN
-1.57 -0.25 -0.35 -0.69 -1.97 -1.96 -2.21 -1.98 AT1G08380 PSAO
AT
Pa
se
s
0.53 -0.02 0.01 0.04 0.78 0.6 0.8 0.59 AT1G15700 ATPC2
-0.89 -0.22 -0.04 -0.23 -1.08 -0.98 -0.9 -0.99 AT4G04640 ATPC1
-1.24 -0.02 -0.26 -0.44 -1.61 -1.32 -1.69 -1.42 AT4G09650 ATPD
-0.49 0.16 0 -0.08 -0.55 -0.47 -0.58 -0.54 AT4G32260 AT4G32260
3.14 0.06 0.05 -0.04 3.22 3.07 3.37 4.13 AT2G07707 AT2G07707
herunterregulierte als negative Werte deklariert. Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-
Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh), starke Hitze (sh).
Eine detaillierte Analyse der Photosynthesegene in den verschiedenen Stressantworten
offenbarte, dass Gene, die im Photosystem (PS) I, PSII und in der ATP-Synthese involviert
sind, in nahezu allen Bedingungen herunterreguliert waren (siehe Abbildung 3.26). Lediglich
unter singulärem Trockenstress, waren die photosynthetischen Gene weniger betroffen, was
im Einklang mit früheren Studien steht (Chaves et al., 2009).
Abbildung 3.26: Transkriptionelle
Änderungen in der Lichtreaktion der
Photosynthese unter Stressbedingungen.
Dargestellt sind die features der Mikroarray-
Analysen multifaktoriell gestresster Pflanzen,
die der Lichtreaktion nach den Informationen
von KEGG (http://www.genome.ad.jp/kegg/)
zugeordnet werden konnten. Die Werte sind
log2 transformiert und stellen die Änderung zu
Kontrollpflanzen dar. Die Farbsättigung ist bei
einer 1.3-fachen Änderung erreicht. Rot
eingefärbte Expressionswerte deuten steigende,
blau eingefärbte Felder herunterregulierte
Transkriptwerte an. Hitze (h), Virus (v),
Trockenheit (d), Trockenheit-Hitze (dh), Virus-
Trockenheit (vd), Virus-Hitze (vh), Virus-
Trockenheit-Hitze (vdh), starke Hitze (sh); PS =
Photosystem.
Eine generelle Herunterregulation zahlreicher Transkripte zentraler Prozesse, kann auch für
den Calvin-Benson-Zyklus, der in nahezu allen Stressbedingungen weitgehend
herunterregulierte Transkripte zeigte (Abbildung 3.27), gefunden werden. Allerdings stellen
Gene, die der Photorespiration zugeordnet sind, wie die GLYKOLATOXIDASE und
GLUTAMATGLYOXYLATAMINOTRANSFERASE eine Ausnahme dar. Diese sind nämlich unter
multifaktoriellem Stress sowie starker Hitze hochreguliert (siehe Abbildung 3.27).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
84
Cund N Metabolismus
h d v vd dh vh vdh sh AGI-No Gene
Be
nso
n-C
alv
in-Z
yklu
s
-0.25 0.51 -0.43 -0.37 -0.49 -0.29 -0.85 -0.57 AT3G26650 GAPA
-0.38 0.02 0.02 -0.08 -0.39 -0.38 -0.35 -0.64 AT1G42970 GAPB
-1.08 -0.06 -0.08 -0.31 -1.35 -1.19 -1.36 -1.30 AT1G12900 GAPA-2
-0.11 -0.55 -0.56 -0.60 -0.36 -0.09 0.00 0.63 AT4G26520 AT4G26520
-0.52 0.23 0.13 0.39 0.13 0.11 1.00 0.08 AT2G36460 AT2G36460
-0.91 -0.32 -0.06 -0.15 -1.10 -0.83 -0.84 -1.14 AT3G52930 AT3G52930
0.27 0.07 0.01 0.03 0.37 0.40 0.58 0.45 AT2G01140 AT2G01140
-0.39 0.07 -0.05 -0.12 -0.44 -0.46 -0.44 -0.45 AT4G38970 FBA2
-1.39 -0.55 -0.47 -1.07 -1.74 -1.95 -1.95 -1.47 AT4G26530 AT4G26530
-0.12 -0.37 -0.11 -0.29 -0.17 0.02 -0.25 0.03 AT5G03690 AT5G03690
-0.41 -0.05 -0.07 -0.27 -0.32 -0.35 -0.21 -0.15 AT2G21330 FBA1
-1.39 -0.14 -0.12 -0.33 -1.75 -1.55 -1.87 -1.89 AT1G43670 AT1G43670
-1.01 -0.11 -0.07 -0.24 -1.06 -1.04 -0.98 -1.15 AT3G54050 HCEF1
-0.75 0.01 0.02 -0.07 -1.01 -0.95 -0.98 -1.16 AT3G60750 AT3G60750
0.78 0.13 0.12 0.03 0.95 0.85 1.06 0.84 AT2G45290 AT2G45290
-0.47 -0.26 0.13 0.00 -0.50 -0.50 -0.42 -0.85 AT3G55800 SBPase
1.49 0.04 0.54 0.97 1.35 1.60 1.28 1.55 AT1G71100 RSW10
-0.17 -0.43 -0.23 -0.21 -0.33 -0.30 -0.44 -0.61 AT2G01290 RPI2
-0.94 -0.05 -0.01 -0.15 -1.22 -0.96 -1.28 -1.64 AT3G04790 AT3G04790
-0.71 -0.15 -0.08 -0.30 -0.69 -0.77 -0.63 -0.65 AT5G44520 AT5G44520
-0.79 -0.15 -0.09 -0.23 -1.02 -0.90 -0.98 -1.11 AT1G32060 PRK
-0.73 -0.35 0.03 -0.17 -0.91 -0.62 -0.73 -0.68 AT3G55440 TPI
-0.33 -0.35 -0.04 -0.27 -0.51 -0.43 -0.46 -0.27 AT2G21170 TIM
-0.46 -0.02 -0.14 -0.07 -0.45 -0.36 -0.33 -0.34 AT1G63290 AT1G63290
-1.35 0.10 -0.15 -0.33 -1.30 -1.40 -1.54 -1.19 AT5G61410 RPE
0.49 -0.04 -0.07 -0.05 0.39 0.49 0.47 0.84 AT3G01850 AT3G01850
Nitra
tfix
ieru
ng
-0.09 -0.16 0.20 0.03 -0.56 0.09 -0.84 -1.09 AT1G12110 NRT1.1
-1.70 -1.30 -0.67 -1.71 -2.65 -2.73 -3.91 -3.11 AT1G08090 NRT2:1
1.39 -0.57 0.24 0.69 0.74 0.40 1.11 -1.26 AT1G12940 NRT2.5
-0.69 -0.38 -0.67 -1.15 -1.02 -1.19 -1.47 -0.96 AT5G14570 NRT2.7
-1.71 -1.20 -1.03 -1.30 -1.40 -1.77 -1.70 0.13 AT5G60770 NRT2.4
-2.09 -1.71 0.01 -0.21 -1.74 -2.17 -1.38 -1.35 AT5G60780 NRT2.3
3.10 -0.11 0.43 0.53 2.72 2.27 2.41 1.19 AT1G37130 NIA2
4.21 -0.77 0.68 -0.39 3.10 2.83 1.79 0.83 AT1G77760 NIA1
0.31 -0.09 -0.01 -0.25 -0.08 -0.19 -0.49 -0.42 AT2G15620 NIR
Ph
oto
resp
ira
tio
n
0.34 0.08 0.30 0.41 0.25 0.33 0.20 -0.33 AT2G26080 GDC-P
-0.79 0.16 0.12 0.25 -0.93 -0.78 -1.03 -0.93 AT3G17240 GDC-L
-0.18 0.10 0.14 0.03 -0.23 -0.22 -0.19 -0.42 AT2G35370 GDC-H
-0.73 -0.29 0.11 0.01 -0.97 -0.74 -0.56 -1.14 AT1G11860 GDC-T
0.83 0.12 0.19 0.02 1.22 1.08 1.36 2.03 AT4G18360 GO
0.60 -0.15 0.04 0.09 0.67 0.59 0.77 0.64 AT1G23310 GGAT1
0.37 -0.40 -0.39 -0.33 0.28 0.14 0.24 0.81 AT1G58030 CAT
-0.39 0.01 -0.05 -0.07 -0.41 -0.49 -0.30 -0.43 AT2G13360 SGAT
-0.28 0.01 0.00 -0.02 -0.29 -0.34 -0.35 -0.53 AT1G68010 HPR1
GS
-GO
GO
AT
-0.61 -0.08 -0.37 -0.52 -0.76 -0.77 -0.79 -0.83 AT5G04140 GLU1
-0.11 -0.11 0.02 -0.27 -0.11 -0.11 -0.04 -0.28 At5g35630 GS2
-0.80 -0.31 -0.03 -1.19 -0.31 -0.93 -1.23 -1.48 At5g12860 DiT1
-1.02 -0.27 -0.07 -1.23 -0.08 -1.02 -1.28 -1.86 At5g64290 DIT2.1
0.27 -0.07 -0.03 0.32 0.04 0.27 0.37 0.52 At5g64280 DiT2.2
3.10 -0.11 0.43 0.53 2.72 2.27 2.41 1.19 AT1G37130 NIA2
4.21 -0.77 0.68 -0.39 3.10 2.83 1.79 0.83 AT1G77760 NIA1
0.31 -0.09 -0.01 -0.25 -0.08 -0.19 -0.49 -0.42 AT2G15620 NIR
Abbildung 3.27: Effekte des Einzel- und Kombinationsstresses auf den primären C- und N- Metabolismus.
Transkriptionelle Änderungen bezüglich des primären C- und N- Metabolismus von Pflanzen, die singulärem bzw.
multifaktoriellem Stress ausgesetzt waren. Die Werte sind log2 transformiert und stellen die Änderung zu
Kontrollpflanzen dar. Die Farbsättigung ist bei einer 1.3-fachen Änderung erreicht. Rot eingefärbte
Expressionswerte deuten steigende, blau eingefärbte Felder herunterregulierte Transkriptwerte dar. Hitze (h),
Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze
(vdh), starke Hitze (sh).
Fortführende Analysen zu den Metaboliten und Genen des primären C-Metabolismus,
einschließlich Glykolyse und TCA Zyklus (tricarboxylic acid, TCA), zeigten eine generelle
Herunterregulation, sowohl der Transkripte als auch der Metabolite (siehe Abbildung 3.28).
Allerdings akkumulierten einige Intermediate des TCA-Zyklus sowie davon abgeleitete
Derivate unter einigen Stressbedingungen in Analogie zu ihren entsprechenden
Transkripten. Prolin zum Beispiel, abgeleitet von Glutamat, das seinerseits aus -
Ketogluterat stammt, ist unter singulärem Trockenstress hochreguliert. Dies steht Einklang
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
85
mit ähnlichen Trockenstressstudien (zusammengefasst in Verbruggen und Hermans (2008)).
Ähnlich verhielten sich die Gene des TCA-Zyklus, die für Enzyme zur Produktion von -
Ketogluterat kodieren, wie ACONITASE und ISOCITRATDEHYDROGENASE. Sobald eine
Kombination von Trockenheit und Hitze appliziert wurde, konnten gemäß Rizhsky et al.
(2004) weder akkumulierende Proteinmengen, noch eine differentielle Genregulation der
genannten Gene gefunden werden.
Transkripte des TCA-Zyklus h d v vd dh vh vdh sh AGI-No Gen Enzym
-0.91 0.02 -0.26 -0.25 -0.72 -0.79 -0.46 0.19 AT2G42790 CSY3
Citratsynthase
-1.02 -0.43 -0.24 -0.36 -1.25 -0.95 -1.07 -0.66 AT3G58750 CSY2
-0.30 -0.14 0.11 0.05 -0.37 -0.20 -0.33 -0.32 AT3G60100 CSY5
-0.36 -0.13 0.04 0.06 -0.37 -0.31 -0.30 -0.31 AT2G44350 ATCS
-1.35 -0.35 -0.47 -0.80 -1.60 -1.31 -1.60 -1.29 AT2G19590 ACO1
Aconitase 0.25 0.77 0.22 0.18 0.26 -0.09 -0.53 -0.23 AT2G05710 ACO3
-0.64 0.03 -0.01 -0.04 -0.90 -0.66 -0.76 -0.63 AT1G62380 ACO2
-0.42 0.06 0.18 0.11 -0.46 -0.27 0.07 -0.73 AT5G03290 IDH-V
Isocitratde-
hydrogenase
-0.73 0.24 0.30 0.36 -0.73 -0.63 -1.16 -1.53 AT2G17130 IDH2
-0.69 -0.21 0.09 -0.07 -0.74 -0.56 -0.89 -1.25 AT4G35260 IDH1
-0.20 0.42 0.38 0.53 -0.14 -0.12 -0.52 -0.88 AT3G09810 IDH-VI
-0.98 -0.27 -0.03 -0.12 -1.12 -0.80 -1.13 -1.09 AT3G55410 AT3G55410 2-Oxoglutarat-
dehydrogenase 0.69 0.16 0.09 0.39 0.83 0.85 0.96 1.30 AT5G65750 AT5G65750
-0.51 0.01 0.03 0.11 -0.73 -0.41 -0.76 -0.96 AT5G08300 AT5G08300
Succinyl-CoA Ligase -0.20 -0.34 -0.16 -0.13 -0.09 -0.20 -0.04 -0.27 AT5G23250 AT5G23250
-0.52 -0.10 0.05 -0.07 -0.60 -0.40 -0.55 -0.75 AT2G20420 AT2G20420
-0.66 -0.17 -0.03 -0.11 -0.68 -0.63 -0.69 -0.83 AT5G66760 SDH1-1
Succinatde-
hydrogenase
-0.50 0.03 -0.03 -0.11 -0.87 -0.50 -0.98 -0.80 AT5G40650 SDH2-2
-0.42 -0.07 0.13 0.10 -0.74 -0.17 -0.52 -0.18 AT3G27380 SDH2-1
-1.16 -0.08 -0.50 -0.67 -1.12 -1.33 -1.29 -0.67 AT5G50950 FUM2
Fumarase
-0.55 -0.55 0.02 -0.15 -0.58 -0.51 -0.44 -0.51 AT2G47510 FUM1
-0.92 -0.26 -0.04 -0.25 -1.20 -1.02 -1.19 -1.42 AT1G04410 AT1G04410
Malatdehydrogenase
-1.99 -0.32 -0.09 -0.40 -2.15 -2.00 -2.29 -1.59 AT5G56720 AT5G56720
-0.65 -0.05 0.00 -0.10 -0.66 -0.51 -0.57 -0.78 AT3G47520 MDH
-0.63 -0.44 0.02 -0.33 -0.79 -0.56 -0.76 -0.78 AT1G53240 mMDH1
-0.85 -0.03 -0.21 -0.34 -0.86 -0.85 -0.74 -0.52 AT3G15020 mMDH2
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
86
TCA-Zyklus-assozierte Metabolite h d v vd dh vh vdh Metabolite
-0.82 0.29 0.03 -0.04 -0.26 -0.45 -0.02 Alanin
-0.76 0.44 -0.34 0.06 0.3 -0.78 -0.02 Serin
-0.79 0.05 -0.04 -0.13 0.49 -0.91 0.12 Glycin
-0.93 -0.37 -0.8 -0.57 -1.8 -0.54 -1.39 Pyruvat
-0.65 -0.31 0.25 -0.09 -0.77 -0.5 -0.71 2-Oxoglutarat
-1.86 -0.14 -0.05 -0.14 -1.9 -1.61 -1.42 Citrat
0.02 1.6 0.18 1.6 0.45 0.09 0.24 Prolin
-2.04 -0.16 -0.07 -0.14 -1.43 -1.66 -1.51 Glutamin
0.08 0.26 0.66 0.73 0.53 0.17 0.21 Glutamat
-0.2 0.11 0.18 0.07 -0.39 -0.14 0.21 Valin
-0.17 -0.35 -0.03 -0.1 0.46 -0.04 0.54 Isoleucin
0.83 0.34 1.19 0.64 1.79 0.27 1.15 Tyrosin
-0.47 0.11 -0.09 0.04 -0.28 -0.44 -0.16 Malat
-0.78 0.32 0.14 0.29 -0.65 -0.54 -0.95 Aspartat
Abbildung 3.28: Transkriptionelle und metabolische Änderungen des TCA-Zyklus unter verschiedenen
Stresssituationen. Die Werte sind log2 transformiert und stellen jeweils die Änderung zu den Kontrollpflanzen
dar. Die Farbsättigung ist bei einer 1.3-fachen Änderung erreicht. Rot eingefärbte Expressionswerte deuten
steigende, blau eingefärbte Felder herunterregulierte Transkriptwerte an. Hitze (h), Virus (v), Trockenheit (d),
Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh) und starker Hitze
(sh).
Um die generelle Herunterregulation des primären C-Metabolismus weiter zu
charakterisieren, wurden in einem nächsten Schritt Gene, die für Proteine der
mitochondrialen Elektronentransportkette kodieren, analysiert.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
87
Elektronentransprotkette
h d v vd dh vh vdh sh AGI-No Gene
Ko
mp
lex I
1.16 -0.05 -0.07 -0.01 0.87 1.1 1.02 1.83 AT2G07785 ND1
0.95 0.03 -0.2 0.12 0.84 0.78 0.79 2.9 AT2G07751 ND3
-0.63 -0.18 -0.1 -0.09 -0.8 -0.54 -0.64 -0.55 AT5G37510 Ndufs1
-0.39 0.07 -0.02 -0.1 -0.6 -0.33 -0.45 -0.51 AT5G67590 Ndufs4
-0.03 -0.15 -0.19 -0.17 -0.43 -0.07 -0.24 0.02 AT2G47690 Ndufs5
-0.33 0.07 -0.08 -0.18 -0.5 -0.39 -0.44 -0.32 AT3G62790 Ndufs5
-0.47 -0.03 0.06 -0.12 -0.77 -0.68 -0.76 -0.79 AT3G03070 Ndufs6
-0.33 -0.03 -0.02 -0.04 -0.32 -0.27 -0.28 -0.1 AT5G11770 Ndufs7
-0.85 -0.48 -0.06 -0.2 -1.03 -0.81 -0.94 -1.11 AT1G79010 Ndufs8
-0.55 -0.24 0.16 0.11 -0.76 -0.37 -0.54 -0.76 AT1G16700 Ndufs8
-0.27 -0.16 -0.05 -0.18 -0.43 -0.29 -0.42 -0.34 AT5G08530 Ndufv1
-0.51 -0.04 0.03 -0.11 -0.7 -0.48 -0.57 -0.67 AT4G02580 Ndufv2
-0.28 0.11 -0.09 -0.22 -0.57 -0.27 -0.49 -0.24 AT3G08610 Ndufa1
0.22 -0.03 -0.11 -0.14 0.25 0.26 0.24 0.75 AT5G47890 Ndufa2
-0.78 -0.11 -0.12 -0.17 -0.88 -0.76 -0.78 -0.86 AT5G52840 Ndufa5
-0.34 -0.02 -0.2 -0.11 -0.68 -0.44 -0.54 -0.24 AT3G12260 Ndufa6
-0.5 -0.15 -0.21 -0.27 -0.5 -0.42 -0.27 -0.26 AT3G06310 Ndufa8
-0.42 -0.04 -0.06 -0.25 -0.42 -0.2 -0.27 0.02 AT5G18800 Ndufa8
-0.6 -0.51 -0.08 -0.28 -0.87 -0.57 -0.69 -0.45 AT2G20360 Ndufa9
-0.37 0.04 -0.07 -0.21 -0.23 -0.09 -0.21 -0.01 AT1G65290 Ndufab1
-0.69 -0.1 0.03 -0.05 -0.83 -0.55 -0.67 -0.92 AT2G44620 Ndufab1
-0.3 0.06 -0.05 -0.18 -0.45 -0.24 -0.35 -0.01 AT3G03100 Ndufa12
-0.19 -0.01 -0.15 -0.08 -0.29 -0.23 -0.23 -0.19 AT2G33220 Ndufa13
-0.57 -0.12 -0.07 -0.21 -0.82 -0.54 -0.83 -0.32 AT2G02050 Ndufb7
-0.34 0.05 0.01 -0.12 -0.47 -0.31 -0.53 -0.3 AT4G34700 Ndufb9
-0.17 -0.14 -0.11 -0.24 -0.37 -0.24 -0.28 0.09 AT1G49140 Ndufb10
-0.83 -0.04 -0.1 -0.27 -1 -0.7 -0.81 -0.77 AT3G18410 Ndufb10
Ko
mp
lex
II
-0.66 -0.17 -0.03 -0.11 -0.68 -0.63 -0.69 -0.83 AT5G66760 SDHA
-0.5 0.03 -0.03 -0.11 -0.87 -0.5 -0.98 -0.8 AT5G40650 SDHB
-0.42 -0.07 0.13 0.1 -0.74 -0.17 -0.52 -0.18 AT3G27380 SDHB
Ko
mp
lex I
II
-1.24 -0.31 0.07 -0.25 -1.3 -1.17 -1.25 -1.4 AT5G13430 ISP
-0.48 -0.05 -0.17 -0.28 -0.49 -0.43 -0.51 -0.31 AT5G13440 ISP
2.12 -0.06 -0.4 -0.31 2.37 1.61 2.07 5.69 AT2G07727 Cytb
-0.61 -0.23 -0.04 -0.22 -0.95 -0.62 -0.78 -0.43 AT3G27240 Cyt1
-0.51 -0.05 0 -0.22 -0.62 -0.49 -0.5 -0.65 AT5G40810 Cyt1
-0.39 0.03 -0.09 -0.07 -0.45 -0.17 -0.46 -0.45 AT1G15120 QCR6
0.53 0.06 -0.1 -0.18 0.64 0.36 0.64 0.68 AT2G01090 QCR6
-0.55 0.03 0.03 -0.05 -0.73 -0.44 -0.5 -0.29 AT4G32470 QCR7
5.36 0.34 1.49 2.2 7.46 6.8 8.79 6.88 AT5G25450 QCR7
-0.44 -0.15 -0.04 -0.21 -0.55 -0.21 -0.58 -0.4 AT3G52730 QCR9
Ko
mp
lex I
V
-0.15 -0.16 0.02 0.02 -0.22 -0.12 -0.23 -0.23 AT2G44520 COX10
1.95 0.05 -0.2 -0.23 2.28 1.66 2.19 6.6 AT2G07687 COX3
-0.74 -0.11 -0.02 -0.18 -0.87 -0.58 -0.67 -0.95 AT1G80230 COX5B
-0.54 -0.56 -0.14 -0.41 -1.14 -0.32 -0.91 -0.74 AT3G15640 COX5B
0.36 0.35 -0.02 -0.06 0.48 0.32 0.64 1.02 AT5G57815 COX6B
-0.18 -0.78 -0.35 -0.88 0.02 -1.13 -0.99 0.2 AT1G02410 COX11
0.24 -0.16 -0.19 -0.09 0.33 0.34 0.21 0.41 AT5G56090 COX15
0.35 -0.11 -0.22 -0.07 0.39 0.44 0.41 0.27 AT3G15352 COX17
-0.73 0.18 0 -0.05 -0.53 -0.72 -0.44 -0.51 AT1G53030 COX17
Ko
mle
x V
-0.45 -0.36 -0.21 -0.35 -0.81 -0.42 -0.68 -0.25 AT5G47030 F-delta
-0.76 -0.13 -0.13 -0.23 -0.93 -0.62 -0.66 -0.52 AT5G08670 F-beta
-0.74 0.03 -0.12 -0.14 -0.72 -0.67 -0.64 -0.54 AT5G08680 F-beta
-0.76 -0.47 0.18 0.13 -0.73 -0.44 -0.43 -0.41 AT5G08690 F-beta
-0.47 -0.41 -0.02 -0.15 -0.59 -0.55 -0.52 -0.84 AT2G33040 F-gamma
-0.3 0.18 -0.24 -0.22 -0.42 -0.52 -0.64 1.24 AT2G07698 F-alpha
-0.6 -0.1 0 -0.04 -0.7 -0.53 -0.57 -0.62 AT5G13450 OSCP
3.62 -0.1 -0.06 -0.23 3.63 3.29 3.67 4.96 AT2G07671 F-c
2.07 0.38 0 0.15 2.29 2.1 2.37 4.39 AT2G07741 F-a
-0.67 0.04 0.39 -0.16 -0.69 -0.7 -0.68 -0.77 AT3G52300 F-d
-0.92 -0.12 -0.03 -0.25 -1.05 -0.78 -1.04 -1.26 AT2G19680 F-g
-0.59 -0.04 -0.13 -0.13 -0.72 -0.43 -0.65 -0.87 AT4G29480 F-g
0.02 -0.12 -0.11 -0.15 0.04 0.08 0.14 0.25 AT4G26210 F-g
AO
X
0.74 -0.21 0.3 0.29 0.33 0.89 0.6 0.49 AT1G32350 AOX1D
0.29 0.25 -0.26 0.05 0.35 0.1 0.18 0.72 AT3G22370 AOX1A
0.83 -0.19 -0.15 -0.12 0.81 0.81 0.68 1.11 AT3G27620 AOX1C
Abbildung 3.29: Transkriptionelle Änderungen der Elektronentransportkette in Mitochondrien von
Pflanzen, die multifaktoriellem Stress ausgesetzt waren. Die Graphik repräsentiert die features der
verschiedenen Komplexe der mitochondrialen Elektronentransportkette sowie die Werte für die features der AOX.
Die Werte sind log2 transformiert und stellen die Änderung zu Kontrollpflanzen dar. Die Farbsättigung ist bei einer
1.3-fachen Änderung erreicht. Rot eingefärbte Expressionswerte deuten steigende, blau eingefärbte Felder
herunterregulierte Transkriptwerte dar. Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-
Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh), starke Hitze (sh).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
88
Analog zu den zuvor beschriebenen Prozessen des zentralen Stoffwechsels zeigte sich,
dass die Transkripte des Komplexes I bis V nahezu vollständig herunterreguliert waren
(Abbildung 3.29). Eine Ausnahme stellte die ALTERNATIVE OXIDASE, eine Komponente des
alternativen Atmungswegs dar (Vanlerberghe, 2013). In einigen Stressbedingungen, speziell
wenn Hitzestress appliziert wurde, war die ALTERNATIVE OXIDASE bis zu zweifach
hochreguliert. Zusammengenommen kann festgestellt werden, dass die meisten Gene, die
für Enzyme des zentralen Kohlenstoffmetabolismus und der Respiration kodieren, nur
wenige Unterschiede in der Antwort auf Einzel- und multifaktoriellem Stress aufwiesen. Die
Tatsache suggeriert, dass die Regulation der Expression dieser Enzyme eher eine generelle
Antwort auf Stress ist, und es sich dabei um keine spezifische Antwort handelt.
3.1.8 Der zirkadiane Rhythmus wird durch Stressbedingungen
beeinflusst
Es ist bekannt, dass viele tausend Gene, inklusive photosynthetischer Gene, durch den
Tagesrhythmus der Pflanzen reguliert werden (Gibon et al., 2006). Der zirkadiane Rhythmus
wird seinerseits durch Umweltfaktoren, wie Wassermangel, Licht und Temperatur beeinflusst
(Bieniawska et al., 2008; Baerenfaller et al., 2012). Zudem wurden die Effekte niedriger
Temperatur auf die Expression der Gene, die den Tagesrhythmus regulieren, intensiv
studiert, während dem zirkadianen Rhythmus unter erhöhter Temperatur nur wenig
Aufmerksamkeit gewidmet wurde. Deshalb stellte sich die Frage, ob möglicherweise auch
der Tagesrhythmus in multifaktoriell gestressten Pflanzen beeinträchtigt sein könnte.
Interessanterweise zeigten die Mikroarray-Daten unter kombinierten Stresssituationen eine
hohe Genexpression von CCA1 Transkripten (siehe Abbildung 3.30), deren Expression unter
Kontrollbedingungen vor der Morgendämmerung steigt und TOC1 durch die Bindung an
dessen Promotor die Transkription/Aktivität supprimiert (Alabadi et al., 2001).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
89
Abbildung 3.30: Transkriptionelle Änderungen der Tagesrhythmus-assoziierten Gene unter
verschiedenen Stressbedingungen. Die Expressionstabelle zeigt features, die dem Tagesrhythmus von
Arabidopsis-Pflanzen zugeordnet werden konnten, einmal nach der Unterteilung der Internetplattform KEGG
(http://www.genome.ad.jp/kegg/), zum anderen einer Zuordnung von McWatters und Devlin (2011). Clock =
Zentrale Bestandteile der zirkadianen Uhr in Arabidopsis. Input = vorgelagerte Gene, output = nachgelagerte
Gene. Die Werte sind log2 transformiert und stellen die Änderung zu Kontrollpflanzen dar. Die Farbsättigung ist
bei einer 1.3-fachen Änderung erreicht. Rot eingefärbte Expressionswerte deuten steigende, blau eingefärbte
Felder herunterregulierte Transkriptwerte an. Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-
Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh), starke Hitze (sh).
Dieser Befund warf die Frage auf, ob Hitzeeinwirkung zu einer Amplituden- oder
Phasenverschiebung der Expression von CCA1 oder TOC1 führen kann. Da CCA1 bereits in
Transkriptdaten unter singulärem starken Hitzestress hochreguliert war (14-fach), wurden
Arabidopsis Col-0 Pflanzen in einem unabhängigen Experiment einem starken Hitzestress
(37°C tagsüber/33°C nachts) für drei Tage ausgesetzt und Blattproben zu unterschiedlichen
Zeiten während des Tages genommen. Ein anschließende Validierung der Kandidatengene
CCA1 und TOC1 wurde mithilfe der qPCR durchgeführt. Unter Kontrollbedingungen zeigte
Tagesrhytmus Prozess h d v vd dh vh vdh sh AGI-No Gene
Inp
ut
-0.04 -0.34 -0.14 -0.2 0.06 0 0.19 0.11 AT2G18790 PHYB -0.21 -0.08 -0.19 -0.38 -0.31 -0.17 -0.38 0.2 AT1G09570 PHYA 1.4 0.34 0.13 0.78 1.94 1.59 2.17 1.4 AT1G09530 PIF3
-0.26 -0.16 -0.36 -0.55 -0.4 -0.16 -0.16 0.54 AT4G08920 CRY1 -0.4 -0.08 -0.14 -0.34 -0.68 -0.37 -0.42 0.23 AT1G04400 CRY2 1.6 0.65 1 1.2 1.55 1.23 1.29 -0.08 AT5G52250 AT5G52250 1.36 0.04 0.05 0.44 1.21 1.38 1.16 0.93 AT5G23730 AT5G23730 -0.67 -0.65 -0.78 -1.07 -1.16 -1.02 -1.34 -0.48 AT1G68050 FKF1 -0.06 -0.48 -0.6 -0.36 -0.28 -0.21 -0.13 0.18 AT2G46340 SPA1 0.4 0 0.1 0.61 0.49 1.19 1.04 0.46 AT5G11260 HY5
Clo
ck
-0.48 -0.94 -1.42 -1.47 -0.63 -1.45 -0.7 0.04 AT5G02810 PRR7 -0.93 -1.36 -1.53 -2.53 -2.45 -2.16 -2.39 -0.13 AT5G24470 PRR5 -1.02 -0.78 -0.68 -0.73 -0.45 0.31 0.36 -0.11 AT1G01060 LHY 0.89 -0.44 -1.17 -0.52 1.73 0.99 2.4 3.82 AT2G46830 CCA1 0.18 -0.01 -0.09 0.1 0.28 0.29 0.45 0.62 AT3G50000 CKA2 0.97 -0.05 -0.04 0.02 1.01 0.77 1.13 1.86 AT5G67380 CKA1 0.05 0.22 0.08 -0.02 0.12 0.13 0.34 0.12 AT3G60250 CKB3 -0.11 -0.09 0 0.03 -0.08 0.01 0.08 0.14 AT4G17640 CKB2 0.26 -0.17 -0.21 -0.25 0.35 0.25 0.59 0.62 AT5G47080 CKB1 -0.8 0.28 -0.11 -0.7 -0.82 -1.05 -1.39 -1.57 AT5G08330 AT5G08330
-0.11 -0.32 -0.26 -0.47 -0.53 -0.56 -0.6 -0.48 AT5G61380 TOC1 -0.8 -0.67 -1.06 -1.63 -1.51 -1.55 -1.8 0.01 AT1G22770 GI
-0.54 -0.07 -0.23 -0.37 -0.91 -0.96 -0.87 -0.52 AT5G60100 PRR3 -0.92 0.33 -0.86 -0.78 0 -1.01 0.83 0.54 AT5G62430 CDF1
Ou
tpu
t
(KE
GG
) 1.07 0.53 -1.09 0.32 2.16 0.92 2.8 3.08 AT1G56650 PAP1 3.58 -0.68 0.64 1.96 4.07 4.27 4.85 3.76 AT5G13930 TT4 0.53 -0.01 0.57 0.53 0.8 0.66 0.76 -0.09 AT5G15840 CO 3.59 0.52 0.48 2.5 2.91 3.63 3.47 1.95 AT1G65480 FT
Ou
tpu
t (M
cW
att
ers
et
al., 2
01
1) 0.26 -0.3 -0.1 -0.11 0.16 0.14 0.19 0.16 At1g06820 CRTISO
-3.36 -0.64 -0.77 -1.98 -4.34 -5.01 -5.08 -2.96 At1g29920 CAB2 1.26 -0.82 -0.83 -1.11 -0.47 0.57 -1.23 -0.46 At4g28720 YUC8 -2.32 -0.62 -0.83 -1.49 -2.57 -2.55 -2.65 -1.98 At4g27440 PORB -4.62 -1.38 -0.95 -2.27 -5.7 -6.03 -6.19 -5.81 At5g54190 PORA -0.91 0.03 -0.06 -0.18 -1.22 -1.16 -1.27 -1.26 At1g69830 AMY3 -0.99 -0.16 -0.28 -0.73 -1.47 -0.95 -1.69 -2.11 At3g49670 BAM2 -1.14 0.1 -0.27 -0.43 -1.05 -1.47 -1.13 -0.98 At1g10760 SEX1
0 -0.18 -0.19 -0.29 0.05 -0.1 0.17 0.32 At2g39930 ISA1 -1.53 -0.35 -0.49 -0.95 -1.61 -1.77 -1.65 -1.73 At3g46970 PHS2
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
90
0.00
0.50
1.00
1.50
2.00
2.50
0 4 8 12
Rela
tive
Ex
pre
ss
ion
(C
CA
1 &
TO
C1
/Ac
tin
)
TOC1
CCA1
-10
0
10
20
30
0 4 8 12Re
lati
ve
Ex
pre
ss
ion
(C
CA
1
& T
OC
1/A
cti
n)
im V
erg
leic
h
zu
un
be
ha
nd
elt
en
Pro
be
n
Stunden (h)
TOC1
CCA1
die Bestimmung der mRNA Mengen für CCA1 eine starke Abnahme während des Tages,
wohingegen die TOC1 mRNA Mengen im Tagesverlauf stiegen (siehe Abbildung 3.31).
Unter Stressbedingungen ergaben die quantitative real-time-PCR-Analysen (qRT-PCR)
allerdings eine geringere Reduktion der CCA1-Mengen und einen gedämpften Anstieg an
TOC1 Transkripten. Folglich kann angenommen werden, dass unter starkem Stress bzw.
kombinierten Bedingungen das Verhältnis der wesentlichen Regulatoren des Tagesrhythmus
verändert sind.
Abbildung 3.31: qRT-PCR
Analysen der Gene CCA1 und
TOC1 in Arabidopsis-Pflanzen
unter starkem Hitzestress.
Arabidopsis-Pflanzen wurden 43
Tage nach Pickieren für drei Tage
starkem Hitzestress ausgesetzt
(37°C/33°C). Blätter sowohl von
gestressten Pflanzen als auch von
Kontrollpflanzen wurden am Ende
der Nachtperiode (0h) sowie
anschließend im vier Stunden
Rhythmus bis zum Ende des Tages
(12h) geerntet. Die Akkumulation der
CCA1 und TOC1 mRNA wurde im
Rahmen der Masterarbeit von Kirsten
Ott durch qRT-PCR quantifiziert. Die
relative Expression wurde gegen die
AKTIN-Expression normalisiert. Die
Standardabweichung zeigt einen
Fehlerbalken von 3-4 Replikaten. A)
Relative Expression der CCA1 und
TOC1 mRNA normalisiert gegen
AKTIN. B) Relative Expression der
CCA1 und TOC1 mRNA normalisiert
gegen AKTIN im Vergleich zu
entsprechenden Kontrollpflanzen.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
91
0
1
2
3
4
5
v vd vh vdh
Rela
tive E
xpre
ssio
n
(P3/T
ubulin
)
3.1.9 Kombinierter Hitze- und Trockenstress erhöhen die
Suszeptibilität von Arabidopsis-Pflanzen bei einer
Virusinfektion
Neben den abiotischen Stressbedingungen müssen sich Pflanzen zusätzlich vor zahlreichen
Pathogenen schützen, wobei angenommen wird, dass die R-Gen vermittelte Resistenz durch
verschiedene Pathogene, wie Bakterien, Pilze und Viren unter erhöhten Temperaturen
unterdrückt werden kann (Zhu et al., 2010). Allerdings existieren bis heute noch keine Daten,
welche Effekte abiotische Stressbedingungen auf eine kompatible Pflanzen-Virus Interaktion
haben. Um den Effekt von Hitze und Trockenheit auf eine suszeptible Interaktion zu
studieren, wurden die TuMV-Mengen der unterschiedlich gestressten Pflanzen mithilfe der
qRT-PCR bestimmt. Als Marker der viralen Replikation wurde das virale P3 Gene gewählt,
dessen Primer schon in früheren Studien verwendet wurden und eine sehr gute Effizienz
aufwiesen (Kim et al., 2010). In der qRT-PCR-Analyse wurde klar, dass Trockenheit keinen
Einfluss auf die Virusvermehrung hatte (siehe Abbildung 3.32).
Abbildung 3.32: qRT-PCR Analyse des viralen P3 Gens in infizierten TuMV-Arabidopsis-Pflanzen. Die
Akkumulation von P3 mRNA wurde mit qRT-PCR durch bereits veröffentlichte Primer quantifiziert (Kim et al.,
2010). Die relative Expression wurde gegen die Expression von Tubulin normalisiert. Die Fehlerbalken
repräsentieren die Standardabweichung von drei Replikaten. Statistische Unterschiede zu den Virus-behandelten
Pflanzen wurden durch einen zweiseitigen T-Test unter Annahme gleicher Varianz ermittelt und mit einem Stern
versehen (*p<0.05). Virus (v), Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh).
Wurde gleichzeitig Hitze und Trockenheit appliziert, kam es zu einem signifikanten Anstieg
der mRNA Mengen an P3; einem zweifachen Anstieg im Fall von Virus in Kombination mit
Hitze, dreifach bei simultaner Applikation von Hitze und Trockenheit. Somit konnte gezeigt
werden, dass Hitze und die Kombination aus Hitze und Trockenheit die Suszeptibilität von
Arabidopsis-Pflanzen gegenüber TuMV-Virusinfektionen erhöht.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
92
3.1.10 Beeinträchtigung pflanzlicher Abwehrantworten nach
multifaktorieller Stressapplikation
3.1.10.1 Resistenz-Gen vermittelte Resistenz
Frühere Studien belegen, dass erhöhte Temperaturen Pflanzen-Pathogen Interaktionen
beeinflussen. Generell wird angenommen, dass hohe Temperaturen die Resistenz-Gen
vermittelte Abwehr (R-Gen vermittelte Abwehr) und die resultierende HR (hypersensitive
reaction; HR) beeinträchtigen können, wie für verschiedene biotrophe, hemibiotrophe und
nekrotrophe Organismen in Paprika gezeigt werden konnte (Koeda et al., 2012). Da sich
TuMV in multifaktoriell gestressten Pflanzen unter simultaner Hitze und Trockenheit im
Rahmen dieser Arbeit besser verbreiten konnte, könnten die pflanzlichen Abwehrsysteme
beeinträchtigt sein, weshalb die Abwehrprogramme der Pflanzen in Bezug auf multiparallelen
Stress im Folgenden detailliert charakterisiert werden.
Um zu klären, ob durch die gleichzeitige Applikation multifaktorieller Stressfaktoren die
Genexpression der R-Gen vermittelten Abwehr beeinflusst ist, wurden aus der funktionellen
Kategorisierung (Tabelle 3.3) die jeweils gegenüber den Kontrollpflanzen differentiell
hochregulierten Gene näher betrachtet. Die Anzahl der jeweiligen Gene können der
Abbildung 3.33 entnommen werden.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
93
Abbildung 3.33: Die Analyse der Expressionsmuster von Abwehrgenen offenbart eine Verschiebung der
Genexpressionsmuster in Pflanzen unter multifaktoriellem Stress und starker Hitze. A) Anzahl der
differentiell regulierten Gene in der funktionellen Kategorie “Stress” für die einzelnen Stressbedingungen. B)
Verteilung der regulierten Gene, die zur Klasse der TIR-NB-LRR Gene innerhalb der einzelnen
Stressbehandlungen fallen. C) Die Abbildung zeigt die Anzahl der behandlungsspezifischen TIR-NB-LRR-Gene,
die ko-reguliert innerhalb einer Stresssituation (grau hinterlegt) und die Anzahl der Gene, die gemeinsam mit
anderen Stresssituationen ko-reguliert sind (farblos). Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh),
Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze (vdh), starke Hitze (sh).
Diese Analyse ergab, dass eine erhebliche Zahl stressassoziierter features stark unter Hitze
(110 hochregulierte Gene), Virus und Trockenheit (72 hochregulierte Gene), Trockenheit und
Hitze (146 hochregulierte Gene), Triplestress (135 hochregulierte Gene) und starker Hitze
(132 hochregulierte Gene) hochreguliert waren. Lediglich Trockenstress (16 hochregulierte
Gene) sowie Virusbehandlung (29 hochregulierte Gene) resultierten in einem geringen
Anstieg dieser Stressgene.
Im Rahmen der Analysen ergab sich, dass interessanterweise die Anzahl der TIR-NB-LRR
Gene (Toll/Interleukin 1-receptor-like nucleotide binding leucine-rich repeats; TIR-NB-LRR) in
den unterschiedlichen Stressbedingungen variierte (siehe Abbildung 3.33). So waren die
meisten TIR-NB-LRR Gene unter Hitzestress (16) und in einer Kombination von Hitze und
h
d
v
vd
dh
vh
vdh
severe h
h
d
v
vd
dh
vh
vdh
severe h 16
4
7
21
12
8
6
7
h d v dh vd vh vdh sh
h 16 2 6 12 9 5 3 3
d 2 4 0 3 2 1 2 1
v 6 0 7 5 6 2 0 0
dh 12 3 5 21 8 8 6 5
vd 9 2 6 8 12 4 2 2
vh 5 1 2 8 4 8 5 5
vdh 3 2 0 6 2 5 6 4
severe h 3 1 0 5 2 5 4 7
110
16
29
72
146
108
135
132
A B
C
sh sh
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
94
Trockenheit (21) induziert. Allerdings sind die einzelnen TIR-NB-LRR generell in
verschiedenen Stressbehandlungen unterschiedlich reguliert. Abbildung 3.33 zeigt, dass von
den 16 TIR-NB-LRR Gene unter milder Hitze (32°C) nur sechs TIR-NB-LRR Gene
differentiell reguliert sind. Interessanterweise, liefert der Überlapp von milder Hitze und der
Kombination aus Virus und Hitzestress immer noch fünf differentiell regulierte TIR-NB-LRR
Gene, aber von diesen fünf sind nur zwei gemeinsam mit singulärem Virusstress. Damit
konnte die Vermutung bestätigt werden, dass andere TIR-NB-LRR Gene in
Einzelstresssituationen im Vergleich zu multifaktoriellem Stress aktiv sind. In der
Triplestresssituation sind allerdings nicht nur deutlich weniger Gene als unter mildem
Hitzestress reguliert (statt 16 nur sechs), sondern von den sechs unter Triplestress
regulierten Genen sind nur drei mit mildem Hitzestress gemeinsam. Ein Vergleich der sechs
TIR-NB-LRR Gene unter Triplestress ergab keinen Überlapp mit Virusstress. Daraus kann
geschlussfolgert werden, dass unter multifaktoriellem Stress andere Abwehrprogramme aktiv
sind, die von den Einzelstressbedingungen nicht abgeleitet werden hätten können.
3.1.10.2 Basale Abwehr
Die bisherigen Ansätze deuten darauf hin, dass die R-Gen-vermittelte Resistenz bei
multiplem Stress verändert zu sein scheint. Nun war es interessant zu sehen, ob die basale
Abwehr, die normalerweise das Wachstum virulenter Pathogene verhindert, auch betroffen
ist. Dabei konnte innerhalb der knapp 28000 regulierten Gene ein interessantes Muster
identifiziert werden. Während einer Virusinfektion kam es zur Hochregulation der PR-Gene,
einschließlich PR1, einem Marker für SA-induzierte Antwort (9-fach), PR2 (8-fach) und PR5
(3-fach). Dieselbe Regulation konnte für eine gleichzeitige Applikation des Viruses unter
Trockenheit festgestellt werden (siehe Abbildung 3.34), wohingegen bei gleichzeitiger
Hitzeapplikation die PR-Gene herunterreguliert waren.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
95
Gene h d v vd dh vh vdh AGI-No Gene Lokalisation
PR
-Ge
ne
-0.03 -0.45 3.01 3.03 -1.10 -0.43 -1.15 AT2G14610 PR1 n.s. 0.97 0.80 2.52 3.24 -2.28 1.25 -1.58 AT3G57260 PR2 n.s. -1.46 -0.34 1.40 1.37 -3.55 -1.36 -3.47 AT1G75040 PR5 n.s.
Inve
rta
sen
-0.96 0.05 1.46 1.36 -2.73 0.59 -2.17 AT3G13790 cwInv1 Zellwand -0.71 0.45 0.21 0.49 -0.79 -1.20 -1.30 AT1G55120 cwInv3 Zellwand -0.75 0.36 2.17 2.39 -0.75 0.05 -0.42 AT5G11920 cwInv6 Zellwand -1.37 -1.12 -0.28 -0.24 -1.20 -1.13 -1.63 AT2G36190 cwInv4 Zellwand -0.29 -0.69 -0.51 -0.55 0.75 0.02 1.55 AT3G13784 cwInv5 Zellwand -0.09 -0.16 -0.16 -0.76 0.09 -0.40 -0.30 AT1G12240 VINV vakuolär 1.07 0.73 0.30 1.01 0.83 1.05 1.17 AT1G62660 VINV vakuolär 1.14 0.57 0.53 0.71 0.96 0.66 0.28 AT1G22650 CINVD - cytosolisch -0.48 -0.44 0.10 0.21 -0.87 -0.12 -0.45 AT1G35580 CINVG - cytosolisch 1.31 0.23 0.28 0.50 1.89 1.22 2.34 AT4G34860 CINVB - cytosolisch -1.23 1.93 1.33 2.36 -0.36 -1.01 0.09 AT1G72000 CINVF - cytosolisch n.s.
AT4G09510 CINVI - cytosolisch
0.32 0.27 0.32 0.19 0.37 0.37 0.37 AT5G22510 CINVE - chloroplastisch n.d.
AT3G05820 CINVH - chloroplastisch
-0.08 -0.41 0.22 0.13 -0.90 -0.98 -1.68 AT4G06500 CINVC* - chloroplastisch -0.10 -0.14 -0.28 -0.20 -0.21 -0.13 -0.19 AT1G56560 CINVA* - chloroplastisch
* Hypothetische Lokalisation anhand von in silico Analysen
Abbildung 3.34: Expression der PR-Gene und Invertaseisoformen in multifaktoriell gestressten Pflanzen.
Transkriptionelle Änderungen der PR-Gene und unterschiedlicher Invertaseisoformen. Die Kategorisierung wurde
von Xiang et al. (2011) entnommen. Dargestellt sind log2 Werte der differentiellen Änderung gegenüber den
Kontrollpflanzen. Die Farbsättigung ist bei einer 1.3-fachen Änderung erreicht. Rot eingefärbte Expressionswerte
deuten steigende, blau eingefärbte Felder herunterregulierte Transkriptwerte an. Nicht signifikant in ANOVA-Liste
(n.s.). Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh) und
Virus-Trockenheit-Hitze (vdh).
Es ist bekannt, dass lösliche Zucker (Hexosen) als Signalmoleküle fungieren und zu einem
Anstieg der Genexpression von Abwehrgenen führen können (Herbers et al., 1996). Bei
einer veränderten basalen Abwehr unter multifaktoriellen Stressbedingungen wäre es
naheliegend, dass die Mengen an Saccharose und Hexosen erniedrigt sind und somit keinen
Beitrag zur Abwehr leisten können. Zur Klärung dieser Hypothese wurden die Saccharose-
und Hexosemengen in allen gestressten Pflanzen gemessen. Dabei zeigte sich, dass mit
Ausnahme der einfachen Virusbehandlung erhöhte Saccharosemengen in allen
Bedingungen festgestellt werden konnten (siehe Abbildung 3.35). Im Einklang mit früheren
Studien, konnten auch bei einfacher Virusbehandlung erhöhte Hexosegehalte detektiert
werden (Herbers et al., 1996). Diese Akkumulation ist nicht betroffen, wenn zusätzlich
Trockenheit appliziert wird. Eine Kombination von Virus mit Hitze oder sogar mit Hitze und
Trockenheit erhöhten sogar die Mengen an Hexosen (Abbildung 3.35).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
96
Abbildung 3.35: Änderungen der Akkumulation löslicher Zucker in multifaktoriell gestressten Pflanzen.
Saccharose, Fruktose und Glukosemengen in unterschiedlich behandelten Pflanzen im Vergleich zu den
entsprechenden Kontrollpflanzen. Die Fehlerbalken stellen eine Standardabweichung von 3-4 Pflanzen dar.
Statistische Unterschiede zu den Kontrollpflanzen wurden durch einen zweiseitigen T-Test unter Annahme
gleicher Varianz ermittelt und mit einem Stern versehen (*p<0.05). Hitze (h), Virus (v), Trockenheit (d),
Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh), und Virus-Trockenheit-Hitze (vdh).
Weiterhin ist bekannt, dass während einer Virusinfektion akkumulierende Hexosemengen mit
einem Anstieg der Expression und der Aktivität der zellwandgebundenen Invertase (zw-
Invertase) einhergehen (Herbers et al., 2000). Wie in Abbildung 3.34 zu sehen, kam es
parallel zur Hochregulation der PR-Gene zu einem Anstieg der Transkripte kodierend für zw-
Invertasen. Dies ist im Einklang mit früheren Studien, die vermuteten, dass apoplastisch
entstandene Hexosen als Signal wirken und zu einem Anstieg der Expression von PR-
Genen führen können (Kocal et al., 2008). Im Vergleich dazu, waren die Transkripte der zw-
Invertase nicht hochreguliert, wenn Hitze bzw. Hitze und Trockenheit zusammen mit TuMV
appliziert wurden. Diese Beobachtung steht allerdings im Widerspruch zu den großen
Hexose-Mengen in den Blättern der Pflanzen, die Doppelstress (Hitze und Virus) sowie
Triplestress ausgesetzt waren. Saccharosehydrolyse findet aber nicht nur an Zellwänden
statt, sondern auch in der Vakuole, im Zytosol und in den Plastiden (Roitsch und Gonzalez,
2004). Um herauszufinden, ob möglicherweise die subzelluläre Kompartimentierung dafür
verantwortlich ist, dass die akkumulierenden Zucker keine PR-Gene im Falle der
kombinierten Stresssituationen aktivierten, wurde die Expression der vakuolären und
neutralen Invertasen (Xiang et al., 2011) untersucht. Abbildung 3.34 zeigt, dass die
Hitzeapplikation zu einer starken Herunterregulation der wesentlichen zw-Invertase führt. Im
Gegensatz dazu war die Expression der vakuolären und zytosolischen Invertase
hochreguliert (Abbildung 3.34). Zusammenfassend zeigen die Transkriptomdaten, dass
Umwelteinflüsse in der Lage sind, den zellulären Kohlenhydratstoffwechsel zu beeinflussen,
wodurch Abwehrprozesse gegen Pathogene verändert werden.
3.1.11 Aktivierung stresspezifischer Ko-Regulationsnetzwerke
Pflanzen überwachen kontinuierlich alle Umweltsignale, um in der Lage zu sein, sich an
verändernde Umweltbedingungen anzupassen. Allerdings ist bis jetzt noch wenig bekannt,
µm
ol/g
FW
Fruktose
µm
ol/g
FW
Glukose
0
10
20
30
c h d v vd dh vh vdh
µm
ol/g
FW
0
2
4
6
c h d v vd dh vh vdh
Saccharose
c h d v vd dh vh vdh 0
4
8
12
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
97
h
d
v
vd
dh
vh
vdh
severe h100
69
28
104
107
5269
98
sh
wie die verschiedenen Stresssignale integriert werden, um eine optimale Antwort zu
gewährleisten. Um das Verständnis der Signalnetzwerke in Pflanzen unter multifaktoriellem
Stress besser zu verstehen, wurden die Transkriptdaten der Signalleitungsgene innerhalb
der unterschiedlich gestressten Pflanzen verglichen. Die funktionelle Kategorisierung zeigte
bereits eine Anreicherung der Signalgene für die Stressbehandlung Trockenstress,
Virenstress sowie die Kombination der beiden Stresssituationen (Tabelle 3.3). Die Anzahl
der regulierten Signalgene kann Abbildung 3.36 für jede der einzelnen Stressbehandlungen
entnommen werden.
Abbildung 3.36: Anzahl der differentiell
hochregulierten Gene der Kategorie
“Signalleitung” für alle
Stressbedingungen. Aus der funktionellen
Kategorisierung (siehe Tabelle 3.3) wurden
für jede Stressbedingung die Anzahl der
differentiell hochregulierten Gene
dargestellt, die jeweils der Kategorie
„Signalsysteme“ zugeordnet sind.
Dabei waren die meisten Gene unter Hitze (100), einer Kombination von Trockenheit und
Hitze (107), und Trockenheit in Kombination mit Virus (104) reguliert. Im Falle der
Einzelstresssituationen war immer noch eine hohe Anzahl an Genen reguliert (Trockenstress
28; Virusinfektion 52). Häufig werden pflanzliche Antworten durch komplexe Signalnetzwerke
reguliert und vorangegangene Versuche wiesen bereits darauf hin, dass es unter
kombiniertem Stress zu Veränderungen bei den Abwehrmechanismen kommt. Deshalb
wurde die Hypothese aufgestellt, dass es möglicherweise auch bei den Signalnetzwerken zu
Veränderungen unter multifaktoriellen Stresssituationen kommt. Dazu wurde auf die
Internetplattform ARANET zurückgegriffen, die anhand zahlreicher Transkriptdaten in der Lage
ist, Ko-Regulationen als Indikation für gemeinsame Aktivität innerhalb gleicher Prozesse für
selektierte Genlisten zu bestimmen. Von den 100 Signalgenen, die unter milder Hitze im
Vergleich zu den Kontrollpflanzen differentiell reguliert waren, zeigten in einer ARANET-
Analyse 54 Gene eine Ko-regulation in einem Netzwerk (siehe Abbildung 3.37).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
98
Abbildung 3.37: KO-Regulationsanalysen der Gene aus der Kategorie “Signalsysteme” unter Einzel- bzw.
kombinierten Stressbedingungen. Die Abbildung gibt die Ko-Regulationsnetzwerke für jede Behandlung (grau)
sowie den Überlapp von koexprimierten Genen zwischen den einzelnen Bedingungen an (nicht farbig). Hitze (h),
Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-Trockenheit-Hitze
(vdh), starke Hitze (sh).
Innerhalb der Gruppe der Signalgene ergab sich auch für die anderen Stresssituationen ein
ähnliches Bild: In allen Fällen formte eine relativ große Gruppe ein Netzwerk innerhalb jeder
Behandlung: beginnend bei starkem Hitzestress 31% (30 aus 98), bis hin zu 63% im Falle
des Virusstresses (33 aus 52) und einer Kombination aus Virus und Trockenstress (65 aus
104; siehe Abbildung 3.37). Als nächstes stellte sich die Frage, ob es einen Zusammenhang
zwischen den einzelnen Netzwerken gibt oder ob diese spezifisch für die jeweiligen
Situationen waren. Zu diesem Zweck wurden die einzelnen Netzwerke auf gemeinsam
regulierte Gene hin überprüft. Interessanterweise war der Überlapp der identifizierten
Netzwerke begrenzt, was darauf hindeutet, dass unterschiedliche Netzwerke für
unterschiedliche Stresskombinationen benötigt werden. In diesem Zusammenhang ist es
bemerkenswert, dass zwischen dem Hitzenetzwerk und dem Netzwerk, das unter
Virenstress entsteht, ein Überlapp von 12 Genen existiert. Werden jedoch
Einzelstressbedingungen aus Virus, Hitze und Trockenheit kombiniert, bleibt nur noch ein
einzelnes Gen des Virusstresses übrig. Der Überlapp mit dem Netzwerk für Hitzestress
führte lediglich zu 12 Genen, u.a. zwei Transkriptionsfaktoren: LONG HYPOCOTYL IN FAR RED1
(HFR1) und PHYTOCHROME-INTERACTING FACTOR3 (PIF3). Offensichtlich ist Hitzestress in der
Lage, TuMV-spezifische Netzwerke abzuschalten, was im Einklang mit den reduzierten
Abwehrsystemen steht und das vermehrte Viruswachstum erklären könnte.
Interessanterweise konnten keine Signalgene für alle Behandlungen identifiziert werden
(siehe Abbildung 3.37). Jedoch konnten Gene im Überlapp von Virus und anderen
abiotischen Stresskombinationen gefunden werden, was auf eine gemeinsame Rolle
biotischer und abiotischer Stresssignalgene hindeutet. Fortführende Analysen zwischen den
Signalgenen unter starker Hitze zeigten, dass 50% dieser Gene mit Triplestress gemeinsam
waren, aber die anderen nur unter starker Hitze auftraten. Dies deutet darauf hin, dass
h
(54/100)
d
(9/28)
v
(33/52)
dh
(57/107)
vd
(65/104)
vh
(22/69)
vdh
(23/69)
sh
(30/98)
h 54 0 12 36 24 15 12 12
d 0 9 6 4 8 0 0 0
v 12 6 33 13 32 9 1 1
dh 36 4 13 57 27 15 16 14
vd 24 8 32 27 65 15 3 6
vh 15 0 9 15 15 22 6 9
vdh 12 0 1 16 3 6 23 15
sh 12 0 1 14 6 9 15 30
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
99
einzelne Stresssituationen gemeinsame Signalwege nutzen, andere spezifisch sind.
Zusammengefasst zeigen die erzielten Ergebnisse, dass jede Behandlung offensichtlich
andere Signalnetzwerke aktiviert, die entsprechend der Stresssituation angepasst werden.
Diese Änderungen sind möglicherweise auch die Begründung, warum spezifische biotische
und abiotische Kombinationen synergistisch oder antagonistisch wirken.
3.1.12 Multifaktorieller Stress verursacht eine Verschiebung der
ER-UPR zur Cyt-UPR
3.1.12.1 Gene der Cyt-UPR sind unter multifaktoriellem Stress hochreguliert
Hitzestress kann zu einer veränderten Proteinhomöostase im Zytosol und im
Endoplasmatischen Retikulum (ER) führen, was zur Induktion von molekularen Chaperonen
führen kann. Durch Cyt-UPR (cytosolic unfolded protein response; Cyt-UPR) verursachte
transkriptionelle Änderungen werden im Wesentlichen durch den Hitzeschockfaktor (HSF)
HSFA2 reguliert. Eine Überexpression von HSFA2 in transgenen Arabidopsis-Pflanzen
führte zu 46 hoch-regulierten Zielgenen im Vergleich zu untransformierten Kontrollpflanzen
unter Normalbedingungen (Nishizawa et al., 2006). Diese Zielgene können als molekulare
Marker für die Cyt-UPR angenommen werden. Um nun zu untersuchen, ob die Cyt-UPR
Markergene in den unterschiedlichen Stresssituationen hochreguliert waren, wurde die
Expression der HSFA2 Zielgene analysiert. Diese Analyse zeigte vor allem hochregulierte
HSFA2-regulierte Gene unter kombinierten Stressbedingungen sowie bei starkem
Hitzestress (siehe Abbildung 3.38). Triplestress und starke Hitze führten zur Hochregulation
von 29 bzw. 30 der insgesamt 46 Cyt-UPR Markergenen. Offensichtlich stellt Hitze den
größten Faktor für erhöhte Cyt-UPR dar, die Anzahl der Cyt-UPR Markergene scheint aber
auch durch die Stärke des Stresses erhöht zu sein. Die Replikation des TuMV findet im
Zytosol infizierter Pflanzenzellen statt und ist abhängig von verschiedenen Wirtsfaktoren,
inklusive der Wirtschaperone (Ahlquist et al., 2003).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
100
Abbildung 3.38: Expressionsmuster der Cyt-
UPR Gene von Pflanzen die entweder Einzel-
oder multifaktoriellem Stress ausgesetzt
waren, oder starker Hitze. Das Diagramm zeigt
die Verteilung HSFA2-regulierten Gene unter
verschiedenen Stressbehandlungen. Die
HSFA2-regulierten Gene wurden durch
Nishizawa et al. (2006) identifiziert.
3.1.12.2 Multifaktorieller und starker Stress verursachen eine
Herunterregulation der ER-UPR-Gene
Aufgrund des Anstiegs der Cyt-UPR-Markergene sowohl unter starker Hitze als auch unter
kombinierten Stresssituationen, wurden im nächsten Schritt die Gene der ER-UPR, die in der
Lage sind, die Proteinfaltung im ER zu beeinflussen, untersucht. Die ER-UPR wird
experimentell durch die Behandlung mit Tunicamycin, das die N-terminale Glycosylierung,
und damit die korrekte Proteinfaltung von Glykoproteinen hemmt, erzielt (Koizumi et al.,
1999). Mittlerweile existieren mehrere Veröffentlichungen, die die Auswirkungen einer
Tunicamycinbehandlung auf die Genexpression in Arabidopsis untersucht haben. Dabei
wurden nicht nur unterschiedliche Behandlungszeiträume verwendet, sondern auch
verschiedene Transkriptomplattformen: ein Affymetrix GeneChip (Martinez und Chrispeels,
2003; Noh et al., 2003), ein sogenannter „fluid microarray“ (Kamauchi et al., 2005) und ein
Agilent Arabidopsis 2-Oligo Mikroarray (Iwata et al., 2008; Iwata et al., 2010). Um ER-UPR-
Markergene ausfindig zu machen, wurde ein Vergleich dieser Studien durchgeführt und acht
Gene identifiziert, die in all diesen Studien nach Tunicamycinbehandlung reguliert waren
(siehe Tabelle 3.4). Die acht Gene sind im Anhang A7 gelistet.
h
d
v
vd
dh
vh
vdh
severe h 19
0
5
26
25
29
30
0
sh
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
101
Studien 5 von 5 4 von 5 3 von 5
Gene 8 16 38
h 3 5 10
d 1 1 1
v 0 0 3
vd 3 4 9
dh 0 0 3
vh 0 0 4
vdh 0 0 3
sh 0 0 3
Tabelle 3.4: Differentielle Regulation von ER-UPR Genen in Arabidopsis-Pflanzen, die Einzelstress,
multifaktoriellem Stress oder starker Hitze ausgesetzt waren. Die Tabelle zeigt die Verteilung der
Tunicamycin-regulierten Gene in den verschiedenen Stresssituationen. Dazu wurden die Gene aus den
unterschiedlichen Stressbehandlungen mit fünf Studien, die Tunicamycin-regulierte Gene beschreiben, verglichen
(Martinez und Chrispeels, 2003; Noh et al. et al., 2003; Kamauchi et al., 2005; Iwata et al., 2008 und Iwata et al.,
2010). Hitze (h), Virus (v), Trockenheit (d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-
Trockenheit-Hitze (vdh), starke Hitze (sh).
Ein Vergleich dieser acht konservierten Tunicamycin-induzierbaren Gene mit den Genen des
Triplestressexperimentes zeigte, dass unter mildem Hitzestress sowie in einer Kombination
aus Virus und Trockenheit 38% dieser Gene hochreguliert waren. Im Gegensatz dazu,
konnte keines der konservierten Tunicamycin-induzierbaren Gene im multifaktoriellen oder
starken Hitzestress gefunden werden. Da dieser Überlapp niedrig ist und nicht klar ist, ob
diese wirklich als Marker genommen werden können, wurden Gene selektioniert, die nur in
einigen der betrachteten Studien hochreguliert waren. Nimmt man Gene, die nur in drei der
fünf Tunicamycin Studien hochreguliert sind, können immerhin zehn der 38 Gene unter
mildem Hitzestress gefunden werden (siehe Tabelle 3.4). Diese Anzahl sinkt jedoch sobald
moderater Hitzestress mit Trockenheit (drei hochregulierte Gene), Virus (vier hochregulierte
Gene), oder im Triplestressexperiment (drei hochregulierte Gene) kombiniert wird.
Interessanterweise reduzierte auch starker Hitzestress die Anzahl der Tunicamycin
induzierten Gene (drei hochregulierte Gene; siehe Tabelle 3.4). Die gleiche Tendenz kann
auch festgestellt werden, wenn nur Gene gewählt werden, die lediglich in zwei der fünf
Studien gefunden werden. Zusammengenommen kann festgestellt werden, dass unter
mildem Hitzestress ca. 30% der ER-UPR-Gene induziert sind, und nur 10% der Gene im
Falle multifaktoriellem Stresses oder starker Hitze. Abhängig von der Stärke des Stresses
kann ER-UPR entweder zu Autophagie oder Zelltod führen (zusammengefasst in Howell,
2013). Im Rahmen dieser Experimente waren allerdings nur wenige Autophagiegene
hochreguliert, was vermutlich bedeutet, dass dieser Prozess eine untergeordnete Rolle in
den gewählten Stressbedingungen ausmacht. In diesem Kontext ist es interessant, dass die
seneszenzregulierten Gene unter keiner der analysierten Stresssituationen angereichert
waren (siehe Anhang A8). Nimmt man die Ergebnisse der Cyt-UPR und der ER-UPR-
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
102
Markergenstudien zusammen, kann festgestellt werden, dass die URP Markergene negativ
durch kombinierte Stresssituationen betroffen sind, wohingegen kombinierte Stresssituation
zu einem starken Anstieg an Cyt-UPR Genen führten.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
103
3.2 Der Einfluss von abiotischem Stress auf Stomata
Trockenheit kann massive physiologische Änderungen in Pflanzen auslösen. Liegt
Wassermangel vor, sind Pflanzen in dem Dilemma, dass sie einerseits den Stoffaustausch
für die Assimilierung von Kohlenstoff in Form von CO2 über Stomata gewährleisten,
anderseits aber für einen geringen Wasserverlust sorgen müssen. Um größere Schäden im
Xylem und dem zellulären System zu vermeiden, ist das Schließen der Stomata essentiell.
Als Schlüsselhormon wurde dabei ABA identifiziert, dass als primäres chemisches Signal
mithilfe von sekundären Boten, wie ROS (reactive oxygene species; ROS), und Calcium,
gefolgt von einer Aktivierung und Inaktivierung von Kinasen bzw. Phosphatasen, diverse
Ionenkanäle ansteuert (Vahisalu et al., 2008; Vahisalu et al., 2010). Die in Abschnitt 3.1.2
abgebildeten Stomatadaten zeigten, dass Stomata nicht nur unter Trockenheit schließen,
sondern auch während der Kombination verschiedener Stressfaktoren. Um einen näheren
Einblick in die molekularen Antworten des Stomataschlusses zu erhalten und eine Idee zu
bekommen, welche Prozesse noch eine Rolle spielen könnten, wurden im Rahmen dieser
Arbeit Transkriptomdaten von Stomata trockengestresster Arabidopsis-Pflanzen detaillierter
betrachtet und die knock-out Mutante bam1 unter Trockenheit charakterisiert.
3.2.1 Analyse Stomata-spezifischer Transkripte unter Trockenheit
Für die nähere Untersuchung des Stomataverhaltens als Antwort auf Trockenheit standen im
Folgenden Stomata-spezifische Änderungen der Transkripte im Mittelpunkt. Dazu wurden 29
Tage alte Arabidopsis-Pflanzen milder Trockenheit analog zu den multifaktoriellen
Stressexperimenten ausgesetzt. Anschließend wurde nicht nur RNA des gesamten Blattes,
sondern im Rahmen einer Kooperation mit der Universität Würzburg auch Stomata-
spezifische RNA nach einem Protokoll von Bauer et al. (2013) extrahiert. Demnach wurden
nach Entfernen der Mittellammele die Blätter in einem Eisbad zerkleinert, anschließend
Stomatazellen unter Zuhilfenahme eines 210µm-Siebes selektiert und von den
verbleibenden Zellen RNA präpariert (siehe Material und Methoden 2.6.3). Anschließend
konnten Agilent Mikroarray-Hybridisierungen der Stomata-RNA (siehe Material und Methden
2.9.3.3) und RNA aus gesamten Blättern von jeweils zwei bis drei Replikaten durchgeführt
werden. Parallel wurde sowohl Stomata-spezifische RNA als auch RNA aus dem gesamten
Blatt für die Mutante bam1 gewonnen und simultan hybridisiert. Ein ANOVA-Test über alle
Replikate und Bedingungen lieferte 23017 signifikant regulierte features. Eine Cluster-
Analyse nach PEARSON UNCENTRED lieferte bei der Betrachtung der Col-0 Replikate eine
klare Trennung der Proben sowohl für Blattproben als auch für Stomata unter
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
104
Kontrollbedingungen und Trockenheit (siehe Anhang 9). Nachfolgende Auswertungen
offenbarten 1076 differentiell exprimierte features, die in Stomatazellen trockengestresster
Pflanzen in Col-0 mindestens zweifach im Vergleich zu Kontrollpflanzen erhöht waren. Um
einen Überblick über involvierte Prozesse zu erhalten, wurden die gegenüber den
Kontrollpflanzen differentiell regulierten Transkripte zunächst in hoch- bzw. herunterreguliert
eingeteilt (542 hoch-regulierte features bzw. 534 runter-regulierte features) und einer
Klassifikation basierend auf bins nach der MAPMAN Nomenklatur unterworfen
(mapman.gabipd.org/web/guest/mapmanstore).
Abbildung 3.39: Funktionelle Kategorisierung der hoch- bzw. herunterregulierten features Stomata-
spezifischer Transkripte in Col-0 unter Trockenheit. Stomata-spezifische Transkripte, die im Vergleich zur
Kontrollbedingung mehr als zweifach differentiell reguliert waren, wurden in hoch- bzw. herunterregulierte Gene
eingeteilt. Anschließend wurden diese funktionellen Kategorien gemäß einer Klassifikation von MAPMAN
zugeordnet. Die Zahlen geben dabei das Verhältnis an, das sich aus dem prozentualen Anteil signifikant
regulierter Genen einer spezifischen funktionellen Gruppe und dem prozentualen Anteil dieser features zum
gesamten Chip ergibt. Hochregulierte features wurden dabei als positive, herunterregulierte als negative Werte
deklariert.
Abbildung 3.39 verdeutlicht, dass die meisten hochregulierten Gene dem zentralen
Kohlenhydratstoffwechsel zuzuschreiben sind. Überproportional viele hochregulierte Gene
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
105
konnten zudem in den Kategorien Stress, Metallhomöostase, sekundärer Metabolismus und
Lipidstoffwechsel gefunden werden. In den anderen Gruppen konnten nur geringfügige
Änderungen festgestellt werden. Auf der anderen Seite waren Gene der Kategorien
Stickstoffmetabolismus, Hormonmetabolismus, Redoxregulation und Transport stark
herunterreguliert.
Da der zentrale Stoffwechsel die auffälligste Kategorie innerhalb der funktionellen
Kategorisierung trockengestresster Pflanzen darstellte, wurden im Folgenden Stomata-
spezifische Transkriptprofile der Stärkegene unter Zuhilfenahme einer Klassifizierung nach
Sonnewald und Kossmann (2013) näher betrachtet (siehe Abbildung 3.40). Dabei
kristallisierte sich heraus, dass der Stärkeaufbau tendenziell hochreguliert war, allen voran
AGPasen, GBSS1 und SSBIII. Im Gegensatz dazu waren die -Amylasen (BAMs)
überwiegend herunterreguliert, was einen reduzierten Stärkeabbau in den Stomata der
trockengestressten Pflanzen andeuten könnte. Das Arabidopsis-Genom kodiert neun β‐
Amylase Gene, eine erstaunlich hohe Anzahl verglichen mit anderen Enzymen des
Stärkemetablismus (Smith et al., 2004). Interessanterweise sind speziell BAM1 (-3.01) und
BAM5 (-2.87) stark herunterreguliert. Dabei konnte schon in früheren Studien
herausgefunden werden, dass BAM1, ebenso wie BAM3, für eine in Chloroplasten aktive β‐
Amylase kodiert (Sparla et al., 2006). In vitro wurde zudem der Abbau der Stärkegranula
durch die simultane Aktivität von GWD, ISA3 und entweder BAM1 oder BAM3 gezeigt (Edner
et al., 2007). Bemerkenswerterweise konnten Valerio et al. (2011) anhand der Stärkemutante
bam1 zeigen, dass durch eine Mutation in BAM1 tatsächlich mehr Stärke in den Stomata
gefunden werden kann und diese Pflanzen nicht in der Lage sind, Stärke abzubauen und
dadurch ein verändertes Öffnungsverhalten der Stomata aufweisen. Die vorliegenden
Mikroarray-Daten geben Anlass für die Vermutung, dass Pflanzen unter Trockenheit weniger
Stärke in den Stomata abbauen und dadurch die bam1-Mutante möglicherweise einen
Vorteil erzielen könnten.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
106
Abbildung 3.40: Expressionsdaten trockeninduzierter Gene der Stärkebiosynthese und des Stärkeabbaus
in Stomata von Col-0 Pflanzen. Dargestellt sind die Stomata-spezifischen transkriptionellen Änderungen des
Stärkemetabolismus von Col-0 Pflanzen unter Trockenheit im Vergleich zu Kontrollbedingungen. Col-0 Pflanzen
wurden im Alter von 29 Tagen kontrollierter Trockenheit über einen Zeitraum von fünf Tagen ausgesetzt,
Stomata-spezifische RNA präpariert und Mikroarray-Hybridisierungen durchgeführt. AGPase (ADP-
glukosepyrophosphorylase), DPE1 (Disproportionierungsenzym 1), GBSS (Stärkesynthase an den
Stärkekörnern), GWD (Glukan-Wasser-Dikinase), Hxk (Hexokinase), ISA (Isoamylase), PGM
(Phosphoglukomutase), PWD (Phosphoglukan-Wasser-Dikinase), SBE (Verzweigungsenzym), SS
(Stärkesynthase), ADPG (ADP-Glukose), G1P (Glukose-1-Phosphat), G6P (Glukose-6-Phosphat). Dargestellt
sind log2 Werte der differentiellen Änderung gegenüber den Kontrollpflanzen. Rot eingefärbte Expressionswerte
deuten steigende, blau eingefärbte Felder herunterregulierte Transkriptwerte dar. Die Farbsättigung ist bei einer
1.3-fachen Änderung erreicht. Die Abbildung wurde nach Sonnewald und Kossmann (2013) modifiziert.
Pi
Lineare Glukane
Maltose
Maltotriose
Glukose
DPE1 (n.d.)
G6P G1P PGM
ADPG
Verzweigte Glukane
ISA (n.d.)
Stärke
Stärkeaufbau Stärkeabbau
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
107
3.2.2 Verbesserte Trockentoleranz der Mutante bam1, einer -
Amylase
Stomata-spezifische Transkriptanalysen zeigten, dass einige -Amylasen, unter anderem
BAM1 und BAM5, unter Trockenheit herunterreguliert sind. Interessanterweise konnte durch
eine Mutation des Arabidopsis-Gens BAM1 eine abweichende Öffnungsgröße der Stomata
nachgewiesen werden (Valerio et al., 2011). Da Pflanzen als eine der ersten Reaktionen auf
einsetzende Trockenheit ihre Stomata schließen und bam1 Pflanzen schon eine verringerte
Öffnungsweite aufweisen, könnte dies einen Einfluss auf die Biomasse vermuten lassen. Zur
Überprüfung dieser Hypothese wurde die Arabidopsis-Linie SALK_039895, die eine T-DNA-
Insertion im ersten Exon des bam1-Gens aufweist, verwendet. Eine homozygote Linie der T-
DNA Insertionslinie SALK_039895 wurde freundlicherweise von Valerio et al. (2011) zur
Verfügung gestellt. Durch eine DNA-PCR konnte die T-DNA homozygot in bam1 Pflanzen
nachgewiesen werden und eine RT-PCR Analyse der Insertionslinie SALK_039895 zeigte
keine Transkripte, so dass ein kompletter Verlust der Transkriptmenge angenommen werden
kann (siehe Abbildung 3.41).
Abbildung 3.41: Molekulare Analyse der bam1 Arabidopsis T-DNA Insertionsmutante Salk_039895. Die T-
DNA Salk-039895 befindet sich im ersten Exon des bam1-Gens. Die PCR auf genomische DNA bestätigte, dass
es sich um eine homozygote Linie im bam1-Lokus handelt. Die Expression der bam1-Transkripte wurde durch
RT-PCR mit genspezifischen Primern gezeigt. Ubiquitin (UBQ) diente als interne Kontrolle. Die Charakterisierung
der Pflanzen wurde von Kirsten Ott durchgeführt.
UBQ
BAM1
bam
1
Co
l-0
H20
Salk_039895
RT-PCR DNA-PCR
H20
Co
l-0
bam
1
BAM1
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
108
Pflanzen der Linien Col-0 und bam1 wurden anschließend kontrolliert angezogen und einem
milden Trockenstress über mehrere Tage ausgesetzt. Nach fünf Tagen wurden die Pflanzen
geerntet und gewogen. In Abbildung 3.42 ist die Biomasse nach Applikation von
Trockenstress zu sehen. Unter Kontrollbedingungen ist zwischen den Linien Col-0 und bam1
kein Unterschied feststellbar. Der Unterschied zwischen beiden Linien beträgt nur ca. 20 mg
und ist damit nicht signifikant. Sind die Pflanzen jedoch Trockenheit ausgesetzt, so konnte
beobachtet werden, dass die Pflanzen der Stärkemutante bam1 signifikant mehr Biomasse
im Vergleich zu Col-0 bilden können. Bam1 Pflanzen weisen unter Trockenheit lediglich eine
Biomassereduktion von 28% im Vergleich zu Kontrollpflanzen auf, wohingegen Col-0
Pflanzen eine Biomassereduktion von bis zu 39% zeigten (siehe Abbildung 3.42).
Abbildung 3.42: Durchschnittliche Biomasse der Linien Col-0 und bam1 unter Kontrollbedingungen sowie
Trockenheit. Pflanzen wurden fünftägiger Trockenheit ausgesetzt und anschließend jeweils die Biomasse (in mg
Frischgewicht) unter Trockenheit und Kontrollbedingung von Col-0 und bam1 Pflanzen bestimmt (n ≥ 25).
Statistische Unterschiede zu den jeweiligen Kontrollpflanzen wurden durch einen zweiseitigen T-Test unter
Annahme gleicher Varianz ermittelt und mit einem Stern versehen (*p<0.05).
3.2.3 Differentiell regulierte Transkripte von bam1 Pflanzen unter
Trockenheit
Unter Trockenstressbedingungen zeigten Arabidopsis-Pflanzen mit verminderter β-Amylase
1 Aktivität, und damit mit vermindertem Stärkeabbau, eine erhöhte Biomasse verglichen mit
Col-0 Kontrollpflanzen (siehe Abbildung 3.42). Offenbar stellt ein reduzierter Stärkeabbau in
den Stomata eine potentielle Strategie der Pflanzen dar, sich gegen Trockenheit zu
0
100
200
300
400
500
600
700
800
900
Kontrolle Trockenheit
Bio
masse [m
g]
Col-0
bam1
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
109
schützen. Um die Auswirkungen eines reduzierten Stärkeabbaus in Stomata in bam1
Pflanzen unter Bedingungen der Trockenheit näher zu untersuchen, wurden Mikroarray-
Analysen durchgeführt. Dazu wurden parallel zu den Col-0 Pflanzen in Abschnitt 3.2.1 bam1
Pflanzen über einen Zeitraum von 29 Tagen unter kontrollierten Bedingungen angezogen
und anschließend fünftägigem Trockenstress ausgesetzt. Von bam1 Pflanzen wurde
ebenfalls sowohl RNA aus Blättern als auch RNA aus Stomata extrahiert und zusammen mit
den Col-0 Proben auf Mikroarray-Chips hybridisiert. Für die weitere Auswertung wurde die
ANOVA-Liste aus Abschnitt 3.2.1 mit 23017 signifikanten features, die alle Daten für bam1
und Col-0 unter Trockenheit und Kontrollsituationen einschließt, verwendet. Bam1-
Transkripte aus Blattmaterial und Stomata konnten in einer Cluster-Analyse nach PEARSON
UNCENTRED nicht getrennt werden. Unter Trockenheit konnten jedoch die Blattproben von
bam1 und Col-0 eindeutig, die Stomataproben von bam1 von Col-0 nahezu getrennt
geclustert werden (siehe Anhang A9). Im nächsten Schritt wurden mehr als zweifach
differentiell regulierte features für bam1 Pflanzen und Col-0 separat ermittelt (siehe Anhang
A10). Final resultierten 276 hoch- und 292 herunterregulierte features, die spezifisch für
bam1 Pflanzen unter Trockenheit in den Stomata exprimiert sind und nicht in Col-0 Pflanzen.
Diese wurden zunächst nach einer MAPMAN-Kategorisierung klassifiziert (siehe Abbildung
3.43). Demnach sind bei den hochregulierten Genen nur wenige Kategorien angereichert,
u.a. Zentralstoffwechsel und Nukleotidmetabolismus. Interessanterweise verrät ein Blick in
die Genlisten der hochregulierten Gene, dass vor allem bei den unklassifizierten features
eine signifikante Anreicherung der Genklasse der sogenannten PENTATRICOPEPTIDE REPEAT
(PPR) Familie gefunden werden kann. Bei den herunterregulierten features hingegen sind
die Kategorien Zellwand und Hormonstoffwechsel überproportional vertreten. In letztere
Kategorie fallen vor allem SAUR-ähnliche auxinresponsive Proteine und Ethylen-responsive
Transkriptionsfaktoren. In die Kategorie der Zellwand fallen vor allem
Arabinogalaktanproteine, Expansine sowie Xyloglucan:xyloglucosyl-Transferasen. Bei den
herunterregulierten Genen war zudem weiterhin auffällig, dass Wasserkanäle
herunterreguliert waren, allen voran PLASMA MEMBRANE INTRINSIC PROTEINS (PIPs) und
tonoplast intrinsic proteins (TIPs), die zur Familie der MAJOR INTRINSIC PROTEINS (MIPs)
gehören. Diese Daten liefern Hinweise darauf, dass offensichtlich die Wasseraufnahme und
Zellwandmodifikation herunterreguliert sind.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
110
Abbildung 3.43: Funktionelle Kategorisierung der hoch- bzw. herunterregulierten features Stomata-
spezifischer Transkripte der bam1 Pflanzen unter Trockenheit. Stomata-spezifische Transkripte, die im
Vergleich zur Kontrollbedingung mehr als zweifach differentiell reguliert waren, wurden in hoch- bzw.
herunterregulierte Gene eingeteilt. Anschließend wurden diese funktionellen Kategorien gemäß einer
Klassifikation von MAPMAN zugeordnet. Die Zahlen geben dabei das Verhältnis an, das sich aus dem prozentualen
Anteil signifikant regulierter Gene einer spezifischen funktionellen Gruppe und dem prozentualen Anteil dieser
features zum gesamten Chip ergibt. Hochregulierte features wurden dabei als positive, herunterregulierte als
negative Werte deklariert.
3.2.4 Bam1 Pflanzen unter erhöhten Temperaturen
Eine Mutation des stärkeabbauenden Enzyms bam1 führte in bam1 Pflanzen zu einer
verbesserten Trockentoleranz im Vergleich zu Col-0 (siehe Abbildung 3.42). Ist aber nun
nicht Trockenheit der applizierte Stressfaktor, sondern Hitze, könnte sich das Verhalten der
Pflanzen ändern: Da sich Stomata von Wildtyppflanzen während der Applikation von Hitze
öffnen (Kotak et al., 2007), die Stomata der Stärkemutante bam1 unter Kontrollbedingungen
aber bereits weniger weit geöffnet sind als bei Col-0 Pflanzen (Valerio et al., 2011), wäre ein
schlechteres Abschneiden dieser Pflanzen unter Hitzebedingungen zu erwarten gewesen. In
Abbildung 3.44 ist allerdings erkennbar, dass bam1 Pflanzen im Vergleich zu Col-0 Pflanzen
keine signifikanten Biomasseverluste unter Hitzestress zeigten.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
111
Abbildung 3.44: Durchschnittliche Biomasse der Linien Col-0 und bam1 unter Kontrollbedingungen sowie
Trockenheit und Hitzestress. Pflanzen wurden fünftägiger Trockenheit und dreitägigem Hitzestress (35°C
tagsüber und 31°C nachts) ausgesetzt und anschließend die Biomasse (in mg Frischgewicht) bestimmt (n ≥ 25).
Statistische Unterschiede der bam1 Pflanzen zu den Col-0 Pflanzen in der jeweiligen Stresssituation wurden
durch einen zweiseitigen T-Test unter Annahme gleicher Varianz ermittelt und mit einem Stern versehen
(*p<0.05).
Dies könnte darauf hindeuten, dass die Stomata der bam1 Pflanzen immer noch weit genug
geöffnet sind, um für ausreichende Transpiration zu sorgen oder die Stomata doch in der
Lage sind, weiter zu öffnen. Um dem näher auf den Grund zu gehen, wurden die stomatären
Öffnungsweiten für die jeweiligen Stressbedingungen im Vergleich zur Kontrolle am
Mikroskop untersucht. In Abbildung 3.45 ist zu sehen, dass die stomatären Poren der Linie
Col-0 mit 0.51 unter Hitzestress signifikant weiter geöffnet sind als die der Linie bam1 (0.3),
was im Einklang mit veröffentlichten Daten steht (Valerio et al., 2011). Mit einem Verhältnis
der Länge zur Breite der stomatären Pore von 0.34 sind die Poren von bam1 Pflanzen unter
Trockenheit größer als bei Col-0 Pflanzen, deren Verhältnis bei 0.27 liegt.
Überraschenderweise sind während des Hitzestresses die Stomata in bam1 Pflanzen (0.45)
weiter geöffnet als unter Kontrollbedingungen (0.3) und unter Trockenheit (0.34).
Möglicherweise existiert ein Mechanismus, der unabhängig vom Stärkeabbau zur Öffnung
der Stomata führt oder ein Prozess der andere -Amylasen involviert.
0
100
200
300
400
500
600
700
800
900
control drought heat
Bio
masse [m
g]
Col-0
bam1
Kontrolle Trockenheit Hitze
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
112
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
Kontrolle Trockenheit Hitze
Sto
mata
öff
nunngsw
eite (
Bre
ite/L
änge)
Col-0
bam1
Abbildung 3.45: Öffnungsweite der Stomata-Poren von Pflanzen unter Kontroll- und Stressbedingungen.
Pflanzen wurden unterschiedlichen Bedingungen ausgesetzt (Appliziert wurden fünftägige Trockenheit und dreitägige Hitze – 35°C tagsüber und 31°C nachts). Kurz nach Beginn der Lichtphase wurde die Epidermis abgezogen und unter dem Mikroskop betrachtet. Die Poren der Stomata wurden vermessen und das Verhältnis der Breite zur Länge der Poren aufgetragen. Zu sehen ist, dass unter Trockenstress die Poren von bam1 Pflanzen weiter geöffnet sind als die der Col-0 Pflanzen. Unter Kontrollbedingungen sind die Poren von Pflanzen der Linie Col-0 weiter geöffnet als die der Linie bam1. Unter Hitze sind die Stomata beider Linien weiter geöffnet als bei Kontrollbedingungen (n ≥ 82). Statistische Unterschiede der bam1 Pflanzen zu den Col-0 Pflanzen in der jeweiligen Stresssituation wurden durch einen zweiseitigen T-Test unter Annahme gleicher Varianz ermittelt und mit einem Stern versehen (*p<0.05).
Um zu überprüfen, ob Stärke unter Hitze wirklich abgebaut werden kann, wurde der
Stärkegehalt in den Schließzellen bestimmt. Dazu wurden die Stärkekörner in den
verschiedenen Stresssituationen, sowohl in Col-0 als auch in der Mutante bam1 mit
Jodlösung gefärbt und der Stärkegehalt anschließend quantifiziert. In Abbildung 3.46 ist zu
sehen, dass erhöhte Stärkeakkumulationen in bam1 unter Kontrollbedingungen festgestellt
werden können. Auch unter Trockenheit akkumuliert Stärke in bam1 Pflanzen, wohingegen
die Einwirkung von Hitze zu einer Abnahme der Stärkemenge in den Schließzellen um bis zu
30% führt (siehe Abbildung 3.46).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
113
Abbildung 3.46: Stärkegehalt in Schließzellen von Col-0 und bam1-Mutanten unter Kontrollbedingungen, Hitze und Trockenheit. Pflanzen wurden unter
kontrollierten Bedingungen angezogen und 41 Tagen nach Keimung Hitze bzw. Trockenheit ausgesetzt. Eine Jodfärbung ermöglicht die Visualisierung des Stärkegehalts in den Chloroplasten der Schließzellen. Die Balken repräsentieren jeweils 10µm. Zusätzlich wurde der Stärkegehalt der Stärkekörner durch die Bestimmung der entsprechenden Pixelflächen für bam1 Pflanzen unter Hitze (h) und Kontrollbedingungen (con) von mehr als 80 Schließzellen quantifiziert. Statistische Unterschiede der bam1 Pflanzen zu den Col-0 Pflanzen in der Kontrollsituation sowie der Vergleich der Stärkegehalte zwischen Pflanzen unter Hitzestress und Trockenheit wurden durch einen zweiseitigen T-Test unter Annahme gleicher Varianz ermittelt und mit einem Stern versehen (*p<0.05).
Um eine Idee zu bekommen, ob bei den bam1 Pflanzen andere -Amylasen in den
stomatären Stärkeabbau unter Hitzestress involviert sind, wurden die Mikroarray-Daten
hitzegestresster Arabidopsis-Pflanzen ausgewertet. Dazu wurden 37 Tage alte Pflanzen
einem dreitägigem Hitzestress von 32°C tagsüber und 28°C nachts ausgesetzt und RNA aus
den Stomata gewonnen. Die Hybridisierung und Auswertung von jeweils vier biologischen
Replikaten lieferte nach Anwendung eines T-Tests 18436 features. Unter den signifikanten
Genen konnte BAM1 nicht detektiert werden. Interessanterweise, waren aber andere -
Amylasen, unter anderem BAM6, BAM7 und BAM8 hochreguliert (siehe Anhang A11). Diese
Befunde implizieren, dass unter Hitzestress in den Stomata von Pflanzen andere Prozesse
angesteuert werden können, die der Pflanze eine Stomataöffnung ermöglichen. In diesem
Zusammenhang war auch die Transkriptregulation der BAM Gene in Pflanzen spannend, die
simultaner Trockenheit und Hitzestress ausgesetzt waren. Dazu wurden Pflanzen
fünftägigem Trockenstress und einem dreitägigem Hitzestress von 32°C tagsüber und 28°C
nachts ausgesetzt. Anschließende Mikroarray Hybridisierungen Stomata-spezifischer RNA
lieferten nach Anwendung eines T-Tests 19273 features. BAM6 und BAM7 konnten unter
den kombinierten Stressbedingungen nicht mehr detektiert werden, jedoch waren die Gene
BAM1, BAM4, BAM7 und BAM9 reguliert (siehe Anhang A11). BAM1 war jedoch im
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
114
Vergleich zur Trockenheit nicht mehr herunterreguliert, sondern sogar hochreguliert.
Offensichtlich werden in Stomata von Pflanzen Stärkegene in Abhängigkeit der existierenden
Stressbedingungen exprimiert.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
115
3.3 Charakterisierung salztoleranter T-DNA Reislinien
3.3.1 Generierung von T-DNA Reislinien
Für die Untersuchungen salztoleranter Reislinien wurde im Rahmen eines
Kooperationsprojektes mit Indonesien (Labor Dr. Satya Nugroho am Institut LIPI in
Indonesien) eine Reismutantenkollektion erzeugt, die ungerichtete T-DNA- bzw.
Transposoninsertionen aufweisen. Für die anschließende Selektion potentieller
stresstoleranter Pflanzen wurden die individuellen Linien entweder auf Yoshida Medium,
modifiziert nach einem Protokoll von Gregorio et al. (1997), als Kontrolle oder aber auf
Yoshida Medium mit 200mM NaCl in vitro angezogen. Parallel dazu wurden Pflanzen auf
Yoshida Medium, dem PEG6000 (Konzentration 150g/l) hinzugefügt worden war, auf
Trockentoleranz hin selektioniert. Nach drei Wochen wurde die Keimungsrate, die
Pflanzengröße sowie das Wurzelwachstum der jeweiligen Linien im Vergleich zur
Kontrolllinie Nipponbare bestimmt (Daten AG Satya Nugroho, Indonesien). Schließlich
konnten aus ca. 5000 Mutanten vier Linien mit verminderter PEG6000 Sensitivität und fünf
Linien mit verminderter Salzsensitivität selektiert werden. Für nachfolgende Analysen wurden
ausgewählte Reislinien chronologisch nummeriert (siehe Tabelle 3.5).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
116
Tabelle 3.5: Übersicht über die T-DNA Reislinien. Für die jeweiligen Bezeichnungen sind die Behandlungen
sowie das vorhergesagte Verhalten, das sich aus Vorversuchen in Indonesien ergeben hat, angegeben.
3.3.2 Identifikation von salztoleranten T-DNA Reislinien in vivo
Um nun zu überprüfen, ob die vorselektierten Reispflanzen (siehe Tabelle 3.5) auch in
Phytokammerversuchen eine veränderte Toleranz gegenüber Salz- bzw. Trockenstress
haben, wurden zunächst optimale Anzuchtbedingungen für eine Kultivierung in
Phytokammern eruiert. Nachdem Versuche zur Anzucht der Reispflanzen in Wasser an
schlechten Wachstumsraten bzw. Pathogenbefall scheiterten, wurden die Reissamen
schließlich in Wasser mit definiertem pH-Wert von 5.5 zur Keimung gebracht und
anschließend in einer 25%-igen Nährlösung, modifiziert nach Makino et al. (1985),
angezogen (für die Zusammensetzung der Nährstofflösung, siehe Material und Methoden
2.2.4). Nach einer Woche wurden die Keimlinge in Pflanzentöpfe mit nährstoffarmer Torferde
(Basissubstrat 2; Klasmann-Deilmann), die permanent mit 25%-iger Nährlösung versorgt
wurde, transferiert. Mit zunehmendem Pflanzenwachstum wurde die Konzentration der
Nährstofflösung nach drei Wochen auf 75% erhöht.
Nachdem geeignete Anzuchtbedingungen ermittelt werden konnten, wurden die
ausgewählten Reislinien (siehe Tabelle 3.5) gemäß dem Protokoll in Material und Methoden
Reis T-DNA Insertionslinie Behandlung Prognostizierte Toleranz Linienbezeichnung für weitere
Experimente
Nipponbarre L1 Kontrolle 1
T6 PMO III 4.4c-22-1-12-1*-6P.
16.12.11 Trockenheit Trockentoleranz 2
T6 PMO VI 30-IA-24-8-11-1-1 P
16.12.11 Trockenheit Trockentoleranz 3
T6 PMO III 4.4c-22-1-11-1-0
P6/12.11 Trockenheit Trockentoleranz 4
60P-4 P6/10/11 F5PUR VIII
44.3d(25)-2-164-2-4 Salzstress Salztolerant 5
654 P5 P3/1/2012 T5 PMOIII
4.4c-11-6-17-5 Salzstress Salztolerant 6
SAL 15-1 P.16.12/11
T4pMOV.10.5B-10-1-1 Salzstress Salzsensitivität 7
Sal 43-1 T4 PMO I.13.8A-40-10-
1 P19.12.11 Salzstress Salzsensitivität 8
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
117
bis zu einem Alter von fünf Wochen angezogen. Anschließend wurden die Linien 2-4 durch
fortwährenden Wasserentzug kontrolliertem Trockenstress über einen Zeitraum von acht
Tagen ausgesetzt, während die Pflanzen der Linien 5-8 zwar weiterhin mit Nährlösung
gegossen, allerdings über einen Zeitraum von acht Tagen zusätzlich mit 200mM NaCl
versorgt wurden. Die Kontrollpflanzen wurden lediglich mit der üblichen Nährlösung
gegossen. Anschließende Frischgewichtsbestimmungen zeigten für die Kontrolllinie
Nipponbare tatsächlich signifikante Biomasseverluste, sowohl unter Trockenheit (70.3%) als
auch unter Salzstress (76.7%) im Vergleich zu den regulären Anzuchtbedingungen (siehe
Tabelle 3.6).
Reislinie Frischgewicht (g)
Verhältnis zur
Kontrolle (%)
Trockengewicht (g)
Verhältnis zur
Kontrolle (%)
1 c 8.24 ±1.32 1.77 ±0.31
1 d 5.80* ±0.73 70.32 1.36* ±0.08 76.75
1 s 6.32* ±0.43 76.66 1.17* ±0.19 66.14
2 c 11.83 ±0.57 2.69 ±0.21
2 d 7.83* ±0.89 66.14 2.00* ±0.27 74.15
3 c 8.20 ±0.44 1.68 ±0.30
3 d 6.46* ±0.72 78.78 1.48 ±0.11 87.76
4 c 9.49 ±2.25 1.93 ±0.50
4 d 6.67* ±0.57 70.33 1.67 ±0.21 86.09
5 c 6.93 ±0.88 1.90 ±0.40
5 s 6.45 ±0.91 93.02 1.23* ±0.16 64.57
6 c 9.50 ±1.50 1.98 ±0.52
6 s 9.33 ±0.76 98.25 1.87 ±0.27 94.57
7 c 7.79 ±0.78 1.65 ±0.20
7 s 6.16* ±0.55 79.08 1.32* ±0.18 80.25
8 c 9.97 ±1.23 2.31 ±0.17
8 s 6.78* ±0.64 68.00 1.35* ±0.21 58.66
Tabelle 3.6: Der Einfluss eines achttägigen Salz- bzw. Trockenstresses auf die Biomasse verschiedener
Reislinien. Die Tabelle zeigt die Biomassewerte für die einzelnen Reislinien unter Kontroll- bzw.
Stressbedingungen. Dazu wurden die T-DNA Insertionslinien 2-4, die als trockentolerante Linien deklariert waren,
einem achttägigen Wasserentzug, die T-DNA Insertionslinien 5 bis 8 (mögliche salztolerante- bzw. salzsensitive
Linien) einem achttägigen Salzstress (200mM) ausgesetzt. Die Kontrolllinie der Sorte Nipponbare wurde sowohl
Salzstress als auch Trockenheit ausgesetzt. Anschließend wurde das Frischgewicht der unterschiedlich
gestressten Pflanzen bestimmt. Ein Teil der Blattfläche wurde bei 80°C für drei Tage getrocknet und das
Trockengewicht bestimmt. Statistische Unterschiede zu den Kontrollpflanzen der Linie 1 wurden durch einen
zweiseitigen T-Test unter Annahme gleicher Varianz ermittelt und mit einem Stern versehen (*p<0.05). Die
Datenpunkte entsprechen jeweils fünf Pflanzen.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
118
Dieses Ergebnis galt als Marker für effizienten Stress und diente als Basis für den Vergleich
der T-DNA Insertionslinien. Die Linie 2-4 wies im Vergleich zur Kontrolllinie unter
Betrachtung der Frischgewichtsmasse unterschiedliches Verhalten auf. Während Linie 2
unter Trockenheit im Vergleich zu ihrer Kontrollbedingung prozentual schlechter abschnitt als
die Kontrollpflanze 1 (66% zu 70%), hatten die Pflanzen der Linie 4 vergleichbare Werte
gegenüber den Kontrollpflanzen (70% zu 70%; siehe Tabelle 3.6). In den
Trockengewichtsbestimmungen ergaben sich für Linie 4 sogar eine verbesserte Quote (86%
zu 66%). Gegenüber den Kontrollpflanzen hatten Pflanzen der Linie 3 nur eine geringe
Biomasseabnahme (22%) unter Trockenstress.
Während acht Tage nach Beginn der Salzstressapplikation keine Unterschiede im
prozentualen Biomassevergleich der Linie 7 und Linie 1 festgestellt werden konnten (79% zu
77%), zeigten die Analyse der Linie 8 eine um rund 10% verringerte Biomassedifferenz im
Vergleich zur Kontrolle, weswegen die Linie 8 als salzsensitive Linie eingestuft werden kann.
Interessanterweise erwiesen sich die Linie 5 und 6 als salztolerante Kandidaten: im
Vergleich zu ihren entsprechenden Kontrollpflanzen verblieben, trotz eines harschen
Salzstresses (200mM), immerhin noch 93% der Biomasse unter Salzstress bei Linie 5 und
98% bei Linie 6 verglichen mit 77% bei der Kontrolllinie 1 (siehe Tabelle 3.6). Dieses
Resultat konnte bei der Trockengewichtsbestimmung auch für Linie 6 erzielt werden,
wohingegen Linie 5 ein deutlich schlechteres Resultat lieferte. In den nachfolgenden
Untersuchungen stand aufgrund ihrer deutlich verbesserten Salztoleranz die
Charakterisierung der Reislinien 5 und 6 im Vergleich zur Kontrolllinie 1 im Vordergrund.
3.3.3 Zuckergehalte implizieren reduzierte Stresssensitivität
Für eine erste Charakterisierung der salztoleranten Linie 5 und 6 wurden zunächst jeweils
die Kohlenhydratgehalte unter Stress- und Kontrollbedingungen bestimmt. Dabei wurde
beobachtet, dass der Stärkegehalt in Linie 5 und 6 im Vergleich zu Linie 1 signifikant erhöht
war, wohingegen die gleichen Stärkemengen unter Salzstress detektiert wurden (siehe
Abbildung 3.47).
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
119
Abbildung 3.47: Änderungen der Zuckerakkumulation in verschiedenen Reispflanzen unter Salzstress.
Glukose-, Fruktose- und Saccharosemengen in salzgestressten Reispflanzen und Kontrollpflanzen wurden aus
einer ethanolischen Extraktion bestimmt. Dazu wurde die Kontrolllinie Nipponbare (Linie 1) sowie die
mutageniserten Linien 5 und 6 für fünf Wochen unter kontrollierten Bedingungen angezogen und anschließend
einem achttägigen Salzstress (200mM NaCl) ausgesetzt. Die Probennahme erfolgte in einem Zeitraum von
mehreren Stunden vor Ende der Lichtperiode. Für ein biologisches Replikat wurden jeweils mehrere Blätter einer
Pflanze vereinigt. Die Werte stellen eine Standardabweichung von 3-4 Pflanzen dar. Statistische Unterschiede zu
den Kontrollpflanzen der Linie 1 wurden durch einen zweiseitigen T-Test unter Annahme gleicher Varianz
ermittelt und mit einem Stern versehen (*p<0.05). Kontrollbedingung (c), Salzstress (s).
Dies könnte bedeuten, dass unter Salzstressbedingungen ähnliche metabolische Wege
genutzt werden und folglich ähnliche Reaktionen resultieren. Diese Hypothese wird zwar
noch durch die Betrachtung der Glukose- bzw. Fruktosemengen, zumindest für Linie 5,
bestätigt, nicht jedoch für die Saccharosemengen. Generell scheinen die Mengen an
Glukose und Fruktose in Reis im Vergleich zu Arabidopsis eher gering zu sein (siehe
Abbildung 3.47). Im Gegensatz zu den Hexosewerten konnten für die untersuchten
Reislinien deutlich erhöhte Saccharosemengen festgestellt werden. Interessanterweise,
wiesen die Linie 5 und 6 bereits die gleichen Gehalte an Saccharose unter
Kontrollbedingungen auf, wie sie die Linie 1 erst unter Stressbedingungen erreicht, jeweils
ca. 50µg/g Frischgewicht. Die detektierten Saccharosemengen zeigten unter
Salzstressbedingungen auch keine weitere Zunahme, was die Schlussfolgerung erlaubt,
dass die salztoleranten Linien 5 und 6 offenbar weniger stresssensitiv sind als die
Kontrolllinie 1 und offenbar andere Mechanismen unter Stress aktivieren.
0
2
4
6
8
1 c 1 s 5 c 5 s 6 c 6 s
µg
/gF
W
Glukose
0
2
4
6
8
1 c 1 s 5 c 5 s 6 c 6 s
µg
/gF
W
Fruktose
0
20
40
60
80
1 c 1 s 5 c 5 s 6 c 6 s
µg
/gF
W
Saccharose
0
4
8
12
16
1c 1s 5c 5s 6c 6s
µm
ol/
gFW
Stärke
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
120
3.3.4 Stresstolerante Linien 5 und 6 zeigen deutlich geringere
Aminosäuremengen unter Stress
Nachdem die Zuckermessungen einen starken Hinweis dafür lieferten, dass die
Saccharosemengen bereits unter Kontrollbedingungen erhöht waren und
Salzstressbedingungen zu keinen weiteren Veränderungen führten, sollte überprüft werden,
ob sich ein ähnliches Muster bei den Aminosäuregehalten wiederfinden lässt.
Erstaunlicherweise zeigte die Quantifizierung der Aminosäuren eine eindeutige Tendenz:
Unter Kontrollbedingungen waren die Aminosäuregehalten in allen drei Linien jeweils
vergleichbar hoch (siehe Abbildung 3.48).
Abbildung 3.48: Aminosäuremengen der Reislinie Nipponbare und der T-DNA Insertionslinien 5 und 6
unter Kontroll- und Salzstressbedingungen. Reispflanzen der Kontrolllinie Nipponbare (Linie 1) sowie der T-
DNA Insertionslinien 5 und 6 wurden für fünf Wochen unter kontrollierten Bedingungen angezogen und
anschließend einem achttägigen Salzstress (200mM NaCl) ausgesetzt. Die Gehalte der Aminosäuren wurden
anschließend in den Blättern aus Perchlorsäureextrakten mithilfe einer „reversed-phase“ HPLC und
Fluoreszenzdetektion des Fluoreszenzfarbstoffs AQC/Accq-Taq bestimmt. Die Werte repräsentieren jeweils 3-4
unabhängige Pflanzen. Kontrollbedingung (c), Salzstress (s).
Unter Stress wies die Kontrolllinie 1 jedoch deutlich erhöhte Werte fast aller Aminosäuren
auf, wohingegen Linie 5 nur einen verminderten Anstieg der Aminosäurewerte offenbarte.
Die Gehalte der Aminosäurewerte der Linie 6 waren selbst unter Salzstressbedingungen
vergleichbar mit ihren Kontrollen. Die Ergebnisse dieser Analysen zur Bestimmung von
Aminosäuremengen der salztoleranten Linien 5 und 6 im Vergleich zur Kontrolllinie 1
1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s
1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s
1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s
1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s 1c 1s 5c 5s 6c 6s
1c 1s 5c 5s 6c 6s
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
121
lieferten weitere deutliche Hinweise darauf, dass die beiden Linien deutlich geringere
Stresssensitivität unter erhöhten Salzkonzentrationen aufweisen.
3.3.5 Erniedrigte Natriumakkumulation in Blättern der Linie 6
In Pflanzen kann Salztoleranz durch verschiedene Mechanismen erreicht werden
(zusammengefasst in Munns und Tester, 2008), wobei eine Möglichkeit einer erhöhten
Toleranz eine verminderte Aufnahme von Natrium in den Wurzeln darstellt. Um zu testen, ob
die Blätter unter Salzstressbedingungen weniger Natriummengen im Vergleich zu ihren
Kontrollpflanzen aufweisen, wurden die Natriumgehalte mithilfe eines Flammen-
Atomabsorbtionsspektrometers sowie Chloridgehalte unter Verwendung eines
Ionenchromatografen/Ionenaustauschers bestimmt. Dabei wurde klar, dass Linie 5 mit der
Kontrolllinie 1 vergleichbare NaCl-Mengen unter Salzstressbedingungen akkumuliert (ca.
15mg/g). Im Gegensatz dazu zeigt Linie 6 eine signifikant verringerte Akkumulation von
Natrium und Chlorid im Vergleich zu ihrer Kontrollpflanze oder Linie 5 (siehe Abbildung
3.49).
Abbildung 3.49: Natrium- bzw. Chloridgehalte in Blättern salzbehandelter Pflanzen in verschiedenen
Reislinien. Die Anionengehalte der verschiedenen Reislinien wurden über einen
Ionenchromatografen/Ionenaustauscher bzw. die Kationengehalte mithilfe eines Flammen-
Atomabsorbtionsspektrometers bestimmt. Dazu wurden zunächst 500mg Blattmaterial lyophilisiert, in der AG
Marcel Bucher/AG Mannsfeldt an der Universität Köln gemäß Material und Methoden aufgearbeitet und
0
20
40
60
80
1 c 1 s 5 c 5 s 6 c 6 s
Cl- (
mg/
g Tr
ock
en
gew
ich
t)
0
5
10
15
20
1c 1s 5c 5s 6c 6s
Na
+ (
mg
/g T
rocken
ge
wic
ht)
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
122
anschließend eine Messung im geografischen Institut Köln durchgeführt. Ich danke besonders Nina Zellerhoff,
Marcel Bucher und der AG Mannsfeldt für die Durchführung der Messungen. Statistische Unterschiede zu den
Kontrollpflanzen der Linie 1 wurden durch einen zweiseitigen T-Test unter Annahme gleicher Varianz ermittelt
und mit einem Stern versehen (*p<0.05). Kontrollbedingung (c), Salzstress (s).
Diese Daten lassen vermuten, dass Blätter der Linie 5 gelernt haben, mit erhöhten
Salzwerten umzugehen, wohingegen die Linie 6 offensichtlich Mechanismen aktiviert hat, um
die NaCl-Aufnahme zu verhindern. Andere Ionen, wie Phosphat, Nitrate, Sulfat und Fluorid
wurden ebenfalls gemessen, zeigten aber keine Unterschiede, weder in den Kontrollpflanzen
noch in den Natriumchlorid-behandelten Pflanzen unter Kontrollbedingungen (siehe
Abbildung 3.50). Während der Stressapplikation kam es allerdings zur Abnahme dieser
Ionen unabhängig von der untersuchten Reislinie.
Abbildung 3.50: Fl-, SO3
-, PO3
- und NO3
--Gehalte in Blättern salzbehandelter Pflanzen in verschiedenen
Reislinien. Die Fluorid-, Sulfat-, Phosphat- und Nitratgehalte der einzelnen Reislinien wurden über einen
Ionenchromatografen/Ionenaustauscher gemäß Material und Methoden bestimmt. Die Messung wurde
freundlicherweise von Nina Zellerhoff, Marcel Bucher und der Arbeitsgruppe Mannsfeldt durchgeführt. Statistische
Unterschiede zu den Kontrollpflanzen der Linie 1 wurden durch einen zweiseitigen T-Test unter Annahme
gleicher Varianz ermittelt und mit einem Stern versehen (*p<0.05). Kontrollbedingung (c), Salzstress (s).
0
5
10
15
20
25
1c 1s 5c 5s 6c 6s
NO
3- (m
g/g
Tro
cken
ge
wic
ht)
0
5
10
15
20
25
1c 1s 5c 5s 6c 6s
PO
3- (m
g/g
Tro
cken
ge
wic
ht)
0
2
4
6
8
10
1c 1s 5c 5s 6c 6s
SO
4- (m
g/g
Tro
cken
ge
wic
ht)
0.00
0.10
0.20
0.30
0.40
1c 1s 5c 5s 6c 6s
Fl-
(mg
/g T
rocken
ge
wic
ht)
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
123
Kontrolle Salzstress
Line 1
Line 5
12857
7496
3421
Line 6
3.3.6 Mikroarray-Analysen der salztoleranten Reislinien 5 und 6
Um das Verständnis über die molekularen Antworten in Reispflanzen unter Salzstress weiter
zu verbessern wurden Agilent Mikroarray-Analysen der salztoleranten Linien 5 und 6, die
achttägigem 200mM Salzstress ausgesetzt worden waren, sowie der Kontrolllinie
durchgeführt. Für die Hybridisierung wurde RNA vom selben Blattmaterial präpariert, das
auch für die Aminosäuremengen- und für die Ionengehaltbestimmungen verwendet wurde.
Es wurden jeweils vier Replikate hybridisiert und mit der Software Genespring 12.5
ausgewertet. Nach Anwendung eines ANOVA-Tests wurden mehr als zweifach differentiell
regulierte features gegenüber der Kontrolle identifiziert (ungleicher T-Test mit Annahme
ungleicher Varianz, p-Wert ≤ 0.05, Abweichung ≥ 2 und BHFDR). Vergleichende Analysen
zeigten, dass eine sehr hohe Anzahl an Transkripten unter Salzstressbedingungen
differentiell reguliert ist. In der Kontrolllinie 1 waren 12870, in der Linie 5 waren 7496 und in
Linie 6 3421 Gene gegenüber den jeweiligen Kontrollbedingungen differentiell exprimiert. Die
abnehmende Zahl regulierter Gene reflektiert die verminderte Salzempfindlichkeit der
untersuchten Genotypen (siehe Abbildung 3.51).
Abbildung 3.51: Transkriptomprofile salzgestresster
Pflanzen. Dargestellt ist das Ergebnis von VOLCANO-Blot-
Analysen der statistisch signifikanten features für die
Linien 5 und 6 im Vergleich zu der Kontrolllinie
Nipponbare 1 unter Salzstressbedingungen. Die
Signifikanzgrenze wurde für eine Änderung größer 2 und
einer BHFDR <0.05 gewählt.
Um einen näheren Einblick zu erhalten, wurde eine funktionelle Kategorisierung
durchgeführt, die Prozesse identifizieren soll, die in den einzelnen Linien ablaufen. Für jede
Kategorie wurde das prozentuale Verhältnis der differentiell regulierten Gene innerhalb einer
Behandlung relativ zum Verhältnis der Gesamtanzahl auf dem Chip bestimmt. Die
funktionellen Kategorien sowie die entsprechenden Anreicherungen sind in Abbildung 3.52
abgebildet.
Ergebnisse ___________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ______________________________________
124
Abbildung 3.52: Funktionelle Kategorisierung hoch- bzw. herunterregulierter features von salzgestressten
Pflanzen der Linien 1, 5 und 6. Differentiell regulierte Transkripte in jeder Pflanze wurden verglichen mit
Kontrollpflanzen und in hoch- bzw. herunterregulierter Transkripte eingeteilt. Anschließend wurden diese
entsprechend einer Klassifikation von MAPMAN klassifiziert. Die Balken stellen die Anreicherung innerhalb einer
Gruppe für die Salzstressbehandlung gegenüber nichtbehandelten Pflanzen dar.
Bei dieser Analyse war besonders auffällig, dass Linie 5 und insbesondere Linie 6, weniger
Gene in den Kategorien Stress, Redoxregulation und Signalgebung reguliert haben. Dies
deutet auf eine geringere Stresssensitivität hin und steht im Einklang mit den bereits
erhobenen Aminosäuredaten. Unter Stressbedingungen werden zahlreiche Prozesse
deutlich schlechter ausgeführt. Dies macht sich zum Beispiel bei Photosynthesegenen
bemerkbar, die in der Kontrolllinie weitgehend herunterreguliert sind. Im Vergleich dazu, sind
die Gene der Photosynthese bei Linie 6 nicht nur vereinzelt herunterreguliert, sondern sogar
teilweise angereichert. Zusammenfassend zeigen die transkriptionellen und metabolischen
Analysen, dass die salztoleranten Pflanzen offensichtlich Mechanismen entwickelt haben,
die sie weniger anfällig gegenüber Salzstress machen, weshalb weniger stressresponsive
Gene aktiviert werden.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
125
4 Diskussion
4.1 Wie gehen Pflanzen mit multiplem Stress um?
Unter Feldbedingungen treten Stressfaktoren selten isoliert in Erscheinung, sondern häufig
in Kombination mit anderen Umweltfaktoren und zusätzlich variierender Intensität. Daher ist
es für Pflanzen essentiell, sich gegebenen Umweltbedingungen anzupassen und sich vor
widrigen Umständen zu schützen. Bisher gibt es allerdings nur wenige Studien, die
physiologische und molekulare Auswirkungen simultaner Stresssituationen näher untersucht
haben. Daten früherer Arbeiten zu kombinierten abiotischen Stresskomponenten lassen
jedoch vermuten, dass sich die pflanzliche Antwort auf gleichzeitig auftretende
Stresssituationen von den Reaktionen gegenüber Einzelstress unterscheidet und nicht
abzuleiten ist (Rizhsky et al., 2002; Rizhsky et al., 2004; Achuo et al., 2006). Von
besonderem Interesse ist die Koexistenz biotischer und abiotischer Stressfaktoren, da in
mehreren Studien gezeigt werden konnte, dass beispielsweise Phytohormone sowohl unter
biotischen als auch unter abiotischen Stresssituationen verschiedene Signalwege regulieren
und alternative Antworten steuern können (Anderson et al., 2004; Asselbergh et al., 2008;
Ton et al., 2009). Folglich müssen Pflanzen in der Lage sein sich an bestehende Klima- und
Bodenverhältnisse anzupassen, indem ein entsprechendes Repertoire an Umweltfaktoren
wahrgenommen und anschließend entsprechende Signalwege aktiviert werden, die
langfristig Schutz vor Schäden gewährleisten. Ziel der vorliegenden Arbeit war es daher
erstmals die Auswirkungen von mehreren simultan existierenden abiotischen und biotischen
Stressfaktoren auf Arabidopsis thaliana (Arabidopsis) sowohl auf physiologischer als auch
auf molekularer Ebene zu analysieren. Die Ergebnisse belegen, dass bei einer Kombination
aus mehreren Stressfaktoren neue Stressantworten mit individuellen
Genexpressionsmustern aktiviert werden. Identifizierte Gene und Prozesse liefern im
Rahmen sich verändernder Klimabedingungen möglicherweise einen wesentlichen Beitrag
zum Verständnis der Pflanzenstresstoleranz.
4.1.1 Erfolgreiche Etablierung eines multifaktoriellen
Stressexperiments
Durch die Kombination der beiden abiotischen Faktoren Hitze und Trockenheit sowie der
biotischen Stresskomponente Turnip mosaic virus (TuMV) konnte erstmals ein
multifaktorielles Testsystem entwickelt werden, dass erlaubt, den Einfluss eines Pathogens
bei gleichzeitiger Anwesenheit von Hitze und Trockenheit in Arabidopsis näher zu
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
126
analysieren. Sowohl Metabolitanalysen als auch die Transkriptanalysen zeigten klar, dass
alle Replikate der jeweiligen Behandlungen in einer PRINCIPAL COMPONENT ANALYSIS (PCA-
Analyse) und einer Cluster-Analyse gruppiert werden konnten und sich jede
Stressapplikation von den anderen Behandlungen separieren ließ (siehe Abbildung 3.2 bis
3.5), so dass adäquate Bedingungen für die Studien pflanzlicher Antworten auf multiple
Stresssituationen erzielt wurden. Die gute Korrelation zwischen Metabolitdaten und
Transkriptdaten ist möglicherweise dadurch begünstigt, dass schwerpunktmäßig die
Adaption auf verschiedene Stressbedingungen untersucht wurde und eine schnellere
Reaktion der Metabolite im Vergleich zu den transkriptionellen Aktivitäten in der ersten
Reaktion auf Stress vernachlässigt werden können (Caldana et al., 2011). Obwohl die
applizierten Temperaturen von 32°C tagsüber über einen Zeitraum von drei Tagen nur
milden Stress darstellten, verglichen mit Hitzeschockversuchen ähnlicher Studien, die bis zu
40°C Temperatur über kurze Zeiträume von wenigen Stunden applizierten (Larkindale und
Knight, 2002; Rizhsky et al., 2004; Pecinka et al., 2010; Zhang et al., 2010), konnten bereits
in früheren Studien identifizierte Metabolite L-His und L-Tyr angereichert gefunden werden
(siehe Abbildung 3.3; Kaplan et al., 2004; Guy et al., 2008). Nur in wenigen
Versuchsaufbauten wurde Hitzestress über mehrere Tage appliziert, wie in einer Studie von
Panchuk et al. (2002), die Arabidopsis-Pflanzen Temperaturen von 28°C bis 34°C über drei
Tage konfrontierten. Während in früheren Studien starke Austrocknung durch Entfernen der
Pflanzen aus dem Medium (Seki et al., 2002b; Kilian et al., 2007; Atkinson et al., 2013) oder
osmotischer Stress durch Zugabe von Mannitol oder Polyethylenglycol erzielt wurde (Kreps
et al., 2002; Hong et al., 2008; Zhang et al., 2008), wurde in der vorliegenden Studie in
Hinblick auf den schleichenden Wasserentzug unter Feldbedingungen ein kontrollierter
Wasserentzug gewählt, bis der Wassergehalt in Blättern ein gewisses Niveau erreichte.
Neben verschiedenen abiotischen Stressfaktoren sind Pflanzen in der Natur zudem
zahlreichen Phytopathogenen ausgesetzt. Phytopathogene nutzen Wirtszellen als
Nährstoffquelle in Abhängigkeit ihrer jeweiligen Ernährungsstrategien. Demnach können
Pathogene als biotrophe, hemibiotrophe und nekrotrophe Parasiten klassifiziert werden
(Hammond-Kosack und Jones 2000). Biotrophe Pathogene, wie Mehltau, Nematoden und
einige Pseudomonas-Arten nutzen stoffwechselaktive Pflanzenzellen als
Nahrungsgrundlage. Im Gegensatz dazu produzieren nekrotrophe Organismen, wie Pilze der
Gattung Botrytis, Alternaria, Fusarium zellwandabbauende Enzyme oder wirtsselektive
Toxine und leben von abgestorbenem Pflanzenmaterial. Hemibiotrophe Pathogene, wie
Magnaporthe oder Colletotrichum durchleben beide Phasen sequentiell (Hammond-Kosack
und Jones 2000). Darüber hinaus existieren einzelne Pathogene in unterschiedlichen
pflanzlichen Kompartimenten. Während sich Bakterien im extrazellulären Bereich, dem
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
127
Apoplasten, vermehren, kann die virale Replikation nur innerhalb der Wirtszellen erfolgen.
Auch wenn es aus jeder Kategorie Pathogene gibt, die in der Lage sind, Arabidopsis-
Pflanzen zu infizieren, wurde im Rahmen dieser Arbeit ein Pathogen gewählt, das unter
Laborbedingungen zusammen mit Hitze und Trockenheit untersucht werden kann. Pilze, wie
Colletotrichum higginsianum, wurden als ungünstig erachtet, da die Infektionsmethoden im
Labor unter sehr hoher Luftfeuchtigkeit erfolgen und damit im Ausschluss zu simultanen
Trockenexperimenten stehen (Voll et al., 2012). Das Bakterium Pseudomonas syringae (P.
syringae) und auch der Pilz Erysiphe cruciferarum können nicht über 28°C bzw. 22°C
kultiviert werden, so dass sie zumindest als Wildtyp-Stämme nicht für Experimente in
Kombination mit Temperaturen über 28°C geeignet sind (Adam et al., 1999; Kocal et al.,
2008). Dagegen sind Viren sowohl unter erhöhten Temperaturen als auch in
trockengestressten Pflanzen überlebensfähig (Moury et al., 1998; Kiraly et al., 2008; Xu et
al., 2008). Viren verbreiten sich von infektiösem Material über einen effizienten Zell-zu-Zell
Transport innerhalb des lokal infizierten Blattes, wobei dieser Transport weitgehend
ungeklärt ist, obwohl die elf von Potyviren kodierenden Gene intensiv studiert werden
(Ivanov et al., 2014). Anschließend erfolgt der Langstreckentransport über das Phloem und
über Plasmodesmata in weiter entfernte Blätter und Organe (Carrington et al., 1996;
Gilbertson und Lucas, 1996), was auch den eher sequentiellen als viel mehr simultanen
Stressaufbau erklärt. Möglicherweise sind die Pflanzen dadurch zwar auf die nachfolgenden
Stressfaktoren Trockenheit und Hitze vorbereitet, doch existiert dieses Dilemma auch in
anderen Studien (Rizhsky et al., 2004; Rasmussen et al., 2013). Ein alternativer
Versuchsaufbau wäre mit Botrytis cinerea möglich gewesen, indem durch ein Kühlsystem im
Boden eine erfolgreiche Infektion der Wurzeln unter optimalen Temperaturen ermöglicht
wäre, wohingegen die Blätter einem Hitzestress ausgesetzt werden könnten. Interessant
wäre auch das Pathogen Verticillium longisporum, das ebenfalls im Wurzelbereich appliziert
werden kann (Johansson et al., 2006) und die Verbreitung im Spross der Pflanze unter
zusätzlicher Einwirkung von Stress untersucht werden könnte. Der einmalige Zeitpunkt für
die Beprobung ist auf logistische Gründe zurückzuführen und stellt zugleich auch die
Einschränkung dieses Experiments dar, indem keine Rückschlüsse auf die zeitliche Dynamik
von Einzelstressapplikationen in Bezug zu den Doppelstresskombinationen gezogen werden
können (Bricchi et al., 2012; Rasmussen et al., 2013). Allerdings kann diese Limitierung in
den meisten anderen Studien über Auswirkungen verschiedener Stressfaktoren auch
gefunden werden (Rizhsky et al., 2002; Atkinson et al., 2013; Rasmussen et al., 2013).
Lediglich wenige Beispiele weisen eine Charakterisierung eines Zeitverlaufs auf (Kreps et al.,
2002; Kaplan et al., 2004; Zeller et al., 2009). Viel wichtiger schien es einen Zeitpunkt zu
wählen, der die Adaption an verschiedene Umweltbedingungen hinreichend beschreibt.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
128
4.1.2 Universelle Auswirkungen verschiedener Stressfaktoren
Verschiedene Stressbedingungen beeinträchtigen das optimale Pflanzenwachstum und den
Ertrag, weshalb Pflanzen zahlreiche Resistenzmechanismen zur Minimierung von
Stresseffekten entwickelt haben. Einige pflanzliche Antworten auf Stress sind spezifisch,
wohingegen andere sehr allgemein sind und strategische Vorteile gegenüber einer Vielzahl
an Stressbedingungen bieten. In beiden Fällen kommt es zur Aktivierung einer
Stressantwort, die zu Gunsten einer metabolischen Umverteilungen läuft, so dass die
Pflanzen signifikante Ressourcen, die normalerweise in Produktion und Reproduktion
fließen, in die Aktivierung von stressresponsiven Genen und der Produktion von
Abwehrkomponenten münden (McLaughlin und Shriner, 1980; Prasch und Sonnewald,
2014). Diese Umverteilung vorhandener Ressourcen resultiert folglich in einer
Beeinträchtigungen des Wachstum und des Ertrags (Bechtold et al., 2010). Unter den
gewählten experimentellen Bedingungen dieser Arbeit zeigten alle Stressfaktoren
signifikante Unterschiede in der verbleibenden Biomasse im Vergleich zu den unbehandelten
Pflanzen (siehe Tabelle 3.2). Der Effekt von zwei oder sogar mehreren Umweltfaktoren kann
für Pflanzen viel schwerwiegender sein als Einzelstress (Mittler, 2006). Dieser zusätzliche
Biomasseverlust im Falle simultan auftretender Trockenheit und Hitze wurde in zahlreichen
Nutzpflanzen, u.a. Gerste festgestellt (Savin und Nicolas, 1996; Rollins et al., 2013). Sobald
hier mehrere Stressfaktoren, Trockenheit, Hitze und Virus in Arabidopsis kombiniert wurden,
konnten die stärksten Biomasseverluste im Vergleich zu den Einzelstressbedingungen
detektiert werden (siehe Tabelle 3.2). Reduzierte Biomassen wurden u.a. durch eine
reduzierte Blattanzahl verursacht (siehe Tabelle 3.2). In Kombination mit Hitzestress war
zudem auffällig, dass die Blätter eine vertikale Stellung einnahmen, um direkte
Lichteinstrahlung, Überhitzung und übermäßigen Wasserverlust zu vermeiden (siehe Tabelle
3.2; Koini et al. (2009)). Diese veränderte Blattausrichtung führt zwangsläufig zu einem
veränderten Energiehaushalt des Blattes und konnte schon früh bei anderen Pflanzen als
eine Reaktion auf erhöhte Temperaturen entdeckt werden (Fu und Ehleringer, 1989).
Allerdings sind diese Biomasseverluste nicht additiv, was in diversen Interaktionen dieser
Stressfaktoren begründet sein kann. Beispielsweise kann ein Anstieg der Blatttemperatur
den Wasserverlust durch steigende Transpiration auch erhöhen und reduziertes
Wurzelwachstum die Suszeptibilität gegenüber Wassermangel erhöhen.
Neben den anatomischen Anpassungen stellt die Photosynthese einen der sensitivsten
physiologischen Prozesse unter Stress dar, was zu Energieverlust und letztendlich zu
Wachstumsverminderung führt (Crafts-Brandner und Salvucci, 2002; Baena-Gonzalez et al.,
2007; Mathur et al., 2014; Smith und Stitt, 2007). Die Analyse der Transkriptdaten
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
129
multiparallel gestresster Pflanzen zeigte unter nahezu allen Stressbedingungen eine
Herunterregulation photosynthetischer Gene (siehe Abbildung 3.26). Besonders ausgeprägt
war dieser Effekt bei gleichzeitiger Applikation von Hitze, was im Einklang mit anderen
Studien steht, die unabhängig von der Pflanzenart bei einer Überschreitung einer gewissen
Temperatur negative Auswirkungen der photosynthetischen Raten feststellen konnten
(Sharkey et al., 2005). Speziell bei der Betrachtung der entsprechenden Gene des
Photosystems PSII zeigte sich, dass sie bei höheren Temperaturen sensitiver gegenüber
Trockenheit reagierten. Lediglich bei Trockenheit waren nur marginale Unterschiede zu den
Kontrollbedingungen festzustellen, was im Gegensatz zu anderen Studien steht, da zu
Beginn der Trockenphase in Pflanzen Stomata geschlossen werden (Abbildung 3.26;
Rizhsky et al. (2004), Chaves et al. (2003)) und folglich eine reduzierte stomatäre
Leitfähigkeit, eine verminderte CO2 Aufnahme und damit eine limitierende Photosynthese zu
erwarten gewesen wäre (Chaves et al., 2009). Die reduzierte photosynthetische Aktivität in
den einzelnen Stressbedingungen ist damit offensichtlich unabhängig von der stomatären
Leitfähigkeit, da das gegenläufige Verhalten eines Stomataschlusses bei Trockenheit und
das Öffnen bei Hitze keine Unterschiede auslöst (Ashraf und Harris, 2013).
Darüber hinaus ist bekannt, dass neben einer Vielzahl anderer Gene die photosynthetischen
Gene durch den zirkadianen Tagesrhythmus reguliert werden (Gibon et al., 2006). In
Arabidopsis ist die zirkadiane Uhr mindestens durch drei transkriptionelle interaktive
Kreisläufe beschrieben worden (Locke et al., 2006). Der am besten charakterisierte Kreislauf
weist bei Tagesbeginn die höchste Expression der MYB Transkriptionsfaktoren CIRCADIAN
CLOCK ASSOCIATED1 (CCA1), einer molekularen Oszillatorkomponente der morgendlichen
Schleife der zirkadianen Uhr (Alabadi et al., 2001; Yakir et al., 2007) und LATE ELONGATED
HYPOCOTYL (LHY) auf, wohingegen die Transkription des PSEUDO-RESPONSE-REGULATORS
(PRR) TIMING OF CAB EXPRESSION 1 (TOC1) zu diesem Zeitpunkt am geringsten ist. Zum
Abend hin nimmt die Expression der Gene CCA1 und LHY zunehmend ab, die TOC1
Expression hingegen steigt. Anschließend ist TOC1 in der Lage LHY und CCA1 in einem
unbekannten Mechanismus zu reaktivieren. Interessanterweise konnte mittlerweile in
zahlreichen Untersuchungen gezeigt werden, dass der zirkadiane Rhythmus durch
Umweltfaktoren, wie Wassermangel, Licht und Temperatur, reguliert wird (Bieniawska et al.,
2008; Mikkelsen und Thomashow, 2009; Baerenfaller et al., 2012). In früheren Studien
konnte gefunden werden, dass eine ganze Reihe an ABA-responsiven Genen eine diurnale
Oszillation hatten (Mizuno und Yamashino, 2008). Die Forscher um Legnaioli et al. (2009)
fanden zudem heraus, dass gestiegene ABA-Konzentrationen selbst Einfluss auf die
zirkadiane Uhr nehmen und die Expression von TOC1 induzieren können. Da es keine ABA-
Induktion von TOC1 in ABAR-RNAi Pflanzen gab, wurde ein feedback-Mechanismus
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
130
angenommen, bei dem durch die Bindung von TOC1 an das ABA-assoziierte Gen ABAR die
zirkadiane Expression kontrolliert wird. Somit wird die ABA-Aktivität durch die Expression
von ABAR und TOC1 reziprok reguliert. Die Autoren postulierten, dass die zeitliche
Regulation dieses Mechanismus bestehend aus TOC1, ABAR und ABA wichtig für ABA-
vermittelte Änderungen der Genexpression und die Pflanzenantworten unter Trockenheit
sind (Legnaioli et al., 2009). Detaillierte Stressantworten unter Wassermangel zeigten
signifikante Änderungen der Genexpression von TOC1 und CCA1, wobei TOC1 am Ende
des Tages hochreguliert war und CCA1 am Ende der Nacht (Baerenfaller et al., 2012).
Während der Effekt niedriger Temperatur auf die Expression der Tagesrhythmus-
gesteuerten Gene intensiv studiert wurde, galt dem Verhalten dieser Gene unter erhöhten
Temperaturen nur wenig Aufmerksamkeit. Bisher sind erhöhte TOC1 Amplituden, aber
verringerte CCA1 und LHY Expressionswerte bei einer Temperatur von 27°C im Vergleich zu
17°C gefunden worden (Gould et al., 2006). Interessanterweise wies CCA1 deutlich erhöhte
Transkriptmengen in den Mikroarray-Analysen unter kombinierten Stessbedingungen am
Ende des Tages auf (Abbildung 3.30). In einem unabhängigen Experiment konnte eine
starke Zunahme von CCA1 sowie reduzierte Werte für TOC1 mRNA in gestressten Pflanzen
verifiziert werden (siehe Abbildung 3.31), was den Schluss erlaubt, dass Stressapplikation,
singulär oder in Kombination, zu einem veränderten Verhältnis der Hauptregulatoren der
zirkadianen Uhr führt.
Eine Limitierung der Photosynthese unter Stress ändert zwangsläufig den Energiestatus der
Pflanze, da ATP und NADPH aus den photochemischen Reaktionen resultieren. Im Einklang
mit zahlreichen herunterregulierten Genen der Photosynthese zeigten auch die meisten
Gene des primären Kohlenstoffmetabolismus, einschließlich des Calvin-Benson-Zyklus,
einen ähnlichen Trend als Antwort auf singuläre und multifaktorielle Stresssituationen (siehe
Abbildung 3.27). Da die Pflanzen unter den verschiedenen Stressbedingungen alle
reduziertes Trockengewicht aufwiesen (Tabelle 3.2), könnte eine Hochregulation der
Photorespiration unter Stress erwartet werden, wie es Rivero et al. (2009) beschrieben
haben. Tatsächlich war die Expression einiger Gene der Photorespiration, u.a. die Gene der
GLYKOLATOXIDASE (bis zu 4-fache Hochregulation) und GLUTAMATGLYOXYLATE
AMINOTRANSFERASE (bis zu 1.7-fache Hochregulation) in den Stressbedingungen erhöht, die
Hitzeapplikationen mit einschließen (siehe Abbildung 3.27). Dies ist zu erwarten, da die CO2-
Löslichkeit unter Hitzestress sinken sollte und die RIBULOSE-1.5-BISPHOSPHATE
CARBOXYLASE/OXYGENASE (RubisCo) oxygenieren sollte. Auch wenn die RubisCo selbst nicht
differentiell unter den entsprechenden Stresssituationen mit Hitze reguliert ist (siehe Anhang
A12), geben die erhöhten Transkriptdaten der GLYKOLATOXIDASE und GLUTAMATGLYOXYLATE
AMINOTRANSFERASE dennoch Anlass für eine gestiegene Photorespiration unter Hitze. Die
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
131
Beobachtung, dass Trockenstress zu verstärkten Wachstumseinbußen in Abwesenheit von
signifikanten transkriptionellen Änderungen der Gene des respiratorischen Weges führt, ist in
Einklang mit früheren Studien, die zeigen, dass milder und starker Trockenstress zu keiner
Veränderung der Dunkelreaktion, aber trotzdem zu einer Wachstumshemmung führt
(Hummel et al., 2010). Dies deutet darauf hin, dass der Kohlenstofffluss nicht limitierend für
das Blattwachstum unter Wasserdefizit ist, aber unter kombinierten Stressbedingungen sehr
wohl. Weiterführende Analysen zeigten zudem, dass die meisten Gene, die für Proteine der
mitochondrialen Elektronentransportkette kodieren, mit Ausnahme von Trockenheit und Virus
sowie einer Kombination aus Virus und Trockenheit ebenfalls herunterreguliert sind,
einschließlich Komplex I bis VI (siehe Abbildung 3.29).
Zusammenfassend lässt sich feststellen, dass es unabhängig von den applizierten
Stressbedingungen zu einer weitgehend verminderten Genexpression des zentralen
Kohlenstoffwechsels kommt. Offensichtlich handelt es sich damit um keine spezifische,
sondern um eine generelle Stressantwort.
4.1.3 Pflanzliche Stressantworten auf multifaktorielle
Stresssituationen sind schwer prognostizierbar
Im Allgemeinen zeigen die Transkriptanalysen bezüglich des zentralen Kohlenstoffwechsels
eine verminderte Expression der meisten Gene, wobei für einzelne singuläre
Stressbedingungen, aber auch speziell für die Kombinationen verschiedener
Stressbedingungen, Unterschiede existieren. Beispielsweise konnte eine Komponente des
alternativen respiratorischen Weges, die Alternative Oxidase (AOX), in verschiedenen
Stresssituationen leicht hochreguliert gefunden werden, wohingegen alle anderen Komplexe
der mitochondrialen Elektronentransportkette herunterreguliert waren (siehe Abbildung 3.29).
Erhöhte Expressionslevel der AOX konnten ebenfalls bei einer simultanen Applikation von
Trockenheit und Hitze in Tabakpflanzen in einer früheren Studie festgestellt werden (Rizhsky
et al., 2002), so dass von einer generellen Bedeutung unter kombiniertem Stress
ausgegangen werden darf. Auch wenn die genaue Rolle der AOX unter Stress nicht klar ist
(siehe Van Aken et al. (2009)), wurde interessanterweise angenommen, dass AOX ein
negativer Regulator der induzierten Resistenz gegenüber Viren ist (Gilliland, 2003). Unter
Verwendung transgener Tabakpflanzen mit einer erhöhten Kapazität für den alternativen
Weg konnten die Autoren demonstrieren, dass die Tobacco mosaic virus (TMV)-Resistenz
beeinträchtigt war. Die Interaktion von TuMV und Pflanzen, die multifaktoriellem Stress
ausgesetzt sind, werden im nächsten Abschnitt näher diskutiert.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
132
Entgegen des allgemeinen Trends bezüglich der Transkriptregulation innerhalb des
zentralen Stoffwechsels stellen die Transkripte des TCA-Zyklus (tricarboxylic acid cycle,
TCA), u.a. die ACONITASE und die ISOCITRATDEHYDROGENASE, eine Ausnahme dar. Deren
Enzyme sind in der Lage -Ketogluterat zu bilden, das über Glutamat in Prolin
verstoffwechselt werden kann. Die Aminosäure Prolin ist als Osmolyt bekannt, das mit
Wassermolekülen interagiert und Proteinstrukturen und Membranen stabilisiert, um einen
hohen Wassergehalt aufrechtzuhalten. Prolin akkumuliert beispielsweise unter Trockenheit
bzw. osmotischem Stress sehr schnell und sorgt für die Aufrechterhaltung des zellulären
Wasserhaushalts, der Membranstabilität und mildert das zelluläre Redoxpotential (Hayat et
al., 2012). Im Rahmen dieser Arbeit konnten nicht nur unter Trockenheit, sondern auch bei
einer Kombination aus Trockenheit und Virenstress erhöhte Transkriptmengen für die Gene
ACONITASE und ISOCITRATDEHYDROGENASE gefunden werden, was vermuten lässt, dass
ausgehend vom Zitratzyklus erhöhte Prolinmengen gebildet werden und als Osmolyte
verstärkt wirken können (siehe Abbildung 3.28). Die Transkriptdaten werden durch erhöhte
Prolinmengen, sowohl unter Trockenheit als auch in der Kombination aus Trockenheit und
Virus durch die Metabolitanalysen bestätigt (siehe Abbildung 3.3). Die unmittelbar an der
Biosynthese von Prolin beteiligten Gene, DELTA1-PYRROLINE-5-CARBOXYLATE SYNTHETASE
(P5CS) und PYRROLINE-5-CARBOXYLATE REDUCTASE (P5CR) konnten in diesen Experimenten
jedoch nicht differentiell reguliert gefunden werden (siehe Anhang A13). Im Gegensatz zur
Trockenheit, konnten weder unter Hitzestress, noch in einer Kombination aus Trockenheit
und Hitze Prolinakkumulationen und Veränderungen in den korrespondierenden
Transkriptmengen detektiert werden (siehe Abbildung 3.28). Allerdings konnte unter
kombinierten Trocken- und Hitzestresssituationen sowohl im Rahmen dieser Arbeit als auch
bei Rizhsky et al. (2004) erhöhte Saccharosemengen im Vergleich zu den
Kontrollbedingungen gefunden werden. Dies ließ die Autoren spekulieren, dass in einer
Kombination aus Trockenheit und Hitze Saccharose anstelle von Prolin der wichtige Osmolyt
ist (Rizhsy et al., 2004).
Aus physiologischer Sicht war weiterhin spannend, dass individueller Stress konträre
Reaktionen in Pflanzen auslöst. So führt Hitzestress normalerweise zum Öffnen der
Stomata, um ein Übermaß an Hitze zu kompensieren, was bei gleichzeitigem Auftreten
anderer Stressfaktoren die Aufnahme von Salz oder Schwermetallen erleichtern und dadurch
einen größeren Schaden anrichten könnte (Mittler und Blumwald, 2010). Im Vergleich dazu,
werden die Stomata unter Trockenheit geschlossen, um weiteren Wasserverlust zu
vermeiden. Kombinierte Hitze und Trockenheit verursacht Stomataschluss (Tabelle 3.2;
Rizhsky et al., 2002), was auch bei viraler Infektion unter Trockenheit und Triplestress
zutrifft. Bei einer Kombination aus Virus und Hitze sind die Stomata bemerkenswerterweise
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
133
ebenso geschlossen, obwohl sie bei den Einzelstressfaktoren Hitze und Virus geöffnet sind
(siehe Tabelle 3.2). Die Koexistenz von Viren und Hitze kann im Zytosol der Pflanzen
komplexe Interaktion verursachen, weshalb die Effekte von kombiniertem Stress schwer zu
prognostizieren sind. Untersuchungen zur Wechselwirkung von Bakterien unter Trockenheit
waren zunächst auch unklar (Beattie, 2011). Es ist bekannt, dass geöffnete Stomata für
Bakterien einen Vorteil beim Eindringen in Pflanzen darstellen (Melotto et al., 2006).
Fortführende Studien zeigten jedoch, dass dieser Effekt wahrscheinlich nur kurzfristig ist und
Bakterien langfristig von geschlossenen Stomata mit einem hohen pflanzlichen
Wassergehalt profitieren (Freeman und Beattie, 2009). Beispielsweise induziert der Effektor
HopAM1 aus Pseudomonas den Stomataschluss, was vermutlich der Grund ist, warum in
trockengestressten Pflanzen erhöhtes bakterielles Wachstum ermittelt werden konnte (Goel
et al., 2008). Zusammenfassend lässt sich festhalten, dass die physiologischen Ergebnisse
zur Biomasse und dem Verhalten der Stomata unter kombinierten Stressbedingungen die
Notwendigkeit zur Änderung des Fokus der pflanzlichen Stressforschung verdeutlichen,
weshalb im Rahmen dieser Arbeit erstmals die transkriptionellen und metabolischen
Auswirkungen auf Pflanzen unter dem Einfluss von drei verschiedenen
Einzelstresssituationen sowie deren Kombination analysiert wurden.
Die Mikroarray-Analysen in Kapitel 3.1 offenbarten, dass Arabidopsis unter dem
gleichzeitigen Einfluss von Hitze, Trockenheit und Virenstress ein komplett neues Programm
der Genexpression aktivieren, das nicht gefunden werden kann, wenn Einzelstress alleine
appliziert wird (siehe Abbildung 3.6). Bemerkenswert war, dass die Anzahl der differentiell
regulierten Gene sowohl mit der Stärke als auch mit der Komplexität des Stresses
synergistisch stieg, was möglicherweise auf eine Feinregulation zwischen verschiedenen
abiotischen und biotischen Stressfaktoren zurückzuführen ist. Obwohl gleicher
Biomasseverlust wie bei Triplestress erzielt wurde, führte die starke Hitzebehandlung zur
höchsten Anzahl an differentiell regulierten Genen. Als Reaktion auf Hitze werden überhaupt
zahlreiche Änderungen auf Transkriptebene verursacht: Selbst moderate Hitze veranlasst in
einer PCA-Analyse die stärkste Trennung repräsentiert durch Komponente PC1 in der PCA-
Analyse und bildete einen eigenen Zweig in der Cluster-Analyse der Transkripte (siehe
Abbildung 3.4 und 3.5). Auch wenn es bislang nur wenige Studien gibt, die die molekularen
Antworten auf multifaktoriellen Stress unter zu Hilfenahme von Mikroarrays erforscht haben,
wurden diese Untersuchungen mittlerweile auf weitere abiotische Stressfaktoren und andere
Pflanzen ausgeweitet. So lieferten Ergebnisse in Weizen ein molekulares und metabolisches
Muster, das in einer Kombination von Hitze und Trockenheit nicht vergleichbar mit den
Einzelstresssituationen war (Wang et al., 2010; Grigorova et al., 2011). Die Inhibition der
Photosynthese war unter kombinierten Stressbedingungen stärker ausgeprägt als unter
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
134
Einzelstress (Wang et al., 2010) und die Expressionsmuster der Hitzeschockproteine (heat
shock proteins; HSPs) waren im Vergleich zum Einzelstress deutlich verändert (Grigorova et
al., 2011). Eine Kombination aus Licht und erhöhten Temperaturen zeigte jeweils spezifische
Genexpressionsprogramme in Sonnenblume (Hewezi et al., 2008), ebenso wie die
Antworten auf kombinierten Hitze- und Salzstress in Tomatenpflanzen (Solanum
lycopersicum) völlig unerwartet waren (Rivero et al., 2013). Hitze verbesserte nämlich die
Salztoleranz der Tomatenpflanzen, was möglicherweise dadurch begründet werden kann,
dass durch erhöhte Mengen an Glycin, Betain und Trehalose erhöhte Kaliumkonzentration
gewährleistet werden können und damit eine geringere Natriumaufnahme möglich ist (Rivero
et al., 2013). Darüber hinaus verglichen Rasmussen et al. (2013) die transkriptionellen
Änderungen aus jeweils zwei Stressfaktoren (Hitze, Kälte, Salzstress, Hochlicht und
Flagellin) und kamen zu der Erkenntnis, dass 61% der Gesamttranskripte nur während einer
Kombination exprimiert wurden. In der neuesten Studie wurden die globalen
Transkriptionsänderungen auf osmotischen Stress sowie Salz- und Hitzestress untersucht
und von den 2076 Genen, die zumindest unter einer Einzelbedingung gefunden wurden,
konnten nur 833, also 41%, in multiplen Stressexperimenten wieder erkannt werden
(Sewelam et al., 2014). Hitze zeigte in mehreren Studien den stärksten Einfluss auf die
Genexpression, unabhängig davon ob Trockenheit oder Salzstress in Kombination mit Hitze
appliziert wurde (Prasch und Sonnewald, 2013; Rasmussen et al., 2013; Sewelam et al.,
2014). Die quantitativen Transkriptauswertungen all dieser Studien belegen die seit langem
aufgestellte Hypothese, dass Pflanzen in ihren Stressantworten hoch spezialisiert sind und
einzigartige Programme für entsprechende Umweltbedingungen nutzen (Mittler, 2006;
Yasuda et al., 2008; Ton et al., 2009).
4.1.4 Beeinträchtigung pflanzlicher Abwehrsysteme unter simultan
applizierten abiotischen Stressbedingungen
Ein Ziel dieser Studie war es die Interaktion des Viruses TuMV mit Arabidopsis zu
charakterisieren, wenn gleichzeitig Hitze und Trockenheit appliziert werden. In der Literatur
gibt es mittlerweile zahlreiche Beispiele, die zeigen, dass das Auftreten eines zweiten
Stressfaktors bei einer bereits existierenden Stressantwort synergistisch oder auch
antagonistisch sein kann, was in einer positiven oder negativen Wirkung für die Pflanze
resultieren kann (zusammengefasst in Suzuki et al. (2014). Die Arbeitsgruppe um Anna
Amtmann (2008) ist zu der Erkenntnis gekommen, dass es offensichtlich eine Korrelation
zwischen dem pflanzlichen Nährstoffhaushalt, in dieser Veröffentlichung der Kaliumstatus
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
135
der Pflanze, und dem Krankheitsindex verschiedener Pathogene gibt. Ein Vergleich von
mehr als 2000 Studien gelistet in einer Veröffentlichung des International Potash Institute
(Basel) offenbarte, dass die Applikation von Kalium den Krankheitsindex, überwiegend von
Pilzen und Bakterien, senkte (Amtmann et al., 2008). Eine Ausnahme stellen virale
Infektionen dar, bei denen sogar ein Anstieg der Virusmenge bei Kaliumapplikation
festgestellt wurde. Der Kaliumgehalt beeinflusst eine Vielzahl an pflanzlichen Prozessen,
einschließlich der Hormonwege und Abwehrmechanismen und kann somit abhängig vom
Pathogensystem zu einer positiven oder auch zu einer negativen Interaktion führen
(Amtmann et al., 2008). Auch andere abiotische Stressfaktoren können die Abwehrantworten
gegenüber biotischem Stress beeinflussen. Beispielsweise führte eine sechsstündige
Ozonbehandlung bei Arabidopsis zu einer erhöhten Resistenz gegen einen
phytopathogenen Pseudomonas Stamm, die unter anderem auf erhöhte SA-Mengen und
gestiegene Transkriptmengen an Abwehrgenen, wie PR1, unter Ozonstress zurückgeführt
wurden (Sharma et al., 1996). Auch eine TMV-Infektion in Tabakpflanzen, die zuvor einer
Ozon- bzw. UV-Lichtbehandlung unterzogen wurden, resultierte in erhöhter Resistenz
(Yalpani et al., 1994). Ein Vergleich der viralen RNA unter Wassermangel zeigte keine
Unterschiede zu singulärem Virenstress im hier verwendeten Versuchsaufbau (siehe
Abbildung 3.32). Diese hätten aber durchaus erwartet werden können, da unter Trockenheit
bei gleichzeitiger Applikation von Nematoden eine Herunterregulation der Abwehrsysteme
(Atkinson und Urwin, 2012) und erhöhte Replikationsraten bei ABA-Applikation und einer
Infektion mit einem avirulenten Pseudomonas syringae pv. Tomato Stamm und Peronospora
parasitica in Arabidopsis beschrieben wurden (Mohr und Cahill, 2003). Im Gegensatz dazu
konnten geringere Multiplikationsraten der Nematoden Heterodera sacchari unter
Trockenheit in Reis gefunden werden (Audebert et al., 2000). Diese Beobachtung einer
erhöhten Resistenz bei gleichzeitiger Applikation eines abiotischen Stressfaktors deckt sich
mit einer Studie von Ramegowda et al. (2013). Eine Phase der Trockenakklimatisierung
steigerte die Pathogenresistenz in Tabakpflanzen gegenüber Pilzen und Bakterien. In diesen
Versuchen wurden N. benthamiana Pflanzen zunächst fünftägigem Trockenstress
ausgesetzt und die Blätter anschließend mit Dextroseagar, das den nekrotrophen Pilz
Sclerotinia sclerotiorum beherbergt, inokuliert. Vier Tage nach Inokulation zeigten die
trockengestressten Pflanzen verringerte Zelltodsymptome im Vergleich zu Kontrollpflanzen.
Ähnliche Effekte konnten bei der Inokulation des hemibiotrophen Bakteriums, P. syringae pv.
Tabaci, in trockengestressten Pflanzen nach fünf Tagen festgestellt werden. Da Pflanzen
unter Trockenstress eine erhöhte Menge an ROS aufwiesen, postulierten Ramegowda et al.
(2013), dass es durch den ROS verursachten Stomataschluss nicht nur zu reduziertem
Wasserverlust unter Trockenheit, sondern auch zu einem erschwerten Eindringen der
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
136
Pathogene kommt. Die Aufnahme des Pathogens spielt im Rahmen der hier vorgelegten
Arbeit eine untergeordnete Rolle, da die Virusverbreitung weit vor dem Trockenstress
erfolgte. Anderseits könnten eröhte ROS-Mengen wiederum einen Einfluss auf die später
einsetzende Trockenheit mit sich bringen. Da eine Kombination aus Virus und Trockenheit
signifikant weniger Biomasse im Vergleich zu Pflanzen, die entweder mit Virus oder
Trockenheit alleine behandelt waren, zeigten (siehe Tabelle 3.2), gab es keine Hinweise auf
eine erhöhte Trockentoleranz infizierter Pflanzen, wie sie in einer anderen Studie zu
Virusinfektionen mit vier verschiedenen RNA-Viren (Brome mosaic virus (BMV), Cucumber
mosaic virus (CMV), TMV und Tobacco rattle virus) in Tabakpflanzen beschrieben wurden
(Xu et al., 2008). Allerdings könnten sich positive Effekt des Virus durch überlappende und
entgegengesetzte Wirkungen der Trockenheit in dieser Arbeit neutralisieren.
Die durch Hitze und Trockenheit geförderte Virusvermehrung scheint darauf zu beruhen,
dass Hitze einen Einfluss auf die Regulation der Abwehrsysteme hat. Allerdings hängt die
Auswirkung des gleichzeitigen Auftretens von biotischem und abiotischem Stress wesentlich
vom Zeitpunkt, der Art sowie der Stärke des Stresses ab (Atkinson und Urwin, 2012). So
konnte 1969 eine Arbeitsgruppe bereits feststellen, dass die pflanzliche Immunantwort, in
diesem Fall durch das Resistenzgen Mi-1.2 vermittelt, bei erhöhten Temperaturen (über
28°C) unterdrückt wird (Dropkin, 1969). Auch niedrige Temperaturen können dazu führen,
dass durch ein gestörtes Gen-silencing, ein möglicher Abwehrmechanismus gegen
Pathogene, die Abwehr der Pflanze vermindert ist (Szittya et al., 2003). Neuere Studien kam
zu der Erkenntnis, dass erhöhte Temperaturen oftmals die Pathogenausbreitung fördern
(Luck et al., 2011; Madgwick et al., 2011). Dabei scheinen pflanzliche Viren eher von
erhöhten Temperaturen durch vermehrte Verfügbarkeit von Insektenvektoren und
möglicherweise durch eine geschwächte Wirtsresistenz zu profitieren. Für TMV und Tomato
spotted wilt virus (TSWV) existiert offenbar eine temperaturabhängige Unterdrückung der
Wirtsresistenz (Kiraly et al., 2008; Moury et al., 1998). In diesem Zusammenhang wurde
schon früh beobachtet, dass Tabakpflanzen nach Virusinfektion mit TMV HR-ähnliche
Nekrosen aufweisen, die bei Temperaturen über 28°C nicht auftreten (Samuel, 1931).
Darüber hinaus konnten erhöhte TMV-Mengen in den ursprünglich resistenten
Tabakpflanzen detektiert werden, so dass offenbar unter erhöhten Temperaturen die N-Gen
abhängige Resistenz in Tabak überwunden werden kann (Samuel, 1931; Kiraly et al., 2008).
Kiraly et al. (2008) fanden heraus, dass es bei Temperaturen von 30°C zu einer
verminderten Ausbildung von Superoxiden, aber zu einer induzierten Aktivität von
Antioxidanzgenen kommt, die die Unterdrückung der TMV-induzierten Nekrosenbildung und
Resistenz erklären könnten. Eine andere Studie kam zu dem Schluss, dass Paprikapflanzen
(Capsicum annuum), die das tomato spotted wilt Gen (TSW-Gen) besitzen, bei einer
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
137
Temperatur von 22°C gegenüber dem TSW-Virus resistent sind (Moury et al., 1998). Wurden
diese Paprikapflanzen jedoch Temperaturen von 32°C über einen Zeitraum von mindestens
neun Tagen ausgesetzt, erwies sich das TSW-Gen als instabil. Dadurch kam es zur
systemischen Virusverbreitung und der Ausbildung von nekrotischen Symptomen (Moury et
al., 1998). Wang et al. (2009) untersuchten die Pflanzen-Pathogen Interaktion Arabidopsis
und Pseudomonas syringae unter erhöhten Temperaturen und konstatierten beeinträchtigte
Abwehrsysteme, sowohl basaler als auch R-Gen vermittelter Abwehr: Arabidopsis-Pflanzen,
die einer Temperatur von 28°C ausgesetzt waren, zeigten sich suszeptibler gegenüber dem
virulenten Bakterienstamm (Wang et al., 2009). Die Forscher um Wang et al. (2009) haben
zudem die Auswirkungen erhöhter Temperaturen auf die R-Gen vermittelte Abwehr von N.
benthamiana gegenüber Viren erforscht. Gegenstand der Untersuchungen war das N-Gen
aus Tabak, das die Resistenz gegenüber TMV vermittelt sowie das Kartoffelresistenzgen Rx
gegen PVX. Bei einer moderaten Temperatur von 22°C kann sowohl eine Koexpression des
Rx-Gens mit dem Hüllprotein (coat protein; CP) von PVX als auch eine Koexpression des N-
Gens mit dem Helikasefragement (p50) aus TMV zu einer HR in N. benthamiana führen
(Bendahmane et al. 1995; Erickson et al. 1999). Wird jedoch einen Tag nach Infiltration von
Rx und seines Elicitors CP die Temperatur auf 28°C erhöht, kommt es zu einer verzögerten
HR. Bei Temperaturen von 30°C ist die Ausprägung der HR-Symptome sogar komplett
unterbunden (Wang et al., 2009). Ein vergleichbarer Effekt wurde für die N-Gen-vermittelte
HR ausfindig gemacht. Bei einem Temperaturanstieg von 22°C auf 28°C oder 30°C konnten
keine HR-Symptome in N. benthamiana ausgebildet werden (Wang et al., 2009). Auch wenn
die ersten Berichte zu Hitzeeinfluss von Virusinfektionen auf Pflanzen schon auf das Jahr
1931 zurückgehen, ist nur wenig über die molekulare Basis der unterdrückten Wirtsantwort
bekannt. Erst kürzlich konnte gezeigt werden, dass die Temperatursensitivität der N-Gen
vermittelten TMV Resistenz in Tabak durch eine temperaturinduzierte
Konformationsänderung des R-Proteins zustande kommt (Zhu et al., 2010).
Eine Interaktion von Hitze mit der pflanzlichen Pathogenabwehr ist möglicherweise zu
erwarten, da Hitzestress und Abwehrantworten gemeinsame Regulatoren, wie Calciumionen
und HSPs nutzen (Lee et al., 2012). In der Literatur wurden zahlreiche Beispiele
beschrieben, die Calcium als sekundärer Botenstoff in verschiedenen Stresssituationen eine
wichtige Rolle zuschrieben, zum Beispiel bei der Phosphorylierung von Mitogen-aktivierten
Proteinkinasen (MAP; Lecourieux, 2002; Boudsocq et al., 2010). Während bei einer TuMV-
Applikation zahlreiche Calcium-assoziierte Gene erwartungsgemäß differentiell hochreguliert
waren, zeigte eine virale Infektion in Kombination mit anderen Stressfaktoren eine auffällig
große Anzahl an herunterregulierten Ca2+-assoziierten Genen (siehe Anhang A14), was
dafür spricht, dass die Abwehrsysteme und die Signalleitung beeinträchtigt sein könnten.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
138
HSPs binden und stabilisieren nicht nur denaturierte Proteine, sondern fungieren auch als
molekulare Chaperone, um Proteinaggregation zu verhindern (Kotak et al., 2007).
Ungefaltete Proteine können dabei nicht nur im Zytosol, sondern auch im
Endoplasmatischen Retikulum (ER) akkumulieren. Detaillierte Transkriptomanalysen zeigten,
dass Hitze am ausschlaggebendsten für erhöhte Cyt-UPR (cytosolic protein response; Cyt-
UPR) war, aber auch die Stärke des Stresses den gleichen Trend aufwies (siehe Abbildung
3.38). Dies ist besonders relevant, da die TuMV-Replikation im Zytosol infizierter
Pflanzenzellen stattfindet und abhängig von verschiedenen Wirtsfaktoren, einschließlich der
Wirtschaperone, ist (Ahlquist et al., 2003). In früheren Studien konnte gezeigt werden, dass
TuMV und andere Potyviren für die Replikation funktionale HSP40/HSP70 Komplexe für die
Replikation brauchen (Hofius et al., 2007; Hafren et al., 2010; Jungkunz et al., 2011).
Interessanterweise veranlasst eine Virusinfektion die Induktion von HSPs in Abwesenheit
von Hitzestress (Aranda et al., 1996; Whitham et al., 2003). Es wurde spekuliert, dass diese
Induktion auf eine massive Produktion von Proteinen während der späten viralen Infektion
zurückzuführen ist. Diese neusynthetisierten Proteine kämpfen um endogene Chaperone,
was wahrscheinlich zusätzlich zu einer erhöhten Akkumulation von ungefalteten Proteinen
führt, die Cyt-UPR auslösen. Aparicio et al. (2005) unterstützen diese Hypothese, indem die
Autoren zeigen konnten, dass die Proteinüberexpression individueller, viraler Proteine die
Expression primär zytoplasmatischer HSPs induziert. Demnach wäre in einer Kombination
aus Hitze und Virusinfektion eine erhöhte Expression von HSPs erwartet worden, was einen
möglichen Vorteil für die virale Replikation bietet. Neben der Replikation können
Wirtsfaktoren auch für die Fortbewegung mancher Viren nützlich sein. Für den tomato yellow
leaf curl virus (TYLCV) konnte kürzlich entdeckt werden, dass eine in vitro Interaktion
zwischen dem pflanzlichen HSP70 Protein und dem Hüllprotein von TYLCV existiert und
HSP70 für die intrazellulären Bewegungen des TYLCV nützlich sein könnte (Gorovits et al.,
2013). Die Induktion dieser Proteine führt möglicherweise auch in Potyviren nicht nur zu
einem erhöhten Chaperon-vermittelten Proteinabbau, der für die virale Replikation und
Translation dienlich ist, sondern unterstützt in Anlehnung der Daten für TYLCV eventuell die
viralen Verbreitungsprozesse bei gestiegenen Chaperonmengen unter gleichzeitigem
Hitzestress (siehe Abbildung 3.32). Im Vergleich zur Cyt-UPR konnten von den konservierten
Tunicamycin-induzierbaren Genen nur sehr wenige Gene unter multifaktoriellem oder
starkem Hitzestress gefunden werden (siehe Tabelle 3.4). Diese Daten liefern den Hinweis,
dass milder Stress primär in ER-UPR (unfolded protein response im ER; ER-UPR) mündet,
während starker Stress zu Cyt-UPR führt, was bisher noch nicht beschreiben wurde. Die
beobachtete Hochregulation von ER-UPR-Genen durch den Virus TuMV ist im Einklang mit
früheren Studien, die zeigen, dass PVX Infektion in N. benthamiana zu einem milden ER-
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
139
Stress und zu einer erhöhten ER-UPR führt (Ye et al., 2011). Dies lässt vermuten, dass
pflanzliche Hitze- und Immunantworten teilweise gemeinsame Wege der UPR im ER nutzen.
Insgesamt kann die Schlussfolgerung gezogen werden, dass ER-UPR-bezogene Gene
durch kombinierte Stresssituationen negativ beeinflusst werden, während die Expression von
Markergenen der Cyt-UPR stark induziert waren, was die virale Replikation unterstützten und
die Suszeptibilität der Wirtspflanzen erhöhen könnte.
HSPs, wie HSP90, spielen auch als Chaperone bei der Stabilität von R-Proteinen, die bei der
Erkennung von Effektoren im Zytosol akkumulieren, eine wichtige Rolle (Sangster und
Queitsch, 2005; Elmore et al., 2011). Erhöhte Temperaturen können für eine Destabilisierung
der R-Proteine und damit zu einer veränderten Immunität gegenüber Pathogenen führen
(Lee et al., 2012). Expressionsanalysen der LRR-Proteine (leucine-rich repeats; LRR), die
als Rezeptoren in der Pathogenerkennung und Signalleitung involviert sind (Dangl und
Jones, 2001), hatten eine sehr unterschiedliche Regulation für die einzelnen
Stresssituationen (siehe Abbildung 3.33). Die höchste Anzahl an Toll/Interleukin 1-Rezeptor-
ähnlichen NB-LRR Genen (TIR-NB-LRR) wurde unter Hitze und in Kombination aus Hitze
und Trockenheit induziert, was im Einklang mit anderen Studien steht, die vermuten, dass
die Funktion der NB-LRR Proteine durch HSPs reguliert wird (zusammengefasst in Belkhadir
et al. (2004)). Beispielsweise konnte eine in vivo Interaktion von HSP90 mit RPM1, einem
Resistenzprotein gezeigt werden (Hubert et al., 2003). Unter den kombinierten
Stressbedingungen sowie unter starker Hitze konnten deutlich weniger TIR-NB-LRR Proteine
gefunden werden, was auf eine aktive Suppression R-Gen-vermittelter Abwehrprozesse (als
Teil der ETI-Antworten) unter simultan applizierten abiotischen Stressfaktoren vermuten
lässt. Bemerkenswerterweise war der Überlapp der TIR-NB-LRR Gene zwischen einzelnen
Stresssituationen sehr gering, so dass beispielsweise zwischen Virus und Triplestress kein
einziges TIR-NB-LRR-Gen überlappte (siehe Abbildung 3.33). Dies verdeutlicht, dass
unterschiedliche Abwehrprogramme ablaufen, die nicht aus den Einzelstressreaktionen
vorhergesagt werden können. Leider ist nur wenig über die meisten TIR-NB-LRR-Gene
bekannt. Interessanterweise ist RPS6 unter den TIR-NB-LRR Genen nur unter Triplestress
reguliert, aber nicht unter milder Hitze und singulärem Virusstress. Von RPS6 ist bekannt,
dass es im Zuge der ETI in der Lage ist, den Effektor HopA1 aus P. syringae pv. Syringae zu
erkennen (Kim et al., 2009b). Darüber hinaus ist die Aminosäuresequenz von RPS6 durch
hohe Ähnlichkeit mit dem TNL Resistenzprotein RAC1 charakterisiert, das für die Resistenz
gegenüber dem Oomyceten Albugo candida verantwortlich ist (Borhan et al., 2004; Kim et
al., 2009b). Aufgrund der systemischen Verbreitung von TuMV in Pflanzen (Whitham et al.,
2003), kann angenommen werden, dass die Resistenzgene möglicherweise eine geringe
Rolle bei der hier betrachteten kompatibel Virus-Pflanzen Interaktion unter multifaktoriellen
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
140
Stress spielen. Trotzdem waren die Transkripte der TIR-NB-LRR Gene unter multifaktoriellen
Stresssituationen geändert, was einen Einfluss auf Pathogene haben könnte, deren
Effektoren durch entsprechende, spezifische pflanzliche R-Gene erkannt werden.
Neben der spezifischen R-Gen vermittelten Abwehr kann die Verteidigung der Pflanzen
gegen verschiedene Umweltbedingungen auch auf basaler Ebene erfolgen. Während der
basalen Abwehr können molekulare Strukturen der Pathogenen über Rezeptoren erkannt
und eine Wirtsantwort ausgelöst werden. Dabei kommt es zu einem Anstieg der
Calciumkonzentration und der Menge an reaktiven Sauerstoffspezies (ROS) sowie einer
Atkivierung der MAPK Kaskade, die zur Genexpression von Abwehr-assoziierten Genen
führt. Bekannt ist, dass viele Stressfaktoren die Synthese, die Konzentration, den
Metabolismus, den Transport und die Speicherung von Zuckern direkt oder indirekt
beeinflussen (Cramer et al., 2011). Saccharose und ihre Spaltprodukte regulieren nicht nur
die pflanzliche Entwicklung, sondern auch die Antworten auf Stress, indem sie als
Signalmoleküle in der Abwehr fungieren können (Herbers et al., 1996; Roitsch und
Gonzalez, 2004). Zuckermessungen verdeutlichten, dass es bei Virenstress, im Einklang mit
früheren Studien, zu einer Akkumulation der Hexosemengen kam, die bei einer Kombination
mit Hitze sowie Hitze und Trockenheit weiter gesteigert werden konnte (siehe Abbildung
3.35). Apoplastisch hydrolysierte Hexose ist bekannt dafür mit der Induktion der Expression
und Aktivität von zellwandgebundenen Invertasen (zw-Invertasen) zu korrelieren (Herbers et
al., 2000). Parallel zu den hochregulierten Transkripten der zw-Invertasen wurden PR-Gene
hochreguliert gefunden (siehe Abbildung 3.34), was im Einklang mit früheren Studien ist, die
zeigten, dass apoplastisch freigesetzte Hexosen zu einem Anstieg der PR-Gen Expression
führen (Kocal et al., 2008). Im Vergleich dazu, waren die Transkripte der zw-Invertase in
Kombination mit Hitze und Trockenheit nicht hochreguliert, was zwar im Widerspruch zu den
hohen Hexosemengen steht, aber durch eine veränderte Kompartimentierung erklärbar ist.
Unter erhöhten Temperaturen scheint die Zuckerhydrolyse durch Invertasen in den Vakuolen
und im Zytosol zu erfolgen (siehe Abbildung 3.34), was die Generierung von Signalen in den
Zellwandkompartimenten verhindern und möglicherweise die erhöhte Suszeptibilität
infizierter Pflanzen erklären kann. Offensichtlich verändert die Hitzebehandlung den
Saccharoseabbau in Blättern, was zu einer intrazellulären Zuckerhydrolyse führt.
Die Analysen zur basalen und R-Gen vermittelten Abwehr offenbarten bislang veränderte
Genexpressionsmuster und Metabolitgehalte bei der simultanen Existenz von abiotischen
Stressantworten. Offenbar werden verschiedene Signalwege aktiviert, um diese
Stressfaktoren zu bekämpfen und letztendlich zu tolerieren. Pflanzen verfügen über
verschiedenen Möglichkeiten der Stressperzeption und Signaltransduktion (Tuteja und
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
141
Sopory, 2008). Für eine adäquate Stressantwort wird die Umgebung kontinuierlich, u.a.
durch Rezeptoren wahrgenommen und entsprechende Signale über Signalkaskaden in die
Zelle weitergeleitet. Dort werden entsprechende zelluläre Antworten zur Feinjustierung des
Metabolismus aktiviert. Einerseits werden Metabolite zum Schutz der Zellen produziert,
andererseits wird die Expression von Genen, die stressassoziierte Signalkaskaden steuern,
induziert. In den letzten Jahren lag der Fokus der Forschung auf der Wahrnehmung und der
Signaltransduktion in Einzelstressfaktoren, wie Hitze (Bita und Gerats, 2013; Qu et al.,
2013), so dass unser Verständnis für die Integration verschiedener Stresssignale von
biotischen und abiotischen Stressfaktoren lückenhaft ist. Die Analysen im Rahmen dieser
Arbeit zeigten, dass verschiedene Ko-Regulationsnetzwerke, die als Indikator für ähnliche
biologische Prozesse interpretiert werden können, in den einzelnen Stressbedingungen aktiv
sind. Dabei konnten jeweils bis zu 63% Prozent der differentiell regulierten Gene innerhalb
einer Stressbedingung ko-reguliert gefunden werden. Allerdings war der Überlapp der
einzelnen Stressbedingungen sehr klein, so dass eine erhebliche Menge der Gene, die als
Antwort auf Virusstress induziert gefunden wurden, nicht mehr unter kombinierten
Stessbedingungen detektierbar waren, was dafür spricht, dass die Antwort auf den
abiotischen Stress gegenüber biotischem Stress bevorzugt wird. Nur ein Gen befand sich
gemeinsam reguliert in der Virus und Triplestresssituation (siehe Abbildung 3.37). Dabei
handelt es sich um eine E1-E2-ATPase, die weitgehend uncharakterisiert ist. Des Weiteren
blieben nur zwölf Gene übrig, die im Überlapp mit Hitze und Triplestress gefunden werden
konnten (siehe Abbildung 3.37). Unter diesen waren interessanterweise zwei
Transkriptionsfaktoren: LONG HYPOCOTYL IN FARRED1 (HFR1) und PHYTOCHROME
INTERACTING FACTOR 3 (PIF3). Dabei ist für PIF3 bekannt, dass es zumindest teilweise für die
lichtinduzierte Induktion von CCA1 durch die direkte Bindung an den CCA1-Promotor
verantwortlich ist (Martinez-Garcia et al., 2000), und damit eine Verbindung zwischen
Signalleitung und dem Tagesrhythmus der Pflanze liefert. HFR1 ist ein HELIX-LOOP-HELIX
(HLH) Transkriptionsfaktor, der eine Lichtsignalkomponente ist. Interessanterweise zeigt
HFR1 sowohl eine lichtabhängige Akkumulation als auch eine temperaturabhängige Aktivität
(Foreman et al., 2011). Die Autoren schlussfolgerten, dass HFR1 die potentiell schädlichen
Effekte erhöhter Temperatur auf den Metabolismus minimiert. Offensichtlich ist HFR1 in den
Analysen unter Einzel- und unter multifaktoriellen Stresssituationen zu finden, was HFR1
wahrscheinlich eine Rolle in der allgemeinen Stressantwort zuspricht. Dies wird auch durch
die Studie von Rasmussen et al. (2013) unterstützt, die transkriptionelle Änderungen
zwischen verschiedenen Doppelstresssituationen im gleichen Zeitraum untersucht haben. In
dieser Studie wurde HFR1 in einem WGCNA-Modul, das mit Kälte und Hochlicht assoziiert
wurde, gefunden. Interessanterweise kann kein Signalgen im Vergleich der
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
142
Stressbehandlung Hitze, Virus und Triplestress gefunden werden. Allerdings befanden sich
Gene im Überlapp mit Virus und verschiedenen abiotischen Stresskombinationen, was ihnen
eine gemeinsame Rolle, sowohl biotisch als auch abiotisch zuschreibt. Eine weitere
Verteilung der Signalgene unter starker Hitze führte vor Augen, dass ca. 50% der Gene mit
Triplestress geteilt werden, die anderen aber einzigartig für die Triplestresssituation sind.
Unter allen Stressbedingungen befanden sich Proteinkinasen, die eine wichtige Rolle bei der
Interaktion verschiedener Stresssituationen und der Spezifität zwischen biotischen und
abiotischen Signalwegen einnehmen (Rizhsky et al., 2004; Zhang et al., 2006; Kilian et al.,
2007). Allerdings gibt es über die im Rahmen dieser Arbeit identifizierten Kinasen bis jetzt
nur wenige Informationen. Für einige Kinasen konnte gezeigt werden, dass sie bei
Überexpression zu einer erhöhten Resistenz gegenüber pilzlichen und bakteriellen
Pathogen, aber gleichzeitig zu einer verstärkten Suszeptibilität gegenüber abiotischen
Stress, wie Trockenheit, Salz- und Kältestress führen (Xiong, 2003; Xiong und Yang, 2003).
Im Gegensatz dazu, führt die Überexpression der MAPK5 zur Expression von Genen, die im
Zusammenhang mit abiotischen Stress stehen, aber gleichzeitig zur Herunterregulation der
Expression von PR-Genen (Zhang et al., 2006).
Zusammenfassend lässt sich sagen, dass Transkriptomdaten dieser Art eine hervorragende
Möglichkeit bieten nicht-lineare Effekte unter multifaktoriellen Stressbedingungen zu
beschreiben und gute Einblicke in die Abwehrmechanismen der einzelnen Stresssituationen
zu erhalten. Da Virus-induzierte Signalgene nicht unter Triplestress angereichert waren und
erhöhte Mengen viraler RNA detektiert werden konnten (siehe Abbildung 3.32), kann man
darauf schließen, dass TuMV-spezifische Netzwerke offensichtlich deaktiviert waren, was
möglicherweise eine Herunterregulation der Signalkomponenten, die relevant für die Abwehr
sind, erklärt. Fortführende Analysen erlauben nun die Identifikation vielversprechender
Kandidatengene, indem Transkriptionsfaktoren, Rezeptoren und weitere Signalgene der
einzelnen Netzwerke kombiniert und Schaltstellen zwischen den jeweiligen Stresssituationen
identifiziert werden. Der Einfluss der abiotischen Stressfaktoren Hitze und Trockenheit auf
TuMV-induzierte Wirtsabwehrmechanismen ist in Abbildung 4.1 modellhaft dargestellt.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
143
Abbildung 4.1: Einfluss von Hitze (und Trockenheit) auf TuMV-induzierte Abwehrantworten in
Arabidopsis-Pflanzen. Im Rahmen dieser Arbeit zeigten TuMV-infizierte Pflanzen im Vergleich zu den
Kontrollpflanzen erhöhte Genexpressionswerte der Zellwandinvertasen (zw-Inv). Die Produkte der
Invertaseaktivität, Glukose und Fruktose, können als Signalmoleküle zu einem Anstieg der Genexpression von
Abwehrgenen und anderen Abwehrgenen führen (Herbers et al., 1996). Bei virusgestresste Pflanzen konnte
demnach ein Anstieg an PR-Genen gefunden werden. Parallel kam es zur Induktion von ER-UPR Genen
(endoplasmatic reticulum- unfolded protein response). Bei gleichzeitiger Applikation von Hitze und Trockenheit
wurden ER-UPR-bezogene Gene negativ beeinflusst, während die Expression von Hitzeschockfaktoren (HSFs)
und die Expression von Markergenen der Cyt-UPR (cytoplasmic- UPR) stark induziert war, was die virale
Replikation unterstützten und die Suszeptibilität der Wirtspflanzen erhöhen könnte. Zusätzlich inhibierte Hitze
bzw. Trockenheit die Genexpression der Zellwandinvertasen und die Expression der PR-Gene. Stattdessen
waren vakuolären Invertasen leicht hoch-reguliert, dessen Enzymprodukte keinen Einfluss auf TuMV-induzierte
Signalwege haben. Ebenfalls waren die Transkripte der TIR-NB-LRR Gene unter multifaktoriellen
Stresssituationen beeinflusst, was einen Einfluss auf die R-Gen-vermittelte Abwehr gegenüber anderen
Pathogenen liefern könnte. Zudem resultierten Hitze und Stresskombinationen in einem veränderten Verhältnis
der Hauptregulatoren der zirkadianen Uhr. X = unbekannte Faktoren; rot dargestellte Linien zeigen reduzierte
Genexpression an, grüne Pfeile induzierte Genexpression.
vacInv
zwInv ER-UPR
G+F
PR Abwehr
G+F
NB-LRR
Cyt-UPR
HSF Signalleitung
x
Signalleitung
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
144
4.1.5 Identifikation stressresponsiver Transkriptionsfaktoren
Ein Vergleich aller untersuchten Stressbedingungen führte zu elf gemeinsam differentiell
regulierten Genen (siehe Abbildung 3.7), deren Relevanz durch Ausnutzung der natürlichen
Pflanzenvariationen für die Adaption der Pflanze an verschiedenen Stressbedingungen
gezeigt wurde (siehe Abbildung 3.11). Damit wurde ein neuer Ansatz gewählt, da bislang nur
physiologische Charakterisierungen von Arabidopsis Ökotypen unter erhöhter Temperatur
(30°C) und Trockenheit bei Vile et al. (2012) bzw. mittlerweile auch Transkriptomsignaturen
als Antwort auf Kältestress bzw. Hitzestress untersucht und unterschiedliche Muster in den
Transkripten ausfindig gemacht wurden (Barah et al., 2013a; Barah et al., 2013b).
Interessanterweise konnten in einer Publikation einige der elf Gene ebenfalls unter
verschiedenen Einzel- und Doppelstresssituationen (Salz, Hitze, osmotischer Stress) wieder
identifiziert werden (Sewelam et al., 2014). Dies macht die Gene umso bedeutungsvoller, da
diese Daten aus unabhängigen Experimenten und damit unterschiedlichen Anzucht- und
Stressbedingungen resultieren. Möglicherweise schalten Pflanzen beim Auftreten von zwei
verschiedenen Stressarten ihr Genexpressionsprogramm auf einen generellen Mechanismus
um, der Toleranz gegenüber einer größeren Bandbreite von Umweltbedingungen bietet. Dies
ist im Einklang mit Studien die postulieren, dass die transkriptionelle Antwort initial aus einem
Basisset an stressresponsiven Genen besteht, das durch eine Vielzahl an verschiedenen
Stressfaktoren aktiviert wird, aber erst bei zunehmender Stressdauer stressspezifische
Unterschiede auftreten können (De Vos et al., 2005; Eulgem, 2005; Kilian et al., 2007).
Im Rahmen der Arbeit konnten zahlreiche Abwehr- und Signalprozesse in Abhängigkeit der
applizierten Stressbedingung auf transkriptioneller und metabolomischer Ebene verändert
gefunden werden. Prädestiniert für eine Validierung der identifizierten Prozesse waren
Transkriptionsfaktoren. Diese ermöglichen als Masterregulatoren durch direkte Bindung an
cis-regulatorische Elemente eine optimale Änderung der Expression zahlreicher Gene mit
dem Ziel regulatorische Signalwege zu aktivieren (Shinozaki und Yamaguchi-Shinozaki,
2007; Nakashima et al., 2009; Agarwal und Jha 2010; Pardo, 2010). Im Rahmen der
Mikroarray-Auswertungen zu multiparallelem Stress konnte ein triplespezifischer
Transkriptionsfaktor, HSFA7B, identifiziert werden (siehe Abbildung 3.21). HSFA7B aktiviert
ebenso wie HSFA2 hitzeschockinduzierbare Gene, um Thermotoleranz zu gewährleisten
(Nishizawa et al. 2006; Larkindale und Vierling, 2008). Als Hitzeschockfaktor (heat shock
factor; HSF) scheint HSFA7B vor allem unter kurzfristigem Hitzeeinfluss gegenüber den
Kontrollpflanzen differentiell reguliert zu sein. Die im eFP-Browser hinterlegten
Transkriptdaten liefern nur eine Stunde nach Hitzeapplikation gestiegene Transkriptmengen
im Vergleich zu Pflanzen unter Kontrollbedingungen. In einer Studie von Sewelam et al.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
145
(2014) konnten fünffach gesteigerte HSFA7B-Transkriptmengen nach vierstündigem
Hitzestress bei 35°C im Vergleich zur Kontrolle detektiert werden. In den hier durchgeführten
Experimenten zur Stressadaption war HSFA7B nach dreitägigem Hitzestress weniger als
zweifach differentiell reguliert. Hitzeschockfaktoren wird aber nicht nur eine Rolle bei Hitze
zugeordnet. Eine Überexpression des HSFA1b in Arabidopsis erhöhte die Resistenz unter
Trockenheit und die Resistenz gegenüber einer Infektion mit Pseudomonas, so dass HSFs
eine wichtige Rolle bei der Signalleitung zwischen abiotischen und biotischen
Stressbedingungen zugeteilt wurde (Bechtold et al., 2013). Betrachtet man das
Expressionsprofil von HSFA7B in den Stresskombinationen, sind deutlich gestiegene
HSFA7B-Transkriptmengen festzustellen. Im Rahmen dieser Arbeit konnte eine Hoch-
regulation bis zur 17-fachen Menge gegenüber Kontrollpflanzen, in den multifaktoriellen
Stressstudien zur gleichzeitigen Applikation von Hitzestress, Salzstress und osmotischen
Stress eine 45-fache Steigerung eruiert werden (Sewelam et al., 2014). Damit zählt HSFA7B
vermutlich zu den HSFs, die abgesehen von Hitze, auch unter anderen Umweltbedingungen
eine Rolle spielen. HSFA2, beispielsweise, führte in Arabidopsis überexprimiert zu Toleranz
gegenüber Salzstress, osmotischen und oxidativen Stress (Ogawa et al., 2007). Unterstützt
wird diese Vermutung durch Nishizawa et al. (2006), die für HSF2A eine erhöhte Resistenz
gegenüber der Stresskombination aus Hitze und Hochlicht (40°C; 800 µE m-2 sec-1)
demonstrierten. Die Expressionsmuster andere HSFs und HSPs wurden ebenfalls spezifisch
für die jeweilig existierende Kombination aus den abiotischen Stressfaktoren Hitze und
Trockenheit detektiert (Rizhsky et al., 2004; Miller und Mittler, 2006; Grigorova et al., 2011).
Für eine detaillierte Charakterisierung wurde ein Überexpressionskonstrukt von HSFA7B
unter dem konstitutiv exprimierenden Cauliflower Mosaic Virus (CaMV) 35S Promoter, mit
dem häufig im Zusammenhang mit stressresponsiven Transkriptionsfaktoren, zum Beispiel
bei DREB1 und DREB2 (Jaglo-Ottosen et al., 1998; Kasuga et al., 1999), verbesserte
Trocken- und Kältetoleranz erzielt werden konnte, stabil in Arabidopsis exprimiert. Im
Vergleich zu Col-0 Pflanzen konnten keine phänotypischen Unterschiede in den Rosetten
der HSFA7B-myc Pflanzen ausfindig gemacht werden und eine Mikroarray-Analyse der
transgenen Pflanzen HSFA7B-myc zeigte überraschenderweise lediglich einen Unterschied
von acht differentiell regulierten Genen (siehe Abbildung 3.24). Interessanterweise wurde
HSFA7 kürzlich in Reispflanzen überexprimiert (Liu et al., 2013). Unter Kontrollbedingungen
(30°C bei 75% Luftfeuchtigkeit) konnten keine Unterschiede im Spross, aber ein deutlich
längeres und dickeres Wurzelsystem dokumentiert werden. Unter einem Hitzeschock bei
47°C für einen Zeitraum von 90 Minuten konnten bei den HSFA7 überexprimierenden
Reispflanzen im Vergleich zu den Kontrollpflanzen keine offensichtliche Unterschiede
bezüglich der Hitzetoleranz festgestellt werden (Liu et al., 2013). Auch andere
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
146
Stressbedingungen, wie zehntägiger Salz- bzw. Trockenstress, führten nur zu geringfügig
verbesserten transgenen Reispflanzen verglichen mit den Kontrollen. Nach einer
zehntägigen Regenerationsphase erholten sich die transgenen Pflanzen jedoch nach Salz-
und Trockenstress erheblich besser als die Kontrollpflanzen (Liu et al., 2013). Im Rahmen
dieser Arbeit wurde HSFA7B einem Triplestressexperiment, wie in Material und Methoden
beschrieben, unterzogen, und es konnte keine verbesserte Stresstoleranz unter diesen
Stressbedingungen beobachtet werden. Allerdings erfolgte die Trockenheit in einem weniger
stringentem Regime als bei der Etablierung des Triplestressexperiments und in Anlehnung
an die Studie von Liu et al. (2013), könnte eine anschließende Regenerationsphase die
Biomasseunterschiede zu den Kontrollpflanzen verdeutlichen.
Interessanterweise, befanden sich unter den elf gemeinsam regulierten Genen zwei
Transkriptionsfaktoren, Rap2.9 und G-BOX BINDING FACTOR (GBF3). Für beide Gene wurde
angenommen, dass sie eine Rolle in der pflanzlichen Stressantwort spielen. Für GBF3 ist
bekannt, dass es ABA-induzierbar ist (Lu et al., 1996) und durch seine ABRE-Element
(ABSCISIC ACID–RESPONSIVE ELEMENT) im Promotorbereich ein direktes Zielgen von AREB1
(ABSCISIC ACID-RESPONSIVE ELEMENT BINDING PROTEIN1) ist (Fujita et al., 2005).
Möglicherweise ist GBF3 in multiple Stressantworten involviert. Dies wird durch öffentlich
verfügbare Mikroarray-Daten (www.bar.utoronto.ca/efp/cgi-bin/efpWeb.cgi) unterstützt, die
zeigen, dass erhöhte Transkriptmengen von GBF3 unter osmotischen Stress, Salzstress,
Kältestress und nach einer Infiltration mit P. syringae DC3000 nach 24 Stunden detektiert
werden können. Bemerkenswerterweise wurde derselbe Transkriptionsfaktor auch in einer
anderen Studie differentiell reguliert gefunden, und zwar nicht nur in den Einzelbedingungen
Hitze, Salz und osmotischen Stress, sondern auch in den jeweiligen Kombinationen
(Sewelam et al., 2014).
Rap2.9, auch DEAR5 genannt (TAIR; www.arabidopsis.org), gehört zur Superfamilie mit der
Bezeichnung APTELA2/ethylenresponsive Transkriptionsfaktoren (AP2/ETHYLENE-RESPONSIVE
TRANSCRIPTIONFACTORS (ERF)) (Nakano et al., 2006). Die 147 Mitglieder sind durch eine
AP2/ERF Domäne charakterisiert, die 60-70 Aminosäuren umfassen und die DNA Bindung,
zum Beispiel an DEHYDRATION-RESPONSIVE ELEMENTS (DREs), die für Trockentoleranz
wichtig sind, ermöglichen (Nakano et al., 2006). Die größte Gruppe stellen die ERF-
Transkriptionsfaktoren dar, die 122 Mitglieder, einschließlich der Related-AP2 (RAP2)
Proteine umfassen. Zahlreiche Mitglieder der AP2/ERF Familie wurden als Aktivatoren
beschrieben. Beispielsweise wird für Rap2.6 eine Rolle bei abiotischen und biotischen
Stressantworten angenommen. Eine Überexpression von Rap2.6 in Arabidopsis führte zu
einem verbesserten Abschneiden der Pflanzen unter Salz- und Trockenstress
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
147
(Krishnaswamy et al., 2011), so wie einer erhöhten Toleranz gegenüber Heterodera schachtii
(Ali et al., 2013). Ein phylogenetischer Stammbaum der ERF-Proteine gemäß Nakano et al.
(2006) zeigt Rap2.9 in Klasse II von sieben Familienmitgliedern zusammen mit Rap2.1 und
DEAR1 (auch als ATERF#011 bezeichnet). Rap2.9 verfügt C-Terminal der AP2/ERF-
Domäne über ein CMII-1 und CMII-2 Motif (Nakano et al., 2006). Dieses CMII-2 Motif wurde
als ERF-ASSOCIATED AMPHIPHILIC REPRESSION (EAR) -Motiv bezeichnet (Ohta et al., 2001).
Proteine, die über ein EAR-Motiv verfügen, unterdrücken unter Kontrollbedingungen die
Expression von stress- und abwehrassoziierten Genen. Unter Stressbedingungen werden
sie möglicherweise von den Signalen bzw. Signalwegen aktiviert, die sie selbst kontrollieren,
um die aktivierte Stressantwort wieder zu dämpfen bzw. zumindest zu regulieren (Sakamoto
et al., 2004; Kazan, 2006). Für Rap2.1 konnte herausgefunden werden, dass es durch
Trockenheit und Kälte induziert wird und ein negativer Regulator der DREB-Typ Aktivatoren
ist, um die Stressantworten unter Kontrolle zu halten. Rap2.1 überexprimierende Pflanzen
waren sensitiver gegenüber Kälte und Trockenstress, während T-DNA Insertionslinien eine
reduzierte Sensibilität aufwiesen (Dong und Liu, 2010). Ähnlich konnten Tsutsui et al. (2009)
DEAR1, unter Verwendung eines Überexpressionskonstrukts in Arabidopsis, eine Rolle als
transkriptionellen Repressor in der Kältetoleranz zuweisen. Die Autoren nahmen an, dass
unter normalen Bedingungen DEAR1 hochreguliert ist, um Stressantworten unter Kontrolle
zu halten, wohingegen unter Stress verminderte Expression von DEAR1 vorliegt, um eine
weitere Inhibierung der Expression stressrelevanter Gene und korrespondierender
Toleranzmechanismen zu vermeiden (Tsutsui et al., 2009). Durch die Beispiele von Rap2.1
und DEAR1 wird deutlich, dass Rap2.9 in dieser Klasse II des phylogenetischen Baums
nach Nakano et al. (2006) eine Repressorfunktion gegenüber Trockenstress haben könnte.
Verstärkt wird diese Vermutung durch Klasse VIII, die ebenfalls eine Repressordomäne
aufweist. Innerhalb dieser Gruppe zeigte ERF4 in transienten Expressionsstudien eine
negative Regulation bei der Expression von Ethylen-, Jasomonat- und ABA-responsiven
Genen (Yang et al., 2005). Die Überexpression von ERF7 in Arabidopsis führte zu einer
gesteigerten Sensitivität gegenüber ABA und einer erhöhten Wassertranspiration (Song et
al., 2005).
Eine stabile Überexpression von Rap2.9 in Arabidopsis-Pflanzen lieferte in dieser Arbeit
Pflanzen, deren Rosetten verlängerte Petiolen und leicht verdrehte Blätter aufweisen (siehe
Abbildung 3.14). Mikroarray-Analysen lieferten Hinweise darauf, dass in den transgenen
Pflanzen, die Rap2.9 überexprimieren, etliche auxinresponsive Gene hochreguliert sind. Die
gestiegene Genexpression lässt veränderte Auxinmengen vermuten, die verlängerten
Petiolen erklären und Rap2.9 in Verbindung mit Entwicklungsprozessen bringen könnte. Aus
der Literatur ist bekannt, dass der Transkriptionsfaktor PHYTOCHROME INTERACTING FACTOR 4
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
148
(PIF4) von Phytochrom B negativ reguliert wird und die Rap2.9 überexprimierenden Pflanzen
dieser Studie den Phytochrom B-Mutanten in Arabidopsis mit verlängerten Petiolen und
fragilen Blättern bereits unter Kontrollbedingungen sehr ähnlich sehen (siehe Abbildung 3.14,
Kim et al., 2014). Interessanterweise ist PIF4 auch in pflanzliche Hitzestressantworten
involviert (Casson et al., 2009; Koini et al., 2009). Während der Hitzephase ist bekannt, dass
Pflanzen ihre Blätter aufstellen (siehe Abbildung 3.1). Unter erhöhten Temperaturen sind
pif4-Mutanten jedoch unfähig temperatur-induzierte Hypocotyl- und Petiolenelongation
auszubilden. Neben der Induktion von flowering locus T (FT), einem Transkriptionsfaktor der
maßgeblich in den Prozess der Blühinduktion involviert ist (Kumar et al., 2012), ist PIF4
außerdem unter Hitzestress in der Lage, die Biosynthesegene von Auxin sowie Gene der
SAUR-Familie, die an Elongationprozesse beteiligt sind, direkt zu induzieren (Proveniers und
van Zanten, 2013). Diese PIF4-induzierten Prozesse werden vermutlich durch DELLA-
Proteine in einem feedback-Mechanismus reguliert (de Lucas, 2008). Diese Beobachtungen
liefern einen ersten Hinweis darauf, dass sich Rap2.9 zusammen mit Phytochrom B und
PIF4 in einem regulatorischen Weg befinden könnte. Weiterhin ist bekannt, dass pif4-
Mutanten unter erhöhten Temperaturen nicht in der Lage sind Hyponastieeffekte zu zeigen
(Koini et al., 2009; Stavang et al., 2009).
In der Literatur ist für Rap-Proteine unter Hitze bislang nichts beschrieben worden. Im
Rahmen dieser Arbeit wiesen Rap2.9-überexprimierende Pflanzen unter kombinierter Hitze
und Trockenheit nach einer dreitägigen Regenerationsphase mehr Biomasse im Vergleich zu
den Col-0 Pflanzen auf, allerdings war die Biomasse in den Rap2.9 Pflanzen von Anfang an
vermindert (siehe Abbildung 3.20B). Da Rap2.9 unter abiotischem Stress einen
reprimierenden Effekt zugeschrieben werden konnte, könnte das verbesserte Abschneiden
der Rap2.9-GFP-Pflanzen, abgesehen des Vorteils durch die bereits reduzierte Biomasse
vor Beginn der Stressapplikation, durch einen positiven Effekt unter Hitzestress erklärt
werden. Nach einer Stressapplikation mit Hitze und Trockenheit war in der anschließenden
Regenerationsphase zudem auffällig, dass sich die Blätter der Rap2.9-überexprimierenden
Pflanzen nach Hitzestress langsamer absenkten als die Blätter der Col-0 Pflanzen (siehe
Abbildung 3.20). Darüber hinaus wurde PIF4 als positiver Regulator des Stomataindexes
beschrieben (Casson et al., 2009) und in den Rap2.9 überexprimierenden Pflanzen konnte
tatsächlich eine erhöhte Anzahl an Stomata detektiert werden (siehe Abbildung 3.16). Eine
Korrelationsanalyse zwischen Biomasseverlust und Expression brachte zum Ausdruck, je
mehr Biomasseverlust verursacht wurde, desto stärker war Rap2.9 herunterreguliert.
Offensichtlich hängt die Stärke des Stresses mit der Expression von Rap2.9 in negativer
Weise zusammen. Bestätigt wurde diese Hypothese durch die erhöhten Biomassen nach
Stressapplikation in den überexprimierenden Rap2.9-GFP Pflanzen (siehe Abbildung 3.20).
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
149
Allerdings könnte das verbesserte Abschneiden der Rap2.9-GFP Pflanzen unter
kombinierter Hitze und Trockenheit durch einen Vorteil der Hitzeapplikation erzielt werden.
Unter Trockenheit alleine zeigten Rap2.9-GFP Pflanzen deutliche Symptome der
Trockensensitivität im Vergleich zu Col-0 Pflanzen (siehe Abbildung 3.19), so dass die
positiven Effekte auf Hitze bzw. Kombinationseffekte zurückzuführen sind. Die erhöhte
Stomataanzahl in Rap2.9-GPF Pflanzen könnte auch das verschlechtere Abschneiden unter
Trockentoleranz erklären (siehe Abbildung 3.16). Zudem konnten in den Mikroarray-
Analysen zu den Rap2.9-GPF Pflanzen im Vergleich zu Col-0 ein Großteil der in der Literatur
mit Trockenheit in Verbindung gebrachten Gene herunterreguliert gefunden werden (siehe
Anhang 15). Durch Protein-Chip-Analysen konnte DEAR5 als ein Zielgen von ERF1
identifiziert werden (Godoy et al., 2011). ERF1 ist bekannt, die Expression von
Abwehrantworten durch die Bindung an GCC-Boxen zu regulieren. Interessanterweise
postulierte Llerena (2012) in ihrer Doktorarbeit, dass überexprimierende ERF1-Pflanzen im
Vergleich zu Wildtyppflanzen trockentoleranter sind und gleichzeitig ein Anstieg der DEAR5
(Rap2.9) Genexpression festgestellt werden konnte. Dieser Anstieg der DEAR5
Genexpression blockierte jedoch die Induktion transkriptioneller Trockenstressantworten.
Daraus wurde geschlussfolgert, das ERF1 die DEAR5-verursachte Repression
trockenresponsiver Gene aufheben kann (Llerena, 2012).
Alles in allem zeigen die erzielten Resultate, dass Rap2.9 möglicherweise über die
Regulation der Genexpression von auxinresponsiven Genen an den gleichen
Entwicklungsprozessen beteiligt ist, wie PIF4, für das auch ein veränderter Stomataindex
sowie auxinvermittelte Änderungen der Hypocotyl- und Petiolenelongation festgehalten
wurde. Gleichzeitig können durch die reprimierende Rap2.9-Wirkung Abwehrprozesse der
Pflanze unterdrückt werden, wenn kein Stresseinfluss vorliegt. Unter Stressbedingungen,
zumindest unter Trockenheit, wird die Blockade stressresponsiver Gene durch die
Herunterregulation von Rap2.9 jedoch aufgehoben und gleichzeitig Rap2.9-assozierte
Entwicklungsprozesse unterdrückt. Eine mögliche Rolle von Rap2.9 unter
Kontrollbedingungen und unter Stresseinfluss ist modellhaft in Abbildung 4.2
zusammengefasst.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
150
Abbildung 4.2: Mögliche Rolle von PIF4 und Rap2.9 unter dem Einfluss von Hitze und Trockenheit.
PhytochromB ist ein negativer Regulator von PIF4, dessen Genexpression in Abhängigkeit der zirkadianen Uhr
reguliert wird (Koini et al., 2009). Unter Hitzestress ist PIF4 neben der Induktion von flowering locus T (FT), einem
Transkriptionsfaktor der maßgeblich in den Prozess der Blühinduktion involviert ist (Kumar et al., 2012),
außerdem in der Lage, die Biosynthesegene von Auxin sowie Gene der SAUR-Familie, die an
Elongationprozesse beteiligt sind, direkt zu induzieren (Proveniers und van Zanten, 2013). Diese PIF4-induzierten
Prozesse werden vermutlich durch DELLA-Proteine in einem feedback-Mechanismus reguliert (de Lucas, 2008).
Darüber hinaus wurde PIF4 als positiver Regulator des Stomataindexes beschrieben (Casson et al., 2009). Eine
Überexpression von Rap2.9, einem APTELA2/ethylenresponsiver Transkriptionsfaktor, führte im Rahmen dieser
Arbeit ebenfalls zu erhöhter Stomatazahl und deutlich elongierten Petiolen. Aufgrund dessen und einer deutlich
gestiegenen Anzahl an auxinresponsiven Genen in Rap2.9-GFP Pflanzen könnte Rap2.9 dieselben
Wachstumsprozesse wie PIF4 ansteuern. Gleichzeitig ist eine Repression trockenstressassozierter Gene und
erhöhte Anfälligkeit gegenüber Trockenheit zu konstatieren. Durch Protein-Chip-Analysen konnte Rap2.9 als ein
Zielgen von ETHYLENE RESPONSE FACTOR1 (ERF1) identifiziert werden (Godoy et al., 2011). ERF1 reprimiert
einerseits die Genexpression von Rap2.9 (Llerena, 2012), könnte nach einer Spekulation von Lorrain und
Frankenhauser (2012) anderseits aber auch in einer Interaktion mit PIF3, einem hitzeinduzierter
Transkriptionsfaktor (Prasch und Sonnewald, 2013), stehen und so möglicherweise die Verbindung der
pflanzlichen Abwehrprozesse zwischen Hitze- und Trockenheit herstellen.
Ebenso sind auch Gene der Salizylsäure-Antwort (SA) und die PR-Gene in den
überexprimierenden Pflanzen hochreguliert, was vermuten lässt, dass die Pflanzen toleranter
gegenüber Pathogenen sind. Einerseits wurde DEAR1 als Repressor in der abiotischen
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
151
Stressantwort beschrieben. Andererseits resultierte eine Überexpression von DEAR1 in
Pflanzen nicht nur in erhöhten SA-Mengen, sondern auch in einer erhöhten
Pathogenresistenz gegenüber P. syringae DC3000 (Tsutsui et al., 2009). Dieser Befund
kann möglicherweise auch für Rap2.9 übertragen werden. Fortführende Mikroarray-
Auswertungen zu den überexprimierenden Pflanzen offenbarten einerseits eine deutliche
Anreicherung der Kategorie sekundäre Metabolite, die im Falle der Phenylpropanoide zur
Abwehr dienen könnten. Andererseits war die Kategorie Zellwand, speziell die
Zellulosesynthese und die Zellwandmodifikationen in Rap2.9-GFP Pflanzen herunterreguliert
und Zellulosegehalte gegenüber Col-0 verringert (siehe Abbildung 3.17 und 3.18). Eine
veränderte Membranzusammensetzung in den Rap2.9-GFP Pflanzen könnte weitreichende
Folgen für apoplastische Bakterien haben. Beispielsweise führt eine erhöhte Permeabilität zu
einem verbesserten Wachstum von P. syringae (Xiao et al., 2004), wohingegen
Veränderungen hin zu einer dickeren Kutikula die Vermehrung von Pseudomonas
erschweren (Tang et al., 2007). Auch für Rap2.9 bestätigten Tsutsui et al. (2009) mittels RT-
PCR eine Pathogeninduzierbarkeit durch P. syringae. Offensichtlich fungieren die Rap-Gene
der Klasse II, gegenüber Trockenheit als Repressoren, gegenüber Pathogenen jedoch,
durch eine veränderte Zellwandzusammensetzung und der Akkumulation von PR-Genen und
SA, als Aktivatoren. Zusammenfassend lässt sich sagen, dass der Klasse II an AP2/ERF-
Genen eine ambivalente Rolle gegenüber biotischem und abiotischem Stress zukommen
könnte, was Tsutsui et al. (2009) spekulieren ließ, dass die Rap-Proteine stromaufwärts als
Regulatoren die Vernetzung von biotischem und abiotischem Stresses vermitteln. Im
Rahmen dieser Arbeit konnte Rap2.9 somit als ein weiterer interessanter Kandidat für die
Vermittlung der abiotischen Stressantworten Hitze und Trockenheit bzw. Virenstress
identifiziert werden.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
152
4.2 Erhöhte Trockentoleranz in bam1 Pflanzen
Pflanzen sind in der Lage als Antwort auf diverse Umweltfaktoren, wie die CO2-
Konzentration, die relative Luftfeuchtigkeit und zahlreiche andere biotische und abiotische
Stresskomponenten ihrer Stomata adäquat zu justieren. Die bisherigen Analysen im Hinblick
auf multiple Stressbedingungen zeigen klar, dass die Stomata der Pflanzen in Abhängigkeit
der unterschiedlich applizierten Stressreaktionen verschieden reagieren (siehe Tabelle 3.2).
Lange bekannt ist, dass der Stomataschluss einer der ersten Antworten auf Wassermangel
ist und so Wasserverlust vermieden werden kann (Schroeder et al., 2001). Das Öffnen und
Schließen der Stomata erfolgt durch Schwellen und Abschwellen der Stomata, das wiederum
durch zahlreiche Prozesse, einschließlich dem Ionenaustausch und der Produktion von
osmotisch aktiven Molekülen sowie der Modulation der Genexpression und der post-
translationalen Modifikation von Proteinen erfolgt (Shinozaki und Yamaguchi-Shinozaki,
2007; Cramer et al., 2011; Blatt, 2014).
4.2.1 Die Rolle der Stärke beim Stomataschluss unter Trockenheit
Um ein Öffnen der Stomata zu erzielen, kommt es durch den Ausstrom von H+ aus den
Schließzellen vermittelt durch H+-ATPasen zur Hypopolarisierung der Plasmamembran und
über die Aktivierung von K+-Kanälen zur Aufnahme von K+-Ionen. Die gleichzeitige
Aufnahme von Wasser und Gegenionen, wie Chlorid und Malat halten den Turgordruck und
damit die Stomata offen (Daszkowska-Golec und Szarejko, 2013). Im Gegensatz dazu wurde
für den Stomataschluss ein komplexes Netzwerk an Signalen beschrieben, bei dem ABA und
Jasmonat (JA) positive Regulatoren sind. Dabei aktiviert ABA den Ausstrom von Calcium
aus den Schließzellen, aktiviert verschiedene Anionenkanäle des S-Typs (slow response; S)
und des R-Typs (rapid response; R), die zum Ausstrom von Chlorid, Malat und Nitrat führen
sowie die Aktivierung von GORK-Kanälen, was in einem Ausstrom von Kalium und
schließlich dem Schließen von Stomata mündet (Roelfsema und Hedrich, 2005). Mikroarray-
Analysen der Transkripte aus den Stomata trockengestresster Pflanzen im Rahmen dieser
Arbeit zeigten allerdings keine signifikante Transkriptanreicherungen der entsprechenden
Ionen- und Wasserkanäle (siehe Anhang A16). Offensichtlich spielen diese transkriptionellen
Prozesse bei der kurzfristigen Antwort auf ABA-Signale und dem Einsetzten der Trockenheit
eine große Rolle, aber nicht bei Anpassung an Trockenheit über einen längeren Zeitraum.
Inspiriert durch eine Anreicherung der Kategorie zentraler Stoffwechsel in der funktionellen
Kategorisierung der Stomata-spezifischen Transkripte von Col-0 unter Trockenheit konnte
bei der Analyse der Transkripte festgestellt werden, dass die Stärkesynthese tendenziell
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
153
hochreguliert war, der Abbau jedoch reduziert (siehe Abbildung 3.40). Schon früh wurde
spekuliert, dass sich die Konzentration der Stärke und osmolytisch aktiven Zuckern in den
Schließzellen mit der Öffnungsweite der Stomata ändert (Outlaw und Manchester, 1979). Ein
Stärkeaufbau kann dabei u.a. durch die glukoneogenetische Umwandlung von Malat in
Stärke erfolgen (Willmer und Fricker, 1996). Inwieweit Stärke bei der Regulation der Stomata
eine Rolle spielt, ist jedoch noch nicht hinreichend erforscht. Interessanterweise war neben
-Amylase5 (BAM5) speziell die -Amylase1 (BAM1), die als chloroplastische β‐Amylase in
den Stärkeabbauweg involviert ist und Maltose, ein wichtiges Zwischenprodukt des
Stärkeabbauwegs, freisetzen kann, sehr stark herunterreguliert (siehe Abbildung 3.40;
Kaplan und Guy (2005), Sparla et al. (2006)). Es ist bekannt, dass das Enzym bei der
Regulierung des Redoxstatus der Pflanze eine Rolle spielt und nur unter reduzierenden
Bedingungen aktiv ist (Sparla et al., 2006). Eine Mutation des BAM1 kodierenden Gens
resultiert in einer Akkumulation von Stärke in den Schließzellen (Valerio et al., 2011). Dies
führt dazu, dass die Stomata in den Pflanzen der Linie bam1 geschlossener sind als die der
Col-0 Pflanzen (siehe Abbildung 3.45; Valerio et al., 2011). Bemerkenswerterweise sind
unter Kontrollbedingungen keine signifikanten Unterschiede in der Biomassebildung
zwischen Col-0 und bam1 Pflanzen festzustellen (siehe Abbildung 3.42), obwohl über die
stomatären Poren der Gasaustausch, der für die Photosynthese und damit auch für die
Biomassebildung elementar wichtig ist, stattfindet. Offensichtlich kann der verstärkte
Porenschluss unter Kontrollbedingungen über andere Mechanismen kompensiert und
vergleichbare Biomasse gebildet werden.
Da Pflanzen unter verschiedenen Bedingungen mit dem Schließen der Stomata reagieren
(Rizhsky et al., 2004), wurde die Hypothese aufgestellt, dass bam1 Pflanzen unter
Trockenheit, bedingt durch die Modifikation in den Stomata, besser wachsen können als Col-
0 Pflanzen. Unter einem fünftägigen Trockenstress konnte tatsächlich signifikant mehr
Biomasse im Falle der Stärkemutante bam1 im Vergleich zu Col-0 Pflanzen gefunden
werden (siehe Abbildung 3.42). Dies kann darauf zurückzuführen sein, dass die Pflanzen
eben nicht in der Lage sind Stärke in den Schließzellen vollständig abzubauen. Aufgrund des
osmotischen Potenzials der Stärke können die Stomata darauf hin nicht vollständig
geschlossen werden, was zu einem verbesserten Gasaustausch führt. Doch obwohl bei
bam1 Pflanzen die Stomata unter Trockenheit weiter geöffnet sind als bei Col-0 Pflanzen,
kommt es nicht zu einer Dehydrierung. Das könnte an der Tatsache liegen, dass die
Öffnungsweite der Stomata unter Trockenheit immer noch deutlich unter der Öffnungsweite
von Col-0 Pflanzen unter Kontrollbedingungen liegt. Dadurch ist zwar ein erhöhter
Gasaustausch möglich, jedoch geht nicht zu viel Wasser verloren, was die Biomassebildung
während der Trockenheit erklären könnte.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
154
Die Array-Analysen der Stomata-spezifischen Transkripte unter Trockenheit in bam1
Pflanzen zeigen, dass 30 der insgesamt 542 hochregulierten Gene PPR-Gene
(PENTATRICOPEPTIDE REPEAT PROTEINS) darstellen. PPR-Gene bilden in Pflanzen mit mehr
als 450 Mitgliedern eine große Familie, sind aber weitestgehend uncharakterisiert (Schmitz-
Linneweber und Small, 2008; Laluk et al., 2011). Von PPRs wurde angenommen, dass sie
eine Rolle bei der RNA Prozessierung und Translation einnehmen (Saha et al., 2007;
Schmitz-Linneweber und Small, 2008). Darüber hinaus ist bekannt, dass ppR40-Mutanten
eine veränderte Genexpression zeigen und ABA- und salzsensitiv sind (Zsigmond et al.,
2008). Kürzlich konnte gezeigt werden, dass sowohl eine Überexpression als auch eine
Mutation des PPR-Gens PGN (PPR FOR GERMINATION ON NACL) zu erhöhter Suszeptibilität
gegenüber nekrotrophen Pilzen und erhöhtem Salzstress führt. Die Autoren schlussfolgerten,
dass eine exakte Regulation von PGN unter verschiedenen Stresssituationen nötig ist (Laluk
et al., 2011). Möglicherweise spielt die Regulation dieser PPR-Gene auch in den bam1-
Mutanten für die Erreichung von Trockentoleranz eine wichtige Rolle. Darüber hinaus
sprechen zahlreiche weitere Transkriptprofile für eine bereits erfolgte Anpassung der
Stomata an Wassermangel. Eine reduzierte Expression der auxinresponsiven Gene deutet
eine verringerte Zellwandstreckung an und zahlreiche Zellwandkomponenten, wie
Arabinogalaktanproteine, Expansine sowie Xyloglucan:xyloglucosyltransferasen könnten für
eine Anpassung der Zellwand sprechen. Für Arabinogalaktane wurde beispielsweise
berichtet, dass sie als lösliche Signale dienen (Seifert und Roberts, 2007), und Xyloglucane
die Dehnbarkeit und Stärke der pflanzliche Zellwand beeinflussen (Goujon et al., 2003;
Vissenberg et al., 2005). Auch etliche Gene, die für die Regulation des Wasserhaushalts
verantwortlich sind, sind herunterreguliert: Darunter befinden sich Gene, deren Genprodukte
die Wasserbalance entsprechend ihrer Umweltbedingungen regulieren, beispielsweise
Wasserkanäle der Plasmamembran (PLASMA MEMBRANE INTRINSIC PROTEINS; PIPs) und des
Tonoplasten (TONOPLASTIC INTRINSIC PROTEINS; TIPs) (zusammengefasst in Kaldenhoff et al.
(2008)). Dabei sind Auquaporine als Membrankanäle in der Lage den Transport von Wasser
und kleinen ungeladenen Molekülen über biologische Membranen zu ermöglichen. Unter
abiotischen Stresssituationen scheinen die in der Literatur bislang veröffentlichten Daten zur
transkriptionellen und posttranskriptionellen Antwort uneinheitlich. Eine Überexpression
eines tonoplastischen Aquaporins aus der Pflanzengattung Panax ginseng resultierte zwar in
erhöhter Salz- und Trockentoleranz in Arabidopsis (Peng et al., 2007). Gleichzeitig führte
eine Überexpression von AtPIP1;2 in Tabakpflanzen zu höheren Wachstums- und
Transpirationsraten sowie einer erhöhten Stomatadichte im Vergleich zu Kontrollpflanzen,
aber auch zu trockensensitiven Pflanzen (Aharon et al., 2003). Dabei scheinen Aquaporine,
zumindest PIPs, in den Gefäßbündelscheidenzellen reguliert und am Xylem-Mesophyll
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
155
Wassertransport unter Trockenstress beteiligt zu sein (Shatil-Cohen et al., 2011).
Interessanterweise zeigten Martre et al. (2002), dass eine antisense-Konstrukt von PIP1 in
Arabidopsis keine Unterschiede im Wasserpotential aufwiesen, aber in der anschließenden
Regenerationsphase gegenüber den Kontrollen schlechter abschnitten. Daraus
schlussfolgerten Li et al. (2014), dass Aquaporine in Arabidopsispflanzen auch in der
Wassermobilisation dehydrierter Pflanzen involviert sind. Die Herunterregulation der
Aquaporine in bam1 Pflanzen spricht somit für eine reduzierte Wasseraufnahme und weiter
geschlossene Stomata.
Diese Ergebnisse belegen, dass der Zucker- bzw. Stärkehaushalt eine wichtige Rolle für die
Regulation der stomatären Öffnungsweite unter Trockenheit spielt, da bei der Mutante bam1
die Stärke in den Schließzellen akkumuliert, Stomata somit weiter geschlossen sind und
schneller auf Trockenheit reagieren können. Unterstützt wird dieser Prozess möglicherweise
durch entsprechende Genexpression der auxinresponsiven Hormone, Wasserkanäle und
Zellwandbestandteile.
4.2.2 Stressspezifische Genexpression der -Amylasen
Neben den Trockenstressperioden müssen Pflanzen bedingt durch Klimaänderungen auf
zunehmende Hitzephasen reagieren können. Im Hinblick auf die Physiologie der Pflanzen
werden die Stomata geöffnet (Rizhsky et al., 2004), um ihre Blätter durch die Transpiration
zu kühlen (Mittler, 2006). Während der Stomataöffnung wurden bereits
Zuckerakkumulationen in den Schließzellen beschrieben (Roelfsema und Hedrich, 2005;
Shimazaki et al., 2007), die auf einen Stärkeabbau hinweisen. Da bam1 Pflanzen jedoch,
bedingt durch die Mutation des Gens der -Amylase 1, keine Stärke abbauen können, sollten
sie nicht in der Lage sein ihre Stomata weiter zu öffnen, so dass es nicht verwunderlich
wäre, wenn Einbußen in der Biomasse festzustellen wären. Erstaunlicherweise können
Pflanzen der Linie bam1 unter Hitzestress genauso viel Biomasse bilden wie Col-0 Pflanzen
(siehe Abbildung 3.44). Des Weiteren kristallisierte ein Vergleich der stomatären
Öffnungsweite völlig unerwartet heraus, dass die Stomata in den Pflanzen mit der Mutation
der -Amylase 1 unter Hitze dennoch geöffnet werden können und verminderte
Stärkemengen im Vergleich zur Kontrollsituation und unter Trockenheit detektiert werden
können (siehe Abbildung 3.45 und 3.46). Offenbar spielt die -Amylase 1 bei Hitzestress
keine entscheidende Rolle und andere Gene sind für den Stärkeabbau und das Öffnen der
Stomata verantwortlich. Stomata-spezifische Transkriptanalysen hitzegestresster Col-0
Pflanzen zeigten tatsächlich keine differentielle Regulation des BAM1-Genes, wohingegen
die Transkripte der -Amylasen 6,7 und 9 hochreguliert sind (siehe Anhang A11). In einer
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
156
Kombination aus Hitze und Trockenheit spielt BAM1 wieder eine Rolle, zusätzlich sind aber
noch weitere ß-Amylasen aktiv, die nicht unter alleinigem Trockenstress differentiell reguliert
waren. Die Tatsache impliziert, dass unterschiedliche Transkripte und Genprogramme in
unterschiedlichen Situationen angesteuert werden.
Interessanterweise wurde bereits 1969 spekuliert, dass bei Stressfaktoren möglicherweise
die Hydrolyse der Stärke und das Öffnen der Stomata verhindert wird (Milborrow, 1969). In
der Vergangenheit konnte BAM1 zwar in Blättern der Arabidopsis-Pflanzen exprimiert
gefunden werden (Smith et al., 2004), allerdings konnten in der Mutante für bam1 weder
Stärkeanreicherung noch erhöhte Maltosegehalte detektiert werden (Kaplan und Guy, 2005).
Erst die detaillierte Betrachtung der Stomata unter dem Mikroskop (Valerio et al., 2011)
sowie die Analyse der Transkripte im Rahmen der Arbeit ermöglichten es, eine
gewebespezifische Aktivität der -Amylase mit Stresstoleranz zu verknüpfen.
Zusammengefasst kann in den Analysen dieser Arbeit erstmalig ein verbessertes
Abschneiden von Stärkeabbaumutanten unter Trockenheit beobachtet werden, was der
Stärke eine bedeutende Rolle beim Schließen der Stomata unter langfristiger Stressadaption
verleiht. Unterstützt könnte der Prozess durch zahlreiche Transkripte, wie PPRs, Aquaporine
und Hormone sein. Da die -Amylase 1 über orthologe Proteine in Reis und Pappel verfügt
(Fulton et al., 2008), können die Befunde bezüglich BAM1 vermutlich auf Nutzpflanzen
übertragen werden. Unter Hitze und kombinierten Stressbedingungen scheinen sich die
Abwehrprogramme der Pflanze gegenüber dem Trockenstress, zumindest durch
alternierende Expressionsmuster der -Amylasen zu unterscheiden, so dass mit der
Charakterisierung der bam1-Mutante unter verschiedenen Umweltfaktoren ein
eindrucksvolles Beispiel für veränderte Abwehrantworten der Pflanzen unter
unterschiedlichen Stressbedingungen, die nicht aus den Einzelstresssituationen
prognostizierbar sind, gegeben ist.
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
157
4.3 T-DNA Insertionslinien in Reis offenbarten Stressinsensitivität
Salzkonzentrationen in hohen Mengen stellen auf agrarwirtschaftlich genutzten Flächen ein
großes Problem dar, da bereits milder Salzstress über einen kurzen Zeitraum die pflanzliche
Entwicklung negativ beeinflusst und somit jährlich zu hohen Ernteausfällen führt (Munns,
2002). Bereits 200mM Salzstress über einen kurzen Zeitraum von acht Tagen führte bei der
Reislinie Nipponbare unter den im Rahmen der Arbeit etablierten Anzucht- und
Stressbedingungen zu einem signifikanten Ertragsrückgang im Vergleich zu den
Kontrollbedingungen. Es zeigte sich sowohl ein Rückgang in der Frisch- wie auch der
Trockenmasse (siehe Tabelle 3.6). Unter diesen Bedingungen kann mehr von einer
Salzstressantwort als von einem osmotischen Schock gesprochen werden (Shavrukov,
2013). Als Resultat wird die Photosynthese negativ beeinflusst, was in Verlusten der
Energieproduktion und der Nährstoffverteilung sowie der Beeinträchtigung der Aktivität
verschiedener Enzyme resultiert. Als Konsequenz leiden Pflanzen nicht nur unter
hyperosmotischem Stress und Ionentoxizität, sondern oftmals auch an sekundärem
oxidativem Stress und einem Ungleichgewicht der Homöostase (Chinnusamy et al., 2005;
Chen und Polle, 2010). Transkriptdaten der Kontrolllinie 1 offenbarten unter Salzstress eine
massive Anzahl an differentiell regulierten Genen (>12000, siehe Abbildung 3.51), was im
Einklang mit anderen Studien steht, die von zahlreichen Genen in verschiedenen
Abwehrmechanismen und einer Komplexität an Mechanismen und Kombinationen berichten
(Tuteja, 2007; Roy et al., 2011). Eine Zuordnung der Transkriptdaten gemäß einer
funktionellen Kategorisierung nach MAPMAN offenbarte, dass jeweils über 20% aller
klassifizierten Gene der Kategorien Zellwand, sekundärer Metabolismus, Stress und
Transportprozesse unter erhöhten Salzstressbedingungen differentiell hochreguliert waren
(siehe Abbildung 3.52). Darunter fallen viele Gene, die bekannt dafür sind adaptiv gegenüber
Salzstress zu sein (Hasegawa et al., 2000). Beispielsweise müssen Pflanzen gegen den
osmotischen und ionischen Stress während der Salzapplikation, speziell im Wurzelbereich,
die Zellstruktur durch Reorganisation und Verstärkung der Membranen und
Zellwandkomponenten gewährleisten (Ghosh und Xu, 2014). Im Gegensatz dazu war eine
beträchtliche Anzahl an Genen der Photosynthese und des zentralen
Kohlenstoffmetabolismus stark herunterreguliert, wie auch in vorausgegangenen
Transkriptomanalysen in Arabidopsis festgestellt wurde (Seki et al., 2002a; Ma et al., 2006;
Matsui et al., 2008; Nishiyama et al., 2012).
Im Vordergrund der Arbeit stand die Erforschung pflanzlicher Reaktionen und
Toleranzmechanismen gegenüber Salzstress, die insbesondere für den Reisanbau in
Indonesien ertragsbegrenzend sind. Als Grundlage für die Erforschung molekularer
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
158
Mechanismen unter Salzstress dienten Mutanten der Reispflanzen Nipponbare, die im
Rahmen einer Kooperation mit einer indonesischen Arbeitsgruppe durch Mutagenese
generiert und in vitro auf Salz- bzw. Trockenstresstoleranz vorselektiert wurden. Eine
physiologische Charakterisierung der Insertionsmutanten unter kontrollierten
Anzuchtbedingungen bestätigte besonders die salztoleranten Linien 5 und 6 in ihrer
verbesserten Trocken- bzw. Salztoleranz (siehe Tabelle 3.6). Eine deutlich verringerte
Anzahl an Transkripten (siehe Abbildung 3.51) und eine verringerte Regulation der
funktionellen Kategorien Signalgebung und Stress weisen auf eine verringerte Sensitivität
der salztoleranten Linien 5 und 6 gegenüber den Kontrollpflanzen hin. In Gerste, Tomate und
Arabidopsis wurde Metabolitprofiling unter Salzstress durchgeführt (Johnson et al., 2003;
Kim et al., 2007; Widodo et al., 2009). Alle diese Studien verdeutlichen, dass es eine
Verbindung zwischen gestiegenen Osmolytmengen (Prolin, Gylcinbetaine und Zuckern), der
Induktion von metabolischen Stoffwechselwegen (Glykolyse, Zuckermetabolismus) und
Salztoleranz gibt. Möglicherweise tragen die erhöhten Glukose und Fruktose Werte indirekt
zu einer erhöhten Salztoleranz bei.
Um Stressinsensitivität zu erzielen, stehen Pflanzen verschiedene Mechanismen zur
Verfügung. Unter Salzstress wurde publiziert, dass der Gehalt an Ionen und Metaboliten in
einer vorhersagbaren und reproduzierbaren Weise in Abhängigkeit der Salzakkumulation in
Pflanzen erfolgt (Sanchez et al., 2008). Da die salztoleranten Linie 5 und 6 aber deutlich
weniger Biomasseverlust aufwiesen, könnte spekuliert werden, dass das verbesserte
Abschneiden durch einen erniedrigten Ionengehalt in den Blättern erzielt wird. Die Messung
der Ionenkonzentrationen in den Blättern der beiden Genotypen ergab beträchtliche
Akkumulationen an Natrium und Chloridionen in den Kontrollpflanzen und den Mutanten
unter erhöhten Salzstressbedingungen (siehe Abbildung 3.49). Allerdings zeigten Pflanzen
der Linie 6 reduzierte Natriummengen in den Blättern unter Salzstress im Vergleich zur
Kontrolllinie. Offensichtlich verfügen Pflanzen der Linie 6 über einen Mechanismus,
reduzierte Mengen an Natrium über das Wurzelsystem aufzunehmen oder den Transport der
Natriumionen von den Wurzeln in den Spross zu reduzieren. In diesem Zusammenhang
wurde dem Transporter HKT1 eine wichtige Rolle zugesprochen, der in Reispflanzen in der
Epidermis und Endodermis der Wurzeln exprimiert wird (Golldack et al., 2002) und mutiert in
Arabidopsis zu einer veränderten Natriumionenverteilung in Wurzeln und dem Spross führte
(Mäser et al., 2002). Diese Pflanzen waren zudem sensitiver gegenüber Salzstress.
Für die salztolerante Linie 5 kann allerdings ausgeschlossen werden, dass es eine reduzierte
Aufnahme in den Wurzeln oder einen verminderten Transport in den Spross gibt, da gleiche
Mengen Na+ und Cl- gefunden werden konnten (siehe Abbildung 3.49). Gelangt Natrium dort
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
159
in hohen Konzentrationen ins Zytosol kann es toxisch für viele zytosolische Enzyme sein.
Obwohl das Wurzelsystem eines der ersten Gewebe in Pflanzen ist, die Salzstress
ausgesetzt sind, betrifft die primäre Natriumtoxizität in Pflanzen vorzugsweise die Blätter und
nicht die Wurzeln (Munns, 2002). Dies ist darauf zurückzuführen, dass Natrium, das einmal
über den Transpirationsstrom in den Spross gelangt ist, in den Blättern akkumuliert, da die
Zirkulation zurück in die Wurzeln inhibiert wird (Munns und Tester, 2008). Zusätzlich kommt
es zu einem kompetitiven Transport von Natrium durch Kaliumkanäle (Blumwald, 2000).
Daher benötigen Pflanzen effiziente Schutzmechanismen. Ein erfolgreicher Mechanismus
stellt die Sequestrierung von Natrium in den Vakuolen durch Na+/H+-Antiporter in den
Tonoplasten dar, um die toxischen Effekte in der Zelle zu minimieren und den zytosolischen
pH unter Salzstress aufrechtzuhalten (Apse et al., 1999; James et al., 2006; Munns und
Tester, 2008). Kompartimentierung erlaubt es den Pflanzen zum einen mehr Natriumionen
zu tolerieren und gleichzeitig die Natriumkonzentration im Zytoplasma zu reduzieren. Eine
weitere Möglichkeit wäre Natrium aus den Blättern auszuscheiden, und so Toleranz zu
gewährleisten (Tester und Davenport, 2003; Moller und Tester, 2007; Munns und Tester,
2008; Smethurst et al., 2008). Allerdings wurde das in den hier durchgeführten Ergebnissen
nicht beobachtet. Ebenso wie Na+ ist auch Cl- für die Zellen toxisch (Teakle et al., 2007).
Mittlerweile wird spekuliert, ob nicht das Cl- für pflanzliche Zellen sogar schädlicher ist als
Na+ (Tavakkoli et al., 2011). In den verschiedenen Linien war auch eine Reduktion von
Sulfat, Nitrat und Fluorid festzustellen (siehe Abbildung 3.50). Möglicherweise liegt eine
veränderte Homöostase vor, da diese Anionen durch erhöhte Cl--Mengen verdrängt wurden.
Die durch Sequestrierung erzielten hohen Na+-Konzentrationen in der Vakuole erfordern ein
Ausgleichen des zytosolischen osmotischen Potentials durch die Produktion von Osmolyten
(Parida und Das, 2005). Osmolyte akkumulieren als Antwort auf osmotischen Stress, dort
helfen sie den Turgordruck und damit den Gradienten für Wasseraufnahme
aufrechtzuerhalten (Wang et al., 2003). Im Rahmen der vorliegenden Analysen konnten für
die Kontrolllinien erhöhte Werte für die Aminosäure Prolin, aber auch für andere
Aminosäuren gefunden werden (siehe Abbildung 3.48). Die salztolerante Linien 5 und
insbesondere die salztolerante Linie 6 zeigten deutlich erniedrigte Werte, was für die bereits
angesprochene Insensitivität gegenüber Salzstress sprechen könnte oder gemäß einer
Studie von Jha et al. (2010) sich um andere Mechanismen der Toleranz handeln könnte. Die
Autoren untersuchten einigen Ökotypen von Arabidopsis, und fanden keine Salztoleranz in
Abhängigkeit der akkumulierenden Metabolite.
Insgesamt könnte über die verbesserte Toleranz der Linien 5 und 6 viel spekuliert werden,
da Antworten auf Salzstress ein Zusammenspiel von Ionentransportkanälen und sekundären
Diskussion ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ ___________________________________________________
160
Signalmolekülen ist, um ausgeglichene Ionenhomöostase, angepassten
Hormonmetabolismus, Signaltransduktionswege und adäquate Stressantworten zu
gewährleisten (Deinlein et al., 2014). Letztendlich werden aber die Orte der T-DNA
Insertionen benötigt, um ein umfassendes Bild zu erhalten.
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
161
Literaturverzeichnis
Abbasi AR, Saur A, Hennig P, Tschiersch H, Hajirezaei M, Hofius D, Sonnewald U, Voll LM (2009) Tocopherol deficiency in transgenic tobacco (Nicotiana tabacum L.) plants leads to accelerated senescence. Plant Cell Environ 32: 144-157
Abramovitch RB, Anderson JC, Martin GB (2006) Bacterial elicitation and evasion of plant innate immunity. Nat Rev Mol Cell Biol 7: 601-611
Abramovitch RB, Martin GB (2004) Strategies used by bacterial pathogens to suppress plant defenses. Curr Opin Plant Biol 7: 356-364
Achuo EA, Prinsen E, Höfte M (2006) Influence of drought, salt stress and abscisic acid on the resistance of tomato to Botrytis cinerea and Oidium neolycopersici. Plant Pathol 55: 178–186
Adam L, Ellwood S, Wilson I, Saenz G, Xiao S, Oliver RP, Turner JG, Somerville S (1999) Comparison of Erysiphe cichoracearum and E. cruciferarum and a survey of 360 Arabidopsis thaliana accessions for resistance to these two powdery mildew pathogens. Mol Plant Microbe Interact 12: 1031-1043
Agarwal PK, Jha B Transcription factors in plants and ABA dependent and independent abiotic stress signalling. Biol Plant 2010, 54: 201-212
Aharon R, Shahak Y, Wininger S, Bendov R, Kapulnik Y, Galili, G (2003) Overexpression of a plasma membrane aquaporin in transgenic tobacco improves plant vigor under favorable growth conditions but not under drought or salt stress. Plant Cell 15: 439–447
Ahlquist P, Noueiry AO, Lee WM, Kushner DB, Dye BT (2003) Host factors in positive-strand RNA virus genome replication. J Virol 77: 8181-8186
Alabadi D, Oyama T, Yanovsky MJ, Harmon FG, Mas P, Kay SA (2001) Reciprocal regulation between TOC1 and LHY/CCA1 within the Arabidopsis circadian clock. Science 293: 880-883
Alexandersson E, Fraysse L, Sjovall-Larsen S, Gustavsson S, Fellert M, Karlsson M, Johanson U, Kjellbom P (2005) Whole gene family expression and drought stress regulation of aquaporins. Plant Mol Biol 59: 469-484
Alfano JR, Collmer A (2004) Type III secretion system effector proteins: double agents in bacterial disease and plant defense. Annu Rev Phytopathol 42: 385-414
Ali MA, Abbas A, Kreil DP, Bohlmann H (2013) Overexpression of the transcription factor RAP2.6 leads to enhanced callose deposition in syncytia and enhanced resistance against the beet cyst nematode Heterodera schachtii in Arabidopsis roots. BMC Plant Biol 13: 47
Alonso-Blanco C, Koornneef M (2000) Naturally occurring variation in Arabidopsis: an underexploited resource for plant genetics. Trends Plant Sci 5: 22-29
Alonso JM, Stepanova AN (2003) T-DNA mutagenesis in Arabidopsis. Methods Mol Biol 236: 177-188
Amtmann A, Troufflard S, Armengaud P (2008) The effect of potassium nutrition on pest and disease resistance in plants. Physiol Plant 133: 682-691
Anderson JP, Badruzsaufari E, Schenk PM, Manners JM, Desmond OJ, Ehlert C, Maclean DJ, Ebert PR, Kazan K (2004) Antagonistic interaction between abscisic acid and jasmonate-ethylene signaling pathways modulates defense gene expression and disease resistance in Arabidopsis. Plant Cell 16: 3460-3479
Aparicio F, Thomas CL, Lederer C, Niu Y, Wang D, Maule AJ (2005) Virus induction of heat shock protein 70 reflects a general response to protein accumulation in the plant cytosol. Plant Physiol 138: 529-536
Apse MP, Aharon GS, Snedden WA, Blumwald E (1999) Salt tolerance conferred by overexpression of a vacuolar Na+/H+ antiport in Arabidopsis. Science 285: 1256-1258
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
162
Aranda MA, Escaler M, Wang D, Maule AJ (1996) Induction of HSP70 and polyubiquitin expression associated with plant virus replication. Proc Natl Acad Sci USA 93: 15289-15293
Asai T, Tena G, Plotnikova J, Willmann MR, Chiu WL, Gomez-Gomez L, Boller T, Ausubel FM, Sheen J (2002) MAP kinase signalling cascade in Arabidopsis innate immunity. Nature 415: 977-983
Ashraf M, Foolad MR (2007) Roles of glycine and proline in improving plant abiotic stress resistance. Environ Exp Bot 59: 206–216
Ashraf M, Harris PJC (2013) Photosynthesis under stressful environments: An overview. Photosynthetica 51: 163-190
Asselbergh B, Achuo AE, Hofte M, Van Gijsegem F (2008) Abscisic acid deficiency leads to rapid activation of tomato defence responses upon infection with Erwinia chrysanthemi. Mol Plant Pathol 9: 11-24
Asselbergh B, De Vleesschauwer D, Hofte M (2008) Global switches and fine-tuning-ABA modulates plant pathogen defense. Mol Plant Microbe Interact 21: 709-719
Atkinson NJ, Lilley CJ, Urwin PE (2013) Identification of genes involved in the response of Arabidopsis to simultaneous biotic and abiotic stresses. Plant Physiol 162: 2028-2041
Atkinson NJ, Urwin PE (2012) The interaction of plant biotic and abiotic stresses: from genes to the field. J Exp Bot 63: 3523-3543
Audebert A, Coyne DL, Dingkuhn M, Plowright RA (2000) The influence of cyst nematodes (Heterodera sacchari) and drought on water relations and growth of upland rice in Cote d’Ivoire. Plant Soil 220: 235–242
Baena-Gonzalez E, Rolland F, Thevelein JM, Sheen J (2007) A central integrator of transcription networks in plant stress and energy signalling. Nature 448: 938-942
Baerenfaller K, Massonnet C, Walsh S, Baginsky S, Buhlmann P, Hennig L, Hirsch-Hoffmann M, Howell KA, Kahlau S, Radziejwoski A, Russenberger D, Rutishauser D, Small I, Stekhoven D, Sulpice R, Svozil J, Wuyts N, Stitt M, Hilson P, Granier C, Gruissem W (2012) Systems-based analysis of Arabidopsis leaf growth reveals adaptation to water deficit. Mol Syst Biol 8: 606
Balasubramanian S, Sureshkumar S, Lempe J, Weigel D (2006) Potent induction of Arabidopsis thaliana flowering by elevated growth temperature. PLoS Gen 2: 106
Barah P, Jayavelu ND, Mundy J, Bones AM (2013a) Genome scale transcriptional response diversity among ten ecotypes of Arabidopsis thaliana during heat stress. Front Plant Sci 4: 532
Barah P, Jayavelu ND, Rasmussen S, Nielsen HB, Mundy J, Bones AM (2013b) Genome-scale cold stress response regulatory networks in ten Arabidopsis thaliana ecotypes. BMC Genomics 14: 722
Barnabas B, Jager K, Feher A (2008) The effect of drought and heat stress on reproductive processes in cereals. Plant Cell Environ 31: 11-38
Barriopedro D, Fischer EM, Luterbacher J, Trigo RM, Garcia-Herrera R (2011) The hot summer of 2010: redrawing the temperature record map of Europe. Science 332: 220-224
Bartetzko V, Sonnewald S, Vogel F, Hartner K, Stadler R, Hammes UZ, Bornke F (2009) The Xanthomonas campestris pv. vesicatoria type III effector protein XopJ inhibits protein secretion: evidence for interference with cell wall-associated defense responses. Mol Plant Microbe Interact 22: 655-664
Barzana G, Aroca R, Paz JA, Chaumont F, Martinez-Ballesta MC, Carvajal M, Ruiz-Lozano JM (2012) Arbuscular mycorrhizal symbiosis increases relative apoplastic water flow in roots of the host plant under both well-watered and drought stress conditions. Ann Bot 109: 1009-1017
Bauer H, Ache P, Lautner S, Fromm J, Hartung W, Al-Rasheid KA, Sonnewald S, Sonnewald U, Kneitz S, Lachmann N, Mendel RR, Bittner F, Hetherington AM, Hedrich R (2013) The stomatal response to reduced relative humidity requires guard cell-autonomous ABA synthesis. Curr Biol 23: 53-57
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
163
Beattie GA (2011) Water relations in the interaction of foliar bacterial pathogens with plants. Annu Rev Phytopathol 49: 533-555
Bechtold U, Albihlal WS, Lawson T, Fryer MJ, Sparrow PA, Richard F, Persad R, Bowden L, Hickman R, Martin C, Beynon JL, Buchanan-Wollaston V, Baker NR, Morison JI, Schoffl F, Ott S, Mullineaux PM (2013) Arabidopsis HEAT SHOCK TRANSCRIPTION FACTORA1b overexpression enhances water productivity, resistance to drought, and infection. J Exp Bot 64: 3467-3481
Bechtold U, Lawson T, Mejia-Carranza J, Meyer RC, Brown IR, Altmann T, Ton J, Mullineaux PM (2010) Constitutive salicylic acid defences do not compromise seed yield, drought tolerance and water productivity in the Arabidopsis accession C24. Plant Cell Environ 33: 1959-1973
Belkhadir Y, Subramaniam R, Dangl JL (2004) Plant disease resistance protein signaling: NBS-LRR proteins and their partners. Curr Opin Plant Biol 7: 391-399
Bendahmane A, Kanyuka K, und Baulcombe D C (1999) The Rx gene from potato controls separate virus resistance and cell death responses. Plant Cell 11: 781-792
Benjamini YH, Y (1995) Controlling the false discovery rate - A practical and powerful approach to multiple testing. J Royal Statistical Society Series B-Methodol 57: 289–300
Bergmann DC, Sack FD (2007) Stomatal development. Annu Rev Plant Biol 58: 163-181 Bhatnagar-Mathur P, Vadez V, Sharma KK (2008) Transgenic approaches for abiotic
stress tolerance in plants: retrospect and prospects. Plant Cell Rep 27: 411-424 Bieniawska Z, Espinoza C, Schlereth A, Sulpice R, Hincha DK, Hannah MA (2008)
Disruption of the Arabidopsis circadian clock is responsible for extensive variation in the cold-responsive transcriptome. Plant Physiol 147: 263-279
Bita CE, Gerats T (2013) Plant tolerance to high temperature in a changing environment: scientific fundamentals and production of heat stress-tolerant crops. Front Plant Sci 4: 273
Blatt MR (2014) Focus on Water. Plant Physiol Biochem 164: 1553-1555 Blumwald E (2000) Sodium transport and salt tolerance in plants. Curr Opin Cell Biol 12:
431-434 Borevitz JO, Nordborg M (2003) The impact of genomics on the study of natural variation in
Arabidopsis. Plant Physiol 132: 718-725 Borhan MH, Holub EB, Beynon JL, Rozwadowski K, Rimmer SR (2004) The arabidopsis
TIR-NB-LRR gene RAC1 confers resistance to Albugo candida (white rust) and is dependent on EDS1 but not PAD4. Mol Plant Microbe Interact 17: 711-719
Boudsocq M, Willmann MR, McCormack M, Lee H, Shan L, He P, Bush J, Cheng SH, Sheen J (2010) Differential innate immune signalling via Ca2+ sensor protein kinases. Nature 464: 418-422
Bradford MM (1976) A rapid and sensitive method for the quantitation of microgram quantities of protein utilizing the principle of protein-dye binding. Anal Biochem 72: 248-254
Bricchi I, Bertea CM, Occhipinti A, Paponov IA, Maffei ME (2012) Dynamics of membrane potential variation and gene expression induced by Spodoptera littoralis, Myzus persicae, and Pseudomonas syringae in Arabidopsis. PLoS One 7: e46673
Bullock WO, Fernandez JM, Short JM (1987) XL1-Blue: A high efficiency plasmid transforming recA Escherichia coli strain with beta-galactosidase selection. Biotechniques 5.4: 376-379
Burgyan J, Havelda Z (2011) Viral suppressors of RNA silencing. Trends Plant Sci 16: 265-272
Caldana C, Degenkolbe T, Cuadros-Inostroza A, Klie S, Sulpice R, Leisse A, Steinhauser D, Fernie AR, Willmitzer L, Hannah MA (2011) High-density kinetic analysis of the metabolomic and transcriptomic response of Arabidopsis to eight environmental conditions. Plant J 67: 869-884
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
164
Carr J P, Lewsey MG, Palukaitis P (2010) Signaling in induced resistance. Adv Virus Res 76: 57–121
Carr T, Whitham SA (2007) An emerging model system: Arabidopsis as a viral host plant. Plant Cell Monogr 2: 159-183
Carrington JC, Kasschau KD, Mahajan SK, Schaad MC (1996) Cell-to-cell and long-distance transport of viruses in plants. Plant Cell 8: 1669-1681
Casson SA, Franklin KA, Gray JE, Grierson CS, Whitelam GC, Hetherington AM (2009) Phytochrome B and PIF4 regulate stomatal development in response to light quantity. Curr Biol 19: 229-234
Chaves MM, Flexas J, Pinheiro C (2009) Photosynthesis under drought and salt stress: regulation mechanisms from whole plant to cell. Ann Bot 103: 551-560
Chaves MM, Maroco JP, Pereira JS (2003) Understanding plant responses to drought – from genes to the whole plant. Functional Plant Biology 30: 239–264
Che P, Bussell JD, Zhou W, Estavillo GM, Pogson BJ, Smith SM (2010) Signaling from the endoplasmic reticulum activates brassinosteroid signaling and promotes acclimation to stress in Arabidopsis. Sci Signal 3: ra69
Chen S, Polle A (2010) Salinity tolerance of Populus. Plant Biol (Stuttg) 12: 317-333 Chew YH, Halliday KJ (2011) A stress-free walk from Arabidopsis to crops. Curr Opin
Biotechnol 22: 281-286 Chinchilla D, Zipfel C, Robatzek S, Kemmerling B, Nurnberger T, Jones JD, Felix G,
Boller T (2007) A flagellin-induced complex of the receptor FLS2 and BAK1 initiates plant defence. Nature 448: 497–500
Chinnusamy V, Jagendorf A, Zhu JK (2005) Understanding and improving salt tolerance in plants. Crop Sci 45: 437–448
Chisholm ST, Coaker G, Day B, Staskawicz BJ (2006) Host-microbe interactions: shaping the evolution of the plant immune response. Cell 124: 803-814
Clough SJ, Bent AF (1998) Floral dip: a simplified method for Agrobacterium-mediated transformation of Arabidopsis thaliana. Plant J 16: 735-743
Ciais Ph, Reichstein M, Vivoy N, Granier A, Ogee J, Allard V, Aubinet M, Buchmann N, Bernhofer C, Carrara A, Chevallier1 F, Noblet De, Friend AD, Friedlingstein P, Grünwald T, Heinesch B, Keronen P, Knohl A, Krinner G, Loustau D, Manca G, Matteucci G, Miglietta F, Ourcival JM, Papale D, Pilegaard K, Rambal S, Seufert G, Soussana JF, Sanz MJ, Schulze ED, Vesala T, Valentini R (2005) Europe-wide reduction in primary productivity caused by the heat and drought in 2003. Nature 437: 529–533.
Cohen SA, Michaud DP (1993) Synthesis of a fluorescent derivatizing reagent, 6-AMINOQUINOLYL-N-HYDROXYSUCCINIMIDYL CARBAMATE, and its application for the analysis of hydrolysate amino acids via high-performance liquid chromatography. Anal Biochem 211: 279-287
Covington MF, Maloof JN, Straume M, Kay SA, und Harmer, SL (2008) Global transcriptome analysis reveals circadian regulation of key pathways in plant growth and development. Genome Biol 9: R130
Cook GD, Dixon JR, Leopold AC (1964) Transpiration: its effects on plant leaf temperature. Science 144: 546–547
Cosson P, Sofer L, Le QH, Leger V, Schurdi-Levraud V, Whitham SA, Yamamoto ML, Gopalan S, Le Gall O, Candresse T, Carrington JC und Revers F (2010) RTM3, which controls long-distance movement of potyviruses, is a member of a new plant gene family encoding a meprin and TRAF homology domain-containing protein. Plant Physiol 154: 222–232
Cotton S, Grangeon R, Thivierge K, Mathieu I, Ide C, Wei T, Wang A, Laliberté JF (2009). Turnip mosaic virus RNA replication complex vesicles are mobile, align with microfilaments, and are each derived from a single viral genome. J Virol 83: 10460 – 10471
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
165
Crafts-Brandner SJ, Salvucci ME (2002) Sensitivity of photosynthesis in a C4 plant, maize, to heat stress. Plant Physiol 129: 1773-1780
Cramer GR, Urano K, Delrot S, Pezzotti M, Shinozaki K (2011) Effects of abiotic stress on plants: a systems biology perspective. BMC Plant Biol 11: 163
Csorba T, Pantaleo V, Burgyan J (2009) RNA silencing: an antiviral mechanism. Adv Virus Res 75: 35-71
Cunnac S, Lindeberg M, Collmer A (2009) Pseudomonas syringae type III secretion system effectors: repertoires in search of functions. Curr Opin Microbiol 12: 53-60
Dangl JL, Jones JD (2001) Plant pathogens and integrated defence responses to infection. Nature 411: 826-833
Daszkowska-Golec A, Szarejko I (2013) Open or close the gate - stomata action under the control of phytohormones in drought stress conditions. Front Plant Sci 4: 138
Dawson WO, Garnsey SM, Tatineni S, Folimonova SY, Harper SJ, Gowda S (2013) Citrus tristeza virus-host interactions. Front Microbiol 4: 88
Day B, Henty JL, Porter KJ, Staiger CJ (2011) The pathogen-actin connection: a platform for defense signaling in plants. Annu Rev Phytopathol 49: 483-506
de Lucas M, Daviere JM, Rodriguez-Falcon M, Pontin M, Iglesias-Pedraz JM, Lorrain S, Fankhauser C, Blazquez MA, Titarenko E, und Prat S (2008) A molecular framework for light and gibberellin control of cell elongation. Nature 451: 480–484
De Vos M, Van Oosten VR, Van Poecke RM, Van Pelt JA, Pozo MJ, Mueller MJ, Buchala AJ, Metraux JP, Van Loon LC, Dicke M, Pieterse CM (2005) Signal signature and transcriptome changes of Arabidopsis during pathogen and insect attack. Mol Plant Microbe Interact 18: 923-937
Deinlein U, Stephan AB, Horie T, Luo W, Xu G, Schroeder JI (2014) Plant salt-tolerance mechanisms. 19: 371–379
Deng Y, Humbert S, Liu JX, Srivastava R, Rothstein SJ, Howell SH (2011) Heat induces the splicing by IRE1 of a mRNA encoding a transcription factor involved in the unfolded protein response in Arabidopsis. Proc Natl Acad Sci USA 108: 7247-7252
Deslandes L, Olivier J, Peeters N, Feng DX, Khounlotham M, Boucher C, Somssich I, Genin S, Marco Y (2003) Physical interaction between RRS1-R, a protein conferring resistance to bacterial wilt, and PopP2, a type III effector targeted to the plant nucleus. Proc Natl Acad Sci USA 100: 8024-8029
Dijikstra J, Bruin GCA, Burgers AC (1977) Systemic infection of some N-gene carrying Nicotiana species and cultivars after inoculation with tobacco mosaic virus. Neth J Plant Pathol 83: 41–59
Dinesh-Kumar SP, Tham WH, Baker BJ (2000) Structure-function analysis of the tobacco mosaic virus resistance gene N. Proc Natl Acad Sci USA 97: 14789-14794
Ding S-W, Voinnet O (2007) Antiviral immunity directed by small RNAs. Cell 130: 413–426 Dodd AN, Salathia N, Hall A, Kevei E, Toth R, Nagy F, Hibberd JM, Millar AJ und Webb
AA (2005) Plant circadian clocks increase photosynthesis, growth, survival, and competitive advantage. Science 309: 630–633
Dong CJ, Liu JY (2010) The Arabidopsis EAR-motif-containing protein RAP2.1 functions as an active transcriptional repressor to keep stress responses under tight control. BMC Plant Biol 10: 47
Dong X (2004) NPR1, all things considered. Curr Opin Plant Biol 7: 547-552 Dropkin VH (1969) Necrotic reaction of tomatoes and other hosts resistant to Meloidogyne:
reversal by temperature. Phytopathol 59: 1632–1637 Dunoyer P, Schott G, Himber C, Meyer D, Takeda A, Carrington JC, Voinnet O (2010)
Small RNA duplexes function as mobile silencing signals between plant cells. Science 328: 912-916
Edner C, Li J, Albrecht T, Mahlow S, Hejazi M, Hussain H, Kaplan F, Guy C, Smith SM, Steup M, Ritte G (2007) Glucan, water dikinase activity stimulates breakdown of starch granules by plastidial beta-amylases. Plant Physiol 145: 17-28
Ellis RJ (1990) The molecular chaperone concept. Seminars in Cell Biology 1: 1–9
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
166
Elmore JM, Lin ZJ, Coaker G (2011) Plant NB-LRR signaling: upstreams and downstreams. Curr Opin Plant Biol 14: 365-371
Erickson F L, Holzberg S, Calderon-Urrea A, Handley V, Axtell M, Corr C, und Baker B (1999) The helicase domain of the TMV replicase proteins induces the N-mediated defence response in tobacco. Plant J 18: 67-75
Eulgem T (2005) Regulation of the Arabidopsis defense transcriptome. Trends Plant Sci 10: 71-78
Felix G, Duran JD, Volko S, Boller T (1999) Plants have a sensitive perception system for the most conserved domain of bacterial flagellin. Plant J 18: 265-276
Finka A, Cuendet AF, Maathuis FJ, Saidi Y, Goloubinoff P (2012) Plasma membrane cyclic nucleotide gated calcium channels control land plant thermal sensing and acquired thermotolerance. Plant Cell 24: 3333-3348
Flor HH (1971) Current status of gene-for-gene concept. Annu Rev Phytopathol 9: 275-296 Foreman J, Johansson H, Hornitschek P, Josse EM, Fankhauser C, Halliday KJ (2011)
Light receptor action is critical for maintaining plant biomass at warm ambient temperatures. Plant J 65: 441-452
Franklin KA, Lee SH, Patel D, Kumar SV, Spartz AK, Gu C, Ye S, Yu P, Breen G, Cohen, JD, Wigge PA, und Gray WM (2011) Phytochrome-interacting factor 4 (PIF4) regulates auxin biosynthesis at high temperature. Proc Natl Acad Sci USA 108: 20231–20235
Freeman BC, Beattie GA (2009) Bacterial growth restriction during host resistance to Pseudomonas syringae is associated with leaf water loss and localized cessation of vascular activity in Arabidopsis thaliana. Mol Plant-Microbe Interact 22: 857–67
Fricke W, Peters WS (2002) The biophysics of leaf growth in salt-stressed barley. A study at the cell level. Plant Physiol 129: 374-388
Fu QA, Ehleringer JR (1989) Heliotropic leaf movements in common bean controlled by air temperature. Plant Physiol 91: 1162-1167
Fu ZQ, Dong X (2013) Systemic acquired resistance: turning local infection into global defense. Annu Rev Plant Biol 64: 839-863
Fujita Y, Fujita M, Satoh R, Maruyama K, Parvez MM, Seki M, Hiratsu K, Ohme-Takagi M, Shinozaki K, Yamaguchi-Shinozaki K (2005) AREB1 is a transcription activator of novel ABRE-dependent ABA signaling that enhances drought stress tolerance in Arabidopsis. Plant Cell 17: 3470-3488
Fulton DC, Stettler M, Mettler T, Vaughan CK, Li J, Francisco P, Gil M, Reinhold H, Eicke S, Messerli G, Dorken G, Halliday K, Smith AM, Smith SM, Zeeman SC (2008) Beta-AMYLASE4, a noncatalytic protein required for starch breakdown, acts upstream of three active beta-amylases in Arabidopsis chloroplasts. Plant Cell 20: 1040-1058
Gadjev I, Vanderauwera S, Gechev TS, Laloi C, Minkov IN, Shulaev V, Apel K, Inze D, Mittler R, Van Breusegem F (2006) Transcriptomic footprints disclose specificity of reactive oxygen species signaling in Arabidopsis. Plant Physiol 141: 436-445
Gallois JL, Charron C, Sánchez F, Pagny G, Houvenaghel MC, Moretti A, Ponz F, Revers F, Caranta C, German-Retana S (2010) Single amino acid changes in the turnip mosaic virus viral genome-linked protein (VPg) confer virulence towards Arabidopsis thaliana mutants knocked out for eukaryotic initiation factors eIF(iso)4E and eIF(iso)4G. J Gen Virol 91: 288 – 293
Gao, H, Brandizzi, F, Benning, C, and Larkin, RM (2008) A membrane-tethered transcription factor defines a branch of the heat stress response in Arabidopsis thaliana. Proc Natl Acad Sci USA 105: 16398–16403
Garcia-Ruiz H, Takeda A, Chapman EJ, Sullivan CM, Fahlgren N, Brempelis KJ, Carrington JC (2010) Arabidopsis RNA-dependent RNA polymerases and dicer-like proteins in antiviral defense and small interfering RNA biogenesis during Turnip Mosaic Virus infection Plant Cell 22: 481 – 496
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
167
Garrett KA, Dendy SP, Frank EE, Rouse MN, Travers SE (2006) Climate change effects on plant disease: genomes to ecosystems. Annu Rev Phytopathol 44: 489-509
Ghosh D, Xu J (2014) Abiotic stress responses in plant roots: a proteomics perspective. Front Plant Sci 5: 10
Gibon Y, Usadel B, Blaesing OE, Kamlage B, Hoehne M, Trethewey R, Stitt M (2006) Integration of metabolite with transcript and enzyme activity profiling during diurnal cycles in Arabidopsis rosettes. Genome Biol 7: R76
Gilbertson RL, Lucas WJ (1996) How do viruses traffick on the 'vascular highway'? Trends Plant Sci 1: 260-268
Gilliland A (2003) Genetic modification of alternative respiration has differential effects on antimycin A-Induced versus salicylic acid-induced resistance to Tobacco mosaic virus. Plant Physiol 132: 1518-1528
Glazebrook J (2005) Contrasting mechanisms of defense against biotrophic and necrotrophic pathogens. Annu Rev Phytopathol 43: 205-227
Godoy M, Franco-Zorrilla JM, Perez-Perez J, Oliveros JC, Lorenzo O und Solano R (2011) Improved protein-binding microarrays for the identification of DNA-binding specificities of transcription factors. Plant J 66: 700–711
Goel AK, Lundberg D, Torres MA, Matthews R, Akimoto-Tomiyama C, Farmer L, Dangl JL, Grant SR (2008) The Pseudomonas syringae type III effector HopAM1 enhances virulence on water-stressed plants. Mol Plant Microbe Interact 21: 361-370
Golldack D, Luking I, Yang O (2011) Plant tolerance to drought and salinity: stress regulating transcription factors and their functional significance in the cellular transcriptional network. Plant Cell Rep 30: 1383-1391
Golldack D, Su H, Quigley F, Kamasani UR, Munoz-Garay C, Balderas E, Popova OV, Bennett J, Bohnert HJ, Pantoja O (2002) Characterization of a HKT-type transporter in rice as a general alkali cation transporter. Plant J 31: 529-542
Gorovits R, Moshe A, Ghanim M, Czosnek H (2013) Recruitment of the host plant heat shock protein 70 by Tomato yellow leaf curl virus coat protein is required for virus infection. PLoS One 8: e70280
Goujon T, Minic Z, El Amrani A, Lerouxel O, Aletti E, Lapierre C, Joseleau JP, Jouanin L (2003) AtBXL1, a novel higher plant (Arabidopsis thaliana) putative beta-xylosidase gene, is involved in secondary cell wall metabolism and plant development. Plant J 33: 677-690
Gould PD, Locke JC, Larue C, Southern MM, Davis SJ, Hanano S, Moyle R, Milich R, Putterill J, Millar AJ, Hall A (2006) The molecular basis of temperature compensation in the Arabidopsis circadian clock. Plant Cell 18: 1177-1187
Gray WM, Östin A, Sandberg G, Romano CP und Estelle M (1998) High temperature promotes auxin-mediated hypocotyl elongation in Arabidopsis. Proc Natl Acad Sci USA 95: 7197-7202
Gregorio GB, Senadhira D, Mendoza RD (1997) Screening rice for salinity tolerance. IRRI Discussion Paper Series 22: 1-30
Grigorova B, Vaseva I, Demirevska K, Feller U (2011) Combined drought and heat stress in wheat: changes in some heat shock proteins. Biologia Plantarum 55: 105-111
Guy C, Kaplan F, Kopka J, Selbig J, Hincha DK (2008) Metabolomics of temperature stress. Physiol Plant 132: 220-235
Haas G, Azevedo J, Moissiard G, Geldreich A, Himber C, Bureau M, Fukuhara T, Keller, M, Voinnet, O (2008) Nuclear import of CaMV P6 is required for infection and suppression of the RNA silencing factor DRB4. EMBO J 27: 2102–2112
Hafren A, Hofius D, Ronnholm G, Sonnewald U, Makinen K (2010) HSP70 and its cochaperone CPIP promote potyvirus infection in Nicotiana benthamiana by regulating viral coat protein functions. Plant Cell 22: 523-535
Hand SC, Menze MA, Toner M, Boswell L, Moore D (2011) LEA proteins during water stress: not just for plants anymore. Annu Rev Physiol 73: 115-134
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
168
Hanson AD, Hitz WD (1982) Metabolic responses of mesophytes to plant water deficits. Annu Rev Plant Physiol Plant Mol 33: 163-203
Harb A, Krishnan A, Ambavaram MM, Pereira A (2010) Molecular and physiological analysis of drought stress in Arabidopsis reveals early responses leading to acclimation in plant growth. Plant Physiol 154: 1254-1271
Hare PD, Cress WA (1998) Metabolic implications of stress-induced proline accumulation in plants. Plant Growth Regul 21: 79–102
Hasegawa PM, Bressan RA, Zhu JK, Bohnert HJ (2000) Plant cellular and molecular responses to high salinity. Annu Rev Plant Physiol Plant Mol Biol 51: 463-499
Hayat S, Hayat Q, Alyemeni MN, Wani AS, Pichtel J, Ahmad A (2012) Role of proline under changing environments: a review. Plant Signal Behav 7: 1456-1466
Herbers K, Meuwly P, Frommer WB, Metraux JP, Sonnewald U (1996) Systemic acquired resistance mediated by the ectopic expression of invertase: possible hexose sensing in the secretory pathway. Plant Cell 8: 793-803
Herbers K, Takahata Y, Melzer M, Mock HP, Hajirezaei M, Sonnewald U (2000) Regulation of carbohydrate partitioning during the interaction of potato virus Y with tobacco. Mol Plant Pathol 1: 51-59
Hewezi T, Leger M, Gentzbittel L (2008) A comprehensive analysis of the combined effects of high light and high temperature stresses on gene expression in sunflower. Ann Bot 102: 127-140
Hirayama T, Shinozaki K (2010) Research on plant abiotic stress responses in the post-genome era: past, present and future. Plant J 61: 1041-1052
Höfgen R, Willmitzer L (1988) Storage of competent cells for Agrobacterium transformation. Nucleic Acids Res 16: 9877
Hofius D, Maier AT, Dietrich C, Jungkunz I, Bornke F, Maiss E, Sonnewald U (2007) Capsid protein-mediated recruitment of host DnaJ-like proteins is required for Potato virus Y infection in tobacco plants. J Virol 81: 11870-11880
Holmes FO (1937) Inheritance of resistance to tobacco mosaic disease in the pepper. Phytopathol 27: 637–642
Hong JK, Choi HW, Hwang IS, Kim DS, Kim NH, Choi DS, Kim YJ, Hwang BK (2008) Function of a novel GDSL-type pepper lipase gene, CaGLIP1, in disease susceptibility and abiotic stress tolerance. Planta 227: 539-558
Horst RJ, Doehlemann G, Wahl R, Hofmann J, Schmiedl A, Kahmann R, Kamper J, Sonnewald U, Voll LM (2010) Ustilago maydis infection strongly alters organic nitrogen allocation in maize and stimulates productivity of systemic source leaves. Plant Physiol 152: 293-308
Howell SH (2013) Endoplasmic reticulum stress responses in plants. Annu Rev Plant Biol 64: 477-499
Hsaio TC (1973) Plant responses to water stress. Ann Rev Plant Physiol 24: 519–570 Huang D, Wu W, Abrams SR, Cutler AJ (2008) The relationship of drought-related gene
expression in Arabidopsis thaliana to hormonal and environmental factors. J Exp Bot 59: 2991-3007
Huang Z, Yeakley JM, Garcia EW, Holdridge JD, Fan JB, Whitham SA (2005) Salicylic acid-dependent expression of host genes in compatible Arabidopsis-virus interactions. Plant Physiol 137: 1147-1159
Hubert DA, Tornero P, Belkhadir Y, Krishna P, Takahashi A, Shirasu K, Dangl JL (2003) Cytosolic HSP90 associates with and modulates the Arabidopsis RPM1 disease resistance protein. EMBO J 22: 5679-5689
Hummel I, Pantin F, Sulpice R, Piques M, Rolland G, Dauzat M, Christophe A, Pervent M, Bouteille M, Stitt M, Gibon Y, Muller B (2010) Arabidopsis plants acclimate to water deficit at low cost through changes of carbon usage: an integrated perspective using growth, metabolite, enzyme, and gene expression analysis. Plant Physiol 154: 357-372
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
169
Huq E, Quail, PH (2002) PIF4, a phytochrome-interacting bHLH factor, functions as a negative regulator of phytochrome B signaling in Arabidopsis. EMBO J 21: 2441–2450
IPCC (2013) Summary for policymakers. In: Climate Change 2013: The physical science basis. Contribution of working group I to the gifth assessment report of the intergovernmental panel on climate change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
IRGSP (2005) The map-based sequence of the rice genome. Nature Communications 436: 793–800
Ismail AM, Heuer S, Thomson MJ, Wissuwa M (2007) Genetic and genomic approaches to develop rice germplasm for problem soils. Plant Mol Biol 65: 547-570
Ivanov KI, Eskelin K, Lohmus A, Makinen K (2014) Molecular and cellular mechanisms underlying potyvirus infection. J Gen Virol 95: 1415-1429
Iwata Y, Fedoroff NV, Koizumi N (2008) Arabidopsis bZIP60 is a proteolysis-activated transcription factor involved in the endoplasmic reticulum stress response. Plant Cell Online 20: 3107-3121
Iwata Y, Nishino T, Takayama S, Koizumi N (2010) Characterization of a plant-specific gene induced by endoplasmic reticulum stress in Arabidopsis thaliana. Biosci Biotechnol Biochem 74: 2087-2091
Izawa T, Shimamoto K (1996) Becoming a model plant: the importance of rice to plant science. Trends Plant Sci 1: 95–99
Jackson MB, Armstrong W (1999) Formation of aerenchyma and the processes of plant ventilation in relation to soil flooding and submergence. Plant Biol 1: 274–287
Jaglo-Ottosen KR, Gilmour SJ, Zarka DG, Schabenberger O, Thomashow MF (1998) Arabidopsis CBF1 overexpression induces COR genes and enhances freezing tolerance. Science 280: 104-106
Jalali BL, Bhargava S, Kamble A (2006) Signal transduction and transcriptional regulation of plant defence responses. J Phytopathol 154: 65–74
James RA, Davenport RJ, Munns R (2006) Physiological characterisation of two genes for Na+ exclusion in durum wheat: Nax1 and Nax2. Plant Physiol 142: 1537–1547
Jan AT, Singhal P, Haq QMR (2013) Plant abiotic stress: deciphering remedial strategies for emerging problem. J Plant Interact 8: 97-108
Jenner CE, Sanchez F, Nettleship SB, Foster GD, Ponz F and Walsh JA (2000) The cylindrical inclusion gene of turnip mosaic virus encodes a pathogenic determinant to the brassica resistance gene TuRB01 Mol Plant-Microbe Interact 13: 1102–1108
Jenner CE, Wang X, Ponz F, Walsh JA (2002) A fitness cost for Turnip mosaic virus to overcome host resistance. Virus Res 86: 1-6
Jha D, Shirley N, Tester M, Roy SJ (2010) Variation in salinity tolerance and shoot sodium accumulation in Arabidopsis ecotypes linked to differences in the natural expression levels of transporters involved in sodium transport. Plant Cell Environ 33: 793-804
Jockusch H, Wiegand C, Mersch B, Rajes D (2001) Mutants of tobacco mosaic virus with temperature-sensitive coat proteins induce heat shock response in tobacco leaves. Mol Plant Microbe Interact 14: 914-917
Johansson A, Staal J, Dixelius C (2006) Early responses in the Arabidopsis-Verticillium longisporum pathosystem are dependent on NDR1, JA- and ET-associated signals via cytosolic NPR1 and RFO1. Mol Plant Microbe Interact 19: 958-969
Johnson HE, Broadhurst D, Goodacre R, Smith AR (2003) Metabolic fingerprinting of salt-stressed tomatoes. Phytochemistry 62: 919-928
Jones JD, Dangl JL (2006) The plant immune system. Nature 444: 323-329 Jones MG, Outlaw WH, Lowry OH (1977) Enzymic assay of 10 to 10 moles of sucrose in
plant tissues. Plant Physiol 60: 379-383 Jung KH, An G, Ronald PC (2008) Towards a better bowl of rice: assigning function to tens
of thousands of rice genes. Nat Rev Genet 9: 91-101
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
170
Jungkunz I, Link K, Vogel F, Voll LM, Sonnewald S, Sonnewald U (2011) AtHsp70-15-deficient Arabidopsis plants are characterized by reduced growth, a constitutive cytosolic protein response and enhanced resistance to TuMV. Plant J 66: 983-995
Junker BH, Klukas C, Schreiber F (2006) VANTED: a system for advanced data analysis and visualization in the context of biological networks. BMC Bioinformatics 7: 109
Kaldenhoff R, Ribas-Carbo M, Sans JF, Lovisolo C, Heckwolf M, Uehlein N (2008) Aquaporins and plant water balance. Plant Cell Environ 31: 658-666
Kamauchi S, Nakatani H, Nakano C, Urade R (2005) Gene expression in response to endoplasmic reticulum stress in Arabidopsis thaliana. FEBS J 272: 3461-3476
Kaneko YH, Inukai T, Suehiro N, Natsuaki T, Masuta C (2004) Fine genetic mapping of the TuNI locus causing systemic veinal necrosis by turnip mosaic virus infection in Arabidopsis thaliana. Theor Appl Genet 110: 33-40
Kang BC, Yeam I, Jahn MM (2005) Genetics of plant virus resistance. Annu Rev Phytopathol 43: 581-621
Kant P, Gordon M, Kant S, Zolla G, Davydov O, Heimer YM, Chalifa-Caspi V, Shaked R, Barak S (2008) Functional-genomics-based identification of genes that regulate Arabidopsis responses to multiple abiotic stresses. Plant Cell Environ 31: 697-714
Kaplan F, Guy CL (2005) RNA interference of Arabidopsis β-amylase8 prevents maltose accumulation upon cold shock and increases sensitivity of PSII photochemical efficiency to freezing stress. Plant Journal 44: 730-743
Kaplan F, Kopka J, Haskell DW, Zhao W, Schiller KC, Gatzke N, Sung DY, Guy CL (2004) Exploring the temperature-stress metabolome of Arabidopsis. Plant Physiol 136: 4159-4168
Karasov TL, Kniskern JM, Gao L, DeYoung BJ, Ding J, Dubiella U, Lastra RO, Nallu S, Roux F, Innes RW, Barrett LG, Hudson RR, Bergelson J (2014) The long-term maintenance of a resistance polymorphism through diffuse interactions. Nature 512: 436-440
Karimi M, Inze D, Depicker A (2002) GATEWAY vectors for Agrobacterium-mediated plant transformation. Trends Plant Sci 7: 193-195
Kasuga M, Liu Q, Miura S, Yamaguchi-Shinozaki K, Shinozaki K (1999) Improving plant drought, salt, and freezing tolerance by gene transfer of a single stress-inducible transcription factor. Nat Biotechnol 17: 287-291
Katori T, Ikeda A, Iuchi S, Kobayashi M, Shinozaki K, Maehashi K, Sakata Y, Tanaka S, Taji T (2010) Dissecting the genetic control of natural variation in salt tolerance of Arabidopsis thaliana accessions. J Exp Bot 61: 1125-1138
Kawasaki S, Borchert C, Deyholos M, Wang H, Brazille S, Kawai K, Galbraith D, Bohnert HJ (2001) Gene expression profiles during the initial phase of salt stress in rice. Plant Cell 13: 889-905
Kay S, Hahn S, Marois E, Hause G, Bonas U (2007) A bacterial effector acts as a plant transcription factor and induces a cell size regulator. Science 318: 648-651
Kazan K (2006) Negative regulation of defence and stress genes by EAR-motif-containing repressors. Trends Plant Sci 11: 109–112
Khatun S, Flowers TJ (1995) Effects of salinity on seed set in rice. Plant Cell Environ 18: 61–67
Kilian J, Whitehead D, Horak J, Wanke D, Weinl S, Batistic O, D'Angelo C, Bornberg-Bauer E, Kudla J, Harter K (2007) The AtGenExpress global stress expression data set: protocols, evaluation and model data analysis of UV-B light, drought and cold stress responses. Plant J 50: 347-363
Kim B, Jeong YJ, Corvalán1 C, Fujioka S, Cho S, Park T, Choe S (2014) Darkness and gulliver2/phyB mutation decrease the abundance of phosphorylated BZR1 to activate brassinosteroid signaling in Arabidopsis. The Plant Journal 77: 737–747
Kim BM, Suehiro N, Natsuaki T, Inukai T, Masuta C (2010) The P3 protein of Turnip mosaic virus can alone induce hypersensitive response-like cell death in Arabidopsis thaliana carrying TuNI. Mol Plant-Microbe Interact 23: 144–152
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
171
Kim JG, Li X, Roden JA, Taylor KW, Aakre CD, Su B, Lalonde S, Kirik A, Chen Y, Baranage G, McLane H, Martin GB, Mudgett MB (2009a) Xanthomonas T3S effector XopN suppresses PAMP-Triggered immunity and interacts with a tomato atypical receptor-like kinase and TFT1. Plant Cell 21: 1305-1323
Kim JK, Bamba T, Harada K, Fukusaki E, Kobayashi A (2007) Time-course metabolic profiling in Arabidopsis thaliana cell cultures after salt stress treatment. J Exp Bot 58: 415-424
Kim SH, Kwon SI, Saha D, Anyanwu NC, Gassmann W (2009b) Resistance to the Pseudomonas syringae effector HopA1 is governed by the TIR-NBS-LRR protein RPS6 and is enhanced by mutations in SRFR1. Plant Physiol 150: 1723-1732
Kiraly L, Hafez YM, Fodor J, Kiraly Z (2008) Suppression of tobacco mosaic virus-induced hypersensitive-type necrotization in tobacco at high temperature is associated with downregulation of NADPH oxidase and superoxide and stimulation of dehydroascorbate reductase. J Gen Virol 89: 799-808
Kocal N, Sonnewald U, Sonnewald S (2008) Cell wall-bound invertase limits sucrose export and is involved in symptom development and inhibition of photosynthesis during compatible interaction between tomato and Xanthomonas campestris pv vesicatoria. Plant Physiol 148: 1523-1536
Koeda S, Hosokawa M, Kang BC, Tanaka C, Choi D, Sano S, Shiina T, Doi M, Yazawa S (2012) Defense response of a pepper cultivar cv. Sy-2 is induced at temperatures below 24 degrees C. J Plant Res 125: 137-145
Koini MA, Alvey L, Allen T, Tilley CA, Harberd NP, Whitelam GC, Franklin KA (2009) High temperature-mediated adaptations in plant architecture require the bHLH transcription factor PIF4. Curr Biol 19: 408-413
Koizumi N, Ujino T, Sano H, Chrispeels MJ (1999) Overexpression of a gene that encodes the first enzyme in the biosynthesis of asparagine-linked glycans makes plants resistant to tunicamycin and obviates the tunicamycin-induced unfolded protein response. Plant Physiol 121: 353-361
Koornneef M, Alonso-Blanco C, Vreugdenhil D (2004) Naturally occurring genetic variation in Arabidopsis thaliana. Annu Rev Plant Biol 55: 141-172
Koornneef M, Meinke D (2010) The development of Arabidopsis as a model plant. Plant J 61: 909-921
Kotak S, Larkindale J, Lee U, von Koskull-Doring P, Vierling E, Scharf KD (2007) Complexity of the heat stress response in plants. Curr Opin Plant Biol 10: 310-316
Kreps JA, Wu Y, Chang HS, Zhu T, Wang X, Harper JF (2002) Transcriptome changes for Arabidopsis in response to salt, osmotic, and cold stress. Plant Physiol 130: 2129-2141
Krishnaswamy S, Verma S, Rahman MH, Kav NN (2011) Functional characterization of four APETALA2-family genes (RAP2.6, RAP2.6L, DREB19 and DREB26) in Arabidopsis. Plant Mol Biol 75: 107-127
Krysan PJ, Young JC, Sussman MR (1999) T-DNA as an insertional mutagen in Arabidopsis. Plant Cell 11: 2283-2290
Kumar SV, Lucyshyn D, Jaeger KE, Alós E, Alvey E, Harberd NP, Wigge PA (2012) Transcription factor PIF4 controls the thermosensory activation of flowering. Nature 484: 242–245
Kunze G, Zipfel C, Robatzek S, Niehaus K, Boller T, Felix G (2004) The N terminus of bacterial elongation factor Tu elicits innate immunity in Arabidopsis plants. Plant Cell 16: 3496-3507
Lämmli UK (1970) Cleavage of structural proteins during the assembly of the head of bacteriophage T4. Nature 227: 680-685
Lafta AM, Lorenzen JH (1995) Effect of high temperature on plant growth and carbohydrate metabolism in potato. Plant Physiol 109: 637-643
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
172
Laluk K, Abuqamar S, Mengiste T (2011) The Arabidopsis mitochondria-localized pentatricopeptide repeat protein PGN functions in defense against necrotrophic fungi and abiotic stress tolerance. Plant Physiol 156: 2053-2068
Larkindale J, Hall JD, Knight MR, Vierling E (2005) Heat stress phenotypes of Arabidopsis mutants implicate multiple signaling pathways in the acquisition of thermotolerance. Plant Physiol 138: 882-897
Larkindale J, Knight MR (2002) Protection against heat stress-induced oxidative damage in Arabidopsis involves calcium, abscisic acid, ethylene, and salicylic acid. Plant Physiol 128: 682-695
Larkindale J und Vierling E (2008) Core genome responses involved in acclimation to high temperature. Plant Physiol 146: 748–761
Lecourieux D (2002) Analysis and effects of cytosolic free calcium increases in response to elicitors in Nicotiana plumbaginifolia cells. The Plant Cell Online 14: 2627-2641
Lee I, Ambaru B, Thakkar P, Marcotte EM, Rhee SY (2010) Rational association of genes with traits using a genome-scale gene network for Arabidopsis thaliana. Nat Biotechnol 28: 149-156
Lee J-H, Yun H, Kwon C (2012) Molecular communications between plant heat shock responses and disease resistance. Molecules and Cells 34: 109-116
Lee J, Rudd JJ, Macioszek VK, Scheel D (2004) Dynamic changes in the localization of MAPK cascade components controlling pathogenesis-related (PR) gene expression during innate immunity in parsley. J Biol Chem 279: 22440-22448
Lee KS, Choi WY, Ko JC, Kim TS, Gregorio GB (2003) Salinity tolerance of japonica and indica rice (Oryza sativa L.) at the seedling stage. Planta 216: 1043-1046
Legnaioli T, Cuevas J, Mas P (2009) TOC1 functions as a molecular switch connecting the circadian clock with plant responses to drought. EMBO J 28: 3745-3757
Llerena, CR (2012) Identificación de proteínas implicadas en la interacción arabidopsis-pseudomonas mediante tecnología "phage-display". caracterización funcional de aterf1 y erf1 en respuesta a estrés; Dissertation (Departamento de Fisiología Vegetal Facultad de Biología; University of Salamanca).
Li G, Santoni V, Maurel C (2014) Plant aquaporins: roles in plant physiology. Biochim Biophys Acta 1840: 1574–1582
Liu AL, Zou J, Liu CF, Zhou XY, Zhang XW, Luo GY, Chen XB (2013) Over-expression of OsHsfA7 enhanced salt and drought tolerance in transgenic rice. BMB Rep 46: 31-36
Liu HC, Charng YY (2013) Common and distinct functions of Arabidopsis class A1 and A2 heat shock factors in diverse abiotic stress responses and development. Plant Physiol 163: 276-290
Liu HC, Liao HT, Charng YY (2011) The role of class A1 heat shock factors (HSFA1s) in response to heat and other stresses in Arabidopsis. Plant Cell Environ 34: 738-751
Liu JX, Howell SH (2010) Endoplasmic reticulum protein quality control and its relationship to environmental stress responses in plants. Plant Cell 22: 2930-2942
Liu YG, Whittier RF (1995) Thermal asymmetric interlaced PCR: automatable amplification and sequencing of insert end fragments from P1 and YAC clones for chromosome walking. Genomics 25: 674-681
Lobell DB, Schlenker W, Costa-Roberts J (2011) Climate trends and global crop production since 1980. Science 333: 616-620
Locke JC, Kozma-Bognar L, Gould PD, Feher B, Kevei E, Nagy F, Turner MS, Hall A, Millar AJ (2006) Experimental validation of a predicted feedback loop in the multi-oscillator clock of Arabidopsis thaliana. Mol Syst Biol 2: 59
Loebenstein G (2009) Local lesions and induced resistance. Adv Virus Res 75: 73–117 Logemann J, Schell J, Willmitzer L (1987) Improved method for the isolation of RNA from
plant tissues. Anal Biochem 163: 16-20 Lohmann C, Eggers-Schumacher G, Wunderlich M, Schoffl F (2004) Two different heat
shock transcription factors regulate immediate early expression of stress genes in Arabidopsis. Mol Genet Genomics 271: 11-21
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
173
Lorrain, S., Frankenhauser (2012) Plant Development: Should I Stop or Should I Grow? Current Biol 22: 645-647
Love AJ, Laird J, Holt J, Hamilton AJ, Sadanandom A, Milner JJ (2007) Cauliflower mosaic virus protein P6 is a suppressor of RNA silencing. J Gen Virol 88: 3439–3444
Lu D, Wu S, Gao X, Zhang Y, Shan L, He P (2010) A receptor-like cytoplasmic kinase, BIK1, associates with a flagellin receptor complex to initiate plant innate immunity. Proc Natl Acad Sci USA 107: 496-501
Lu G, Paul AL, McCarty DR, Ferl RJ (1996) Transcription factor veracity: is GBF3 responsible for ABA-regulated expression of Arabidopsis Adh? Plant Cell 8: 847-857
Luck J, Spackman M, Freeman A, Tre˛bicki P, Griffiths W, Finlay K, Chakraborty S (2011) Climate change and diseases of food crops. Plant Pathology 60: 113–121
Luna E, Pastor V, Robert J, Flors V, Mauch-Mani B, Ton J (2011) Callose deposition: a multifaceted plant defense response. Mol Plant Microbe Interact 24: 183-193
Ma, S, Gong, Q, Bohnert, HJ (2006) Dissecting salt stress pathways. J Exp Bot 57: 1097–1107
Madgwick JW, West JS, White RP, Semenov MA, Townsend JA, Turner JA, Fitt BDL (2011) Impacts of climate change on wheat anthesis and fusarium ear blight in the UK. European J Plant Pathol 130: 117-131
Martre P, Morillon R, Barrieu F, North GB, Nobel PS, Chrispeels MJ (2002) Plasma membrane aquaporins play a significant role during recovery from water deficit. Plant Physiol 130: 2101–2110
Mäser P, Eckelman B, Vaidyanathan R, Horie T, Fairbairn DJ, Kubo M, Yamagami M, Yamaguchi K, Nishimura M, Uozumi N, Robertsonf W, Sussmanf MR, Schroeder JI (2002) Altered shoot/root Na+ distribution and bifurcating salt sensitivity in Arabidopsis by genetic disruption of the Na+ transporter AtHKT1. FEBS Lett 531: 157–161
Makino A, Mae T, Ohira K (1985) Photosynthesis and ribulose-1,5-bisphosphate carboxylase/oxygenase in rice leaves from emergence through senescence. Quantitative analysis by carboxylation/oxygenation and regeneration of ribulose 1,5-bisphosphate. Planta 166: 414-420
Martin Martin A, Cabrera y Poch HL, Martinez Herrera D, Ponz F (1999) Resistances to turnip mosaic potyvirus in Arabidopsis thaliana. Mol Plant Microbe Interact 12: 1016-1021
Martinez-Garcia JF, Huq E, Quail PH (2000) Direct targeting of light signals to a promoter element-bound transcription factor. Science 288: 859-863
Martinez IM, Chrispeels MJ (2003) Genomic analysis of the unfolded protein response in Arabidopsis shows its connection to important cellular processes. Plant Cell 15: 561-576
Matsui A, Ishida J, Morosawa T, Mochizuki Y, Kaminuma E, Endo TA, Okamoto M, Nambara E, Nakajima M, Kawashima M, Satou M, Kim JM, Kobayashi N, Toyoda T, Shinozaki K, Seki M (2008) Arabidopsis transcriptome analysis under drought, cold, high-salinity and ABA treatment conditions using a tiling array. Plant Cell Physiol 49: 1135-1149
Mathur S, Agrawal D, Jajoo A (2014) Photosynthesis: Response to high temperature stress. J Photochem Photobiol 137: 116-126
Maule AJ, Caranta C, Boulton MI (2007) Sources of natural resistance to plant viruses: status and prospects. Mol Plant Pathol 8: 223-231
McElwain JC, Chaloner WG (1995) Stomatal density and index of fossil plants track atmospheric carbon dioxide in the Phanerozoic. Annals of Botany 76: 389 – 395
McLaughlin SB, Shriner DS (1980) Allocation of resources to defense and repair. In JB Horsfall, EB Cowling, Plant Disease, Academic Press, New York 5: 407-431
McWatters HG, Devlin PF (2011) Timing in plants-a rhythmic arrangement. FEBS Lett 585: 1474-1484
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
174
Meinke DW, Cherry JM, Dean C, Rounsley SD, Koornneef M (1998) Arabidopsis thaliana: a model plant for genome analysis. Science 282: 679-682
Melotto M, Underwood W, Koczan J, Nomura K, He S-Y (2006) Plant stomata function in innate immunity against bacterial invasion. Cell 126: 969–80
Meyer A, Pühler A, Niehaus K (2001) The lipopolysaccharides of the phytopathogen Xanthomonas campestris pv. campestris induce an oxidative burst reaction in cell cultures of Nicotiana tabacum. Planta 213: 214-222
Meyers BC, Kozik A, Griego A, Kuang H, Michelmore RW (2003) Genome-wide analysis of NBS-LRR-encoding genes in Arabidopsis. Plant Cell 15: 809-834
Merai Z, Kerenyi Z, Kertesz S, Magna M, Lakatos L, Silhavy D (2006) Double-stranded RNA binding may be a general plant RNA viral strategy to suppress RNA silencing. J Virol 80: 5747-5756
Mikkelsen MD, Thomashow MF (2009) A role for circadian evening elements in cold-regulated gene expression in Arabidopsis. Plant J 60: 328-339
Milborrow BV (1969) Current research on abscisic acid. Biochem J 114: 1P-3P Millar AJ, Carre IA, Strayer CA, Chua NH, Kay SA (1995) Circadian clock mutants in
Arabidopsis identified by luciferase imaging. Science 267: 1161-1163 Miller G, Mittler R (2006) Could heat shock transcription factors function as hydrogen
peroxide sensors in plants? Ann Bot 98: 279-288 Mishra SK, Tripp J, Winkelhaus S, Tschiersch B, Theres K, Nover L, Scharf KD (2002)
In the complex family of heat stress transcription factors, HsfA1 has a unique role as master regulator of thermotolerance in tomato. Genes Dev 16: 1555-1567
Mittler R (2006) Abiotic stress, the field environment and stress combination. Trends Plant Sci 11: 15-19
Mittler R, Blumwald E (2010) Genetic engineering for modern agriculture: challenges and perspectives. Annu Rev Plant Biol 61: 443-462
Mittler R, Finka A, Goloubinoff P (2012) How do plants feel the heat? Trends Biochem Sci 37: 118-125
Mizuno T, Yamashino T (2008) Comparative transcriptome of diurnally oscillating genes and hormone-responsive genes in Arabidopsis thaliana: insight into circadian clock-controlled daily responses to common ambient stresses in plants. Plant Cell Physiol 49: 481–487
Mohr PG und Cahill DM (2003). Abscisic acid influences the susceptibility of Arabidopsis thaliana to Pseudomonas syringae pv. Tomato and Peronospora parasitica. Funct Plant Biol 30: 461–469
Moller IS, Tester M (2007) Salinity tolerance of Arabidopsis: a good model for cereals? Trends Plant Sci 12: 534-540
Monaghan J, Zipfel C (2012) Plant pattern recognition receptor complexes at the plasma membrane. Curr Opin Plant Biol 15: 349-357
Moore JW, Loake GJ, Spoel SH (2011) Transcription dynamics in plant immunity. Plant Cell 23: 2809-2820
Moreno AA, Mukhtar MS, Blanco F, Boatwright JL, Moreno I, Jordan MR, Chen Y, Brandizzi F, Dong X, Orellana A, Pajerowska-Mukhtar KM (2012) IRE1/bZIP60-mediated unfolded protein response plays distinct roles in plant immunity and abiotic stress responses. PLoS One 7: e31944
Moury B, Selassie KG, Marchoux G, Daubèze A, Palloix A (1998) High temperature effects on hypersensitive resistance to Tomato Spotted wilt Tospovirus (TSWV) in pepper (Capsicum chinense Jacq.). European J Plant Pathol 104: 489-498
Munns R (2002) Comparative physiology of salt and water stress. Plant Cell Environ 25: 239-250
Munns R (2005) Genes and salt tolerance: bringing them together. New Phytol 167: 645-663 Munns R, Tester M (2008) Mechanisms of salinity tolerance. Annu Rev Plant Biol 59: 651-
681
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
175
Naika M, Shameer K, Mathew OK, Gowda R, Sowdhamini R (2013) STIFDB2: An updated version of plant stress-responsive transcrIption factor dataBase with additional stress signals, stress-responsive transcription factor binding sites and stress-responsive genes in Arabidopsis and rice. Plant Cell Physiol 54: e8
Nakano T, Suzuki K, Fujimura T, Shinshi H (2006) Genome-wide analysis of the ERF gene family in Arabidopsis and rice. Plant Physiol 140: 411-432
Nakashima K, Ito Y, Yamaguchi-Shinozaki K (2009) Transcriptional regulatory networks in response to abiotic stresses in Arabidopsis and grasses. Plant Physiol 149: 88-95
Neumann D, Scharf KD, Nover L (1984) Heat shock induced changes of plant cell ultrastructure and autoradiografic localization of heat shock proteins. Eur J Cell Biol 34: 254-264
Nicolas O, Laliberte JF (1992) The complete nucleotide sequence of turnip potyvirus RNA. J Gen Virol 73: 2785 – 2793
Nishiyama R, Le DT, Watanabe Y, Matsui A, Tanaka M, Seki M, Yamaguchi-Shinozaki K, Shinozaki K, Tran LS (2012) Transcriptome analyses of a salt-tolerant cytokinin-deficient mutant reveal differential regulation of salt stress response by cytokinin deficiency. PLoS One 7: e32124
Nishizawa A, Yabuta Y, Yoshida E, Maruta T, Yoshimura K, Shigeoka S (2006) Arabidopsis heat shock transcription factor A2 as a key regulator in response to several types of environmental stress. Plant J 48: 535-547
Nishizawa-Yokoi A, Nosaka R, Hayashi H, Tainaka H, Maruta T, Tamoi M, Ikeda M, Ohme-Takagi M, Yoshimura K, Yabuta Y, Shigeoka S (2011) HsfA1d and HsfA1e involved in the transcriptional regulation of HsfA2 function as key regulators for the Hsf signaling network in response to environmental stress. Plant Cell Physiol 52: 933-945
Noh S-J, Kwon CS, Oh D-H, Moon JS, Chung W-I (2003) Expression of an evolutionarily distinct novel BiP gene during the unfolded protein response in Arabidopsis thaliana. Gene 311: 81-91
Nomura K, Debroy S, Lee YH, Pumplin N, Jones J, He SY (2006) A bacterial virulence protein suppresses host innate immunity to cause plant disease. Science 313: 220-223
Nover L, Bharti K, Doring P, Mishra SK, Ganguli A, Scharf KD (2001) Arabidopsis and the heat stress transcription factor world: how many heat stress transcription factors do we need? Cell Stress Chaperones 6: 177-189
Nover L, Scharf KD and Neumann D (1989) Cytoplasmic heat shock granules are formed from precursor particles and are associated with a specific set of mRNAs. Mol Cell Biol 9: 1298-1308
Nozue K, Covington MF, Duek PD, Lorrain S, Fankhauser C, Harmer SL und Maloof JN (2007) Rhythmic growth explained by coincidence between internal and external cues. Nature 448: 358–361
Nürnberger T, Brunner F, Kemmerling B, Piater L (2004) Innate immunity in plants and animals: striking similarities and obvious differences. Immunol Rev 198: 249-266
Oerke EC (2006) Crop losses to pests. J Agric Sci 144: 31–43 Oerke EC, Dehne HW (2004) Safeguarding production - losses in major crops and the role
of crop protection. Crop Prot 23: 275-285 Ogawa D, Yamaguchi K, Nishiuchi T (2007) High-level overexpression of the Arabidopsis
HsfA2 gene confers not only increased themotolerance but also salt/osmotic stress tolerance and enhanced callus growth. J Exp Bot 58: 3373-3383
Ohta M, Matsui K, Hiratsu K, Shinshi H, Ohme-Takagi M (2001) Repression domains of class II ERF transcriptional repressors share an essential motif for active repression. Plant Cell 13: 1959-1968
Outlaw WH, Manchester J (1979) Guard cell starch concentration quantitatively related to stomatal aperture. Plant Physiol 64: 79-82
Palukaitis P, Carr JP (2008) Plant resistance to viruses. J Plant Pathol 90: 153-171
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
176
Panchuk, II, Volkov RA, Schoffl F (2002) Heat stress- and heat shock transcription factor-dependent expression and activity of ascorbate peroxidase in Arabidopsis. Plant Physiol 129: 838-853
Pandit A, Rai V, Sharma TR, Sharma PC, Singh NK (2011) Differentially expressed genes in sensitive and tolerant rice varieties in response to salt-stress. J Plant Biochem Biotechnol 20: 149–154
Pardo JM Biotechnology of water and salinity stress tolerance. Current Opinion in Biotechnology 2010 21:185-196
Parida AK, Das AB (2005) Salt tolerance and salinity effects on plants: a review. Ecotoxicol Environ Saf 60: 324-349
Pastenes C, Pimentel P, Lillo J (2005) Leaf movements and photoinhibition in relation to water stress in field-grown beans. J Exp Bot 56: 425-433
Patil C, Walter P (2001) Intracellular signaling from the endoplasmic reticulum to the nucleus: the unfolded protein response in yeast and mammals. Curr Opin Cell Biol 13: 349-355
Pecinka A, Dinh HQ, Baubec T, Rosa M, Lettner N, Mittelsten Scheid O (2010) Epigenetic regulation of repetitive elements is attenuated by prolonged heat stress in Arabidopsis. Plant Cell 22: 3118-3129
Peng YH, Lin WL, Cai WM, Arora R (2007) Overexpression of a panax ginseng tonoplast aquaporin alters salt tolerance, drought tolerance and cold acclimation ability in transgenic Arabidopsis plants. Planta 226: 729–740
Pirone TP and Blanc S (1996) Helper-dependent vector transmission of plant viruses. Annu Rev Phytopathol 34: 227–247
Prasch CM, Sonnewald U (2013) In silico selection of Arabidopsis thaliana ecotypes with enhanced stress tolerance. Plant Signal Beh 8: e26364
Prasch CM, Sonnewald U (2014) Signaling events in plants: Stress factors in combination change the picture. Environ Exp Bot
Prasch CM, Sonnewald U (2013) Simultaneous application of heat, drought and virus to Arabidopsis thaliana plants reveals significant shifts in signaling networks. Plant Physiol 162: 1849–1866
Proveniers MCG, van Zanten M (2013) High temperature acclimation through PIF4 signaling. Trends in Plant Science 18: 59–64.
Qu AL, Ding YF, Jiang Q, Zhu C (2013) Molecular mechanisms of the plant heat stress response. Biochem Biophys Res Commun 432: 203-207
Queitsch C, Hong SW, Vierling E, Lindquist S (2000) Heat shock protein 101 plays a crucial role in thermotolerance in Arabidopsis. Plant Cell 12: 479-492
Rabbani MA, Maruyama K, Abe H, Khan MA, Katsura K, Ito Y, Yoshiwara K, Seki M, Shinozaki K, Yamaguchi-Shinozaki K (2003) Monitoring expression profiles of rice genes under cold, drought, and high-salinity stresses and abscisic acid application using cDNA microarray and RNA gel-blot analyses. Plant Physiol 133: 1755-1767
Ramegowda V, Senthil-Kumar M, Ishiga Y, Kaundal A, Udayakumar M, Mysore KS (2013) Drought stress acclimation imparts tolerance to Sclerotinia sclerotiorum and Pseudomonas syringae in Nicotiana benthamiana. Int J Mol Sci 14: 9497-9513
Rasmussen S, Barah P, Suarez-Rodriguez MC, Bressendorff S, Friis P, Costantino P, Bones AM, Nielsen HB, Mundy J (2013) Transcriptome responses to combinations of stresses in Arabidopsis. Plant Physiol 161: 1783-1794
Redman JC, Haas BJ, Tanimoto G, Town CD (2004) Development and evaluation of an Arabidopsis whole genome Affymetrix probe array. Plant J 38: 545-561
Reguera M, Peleg Z, Blumwald E (2012) Targeting metabolic pathways for genetic engineering abiotic stress-tolerance in crops. Biochim Biophys Acta 1819: 186-194
Reynolds-Henne CE, Langenegger A, Mani J, Schenk N, Zumsteg A, Feller U (2010) Interactions between temperature, drought and stomatal opening in legumes. Environ Exp Bot 68: 37–43
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
177
Rivero RM, Mestre TC, Mittler R, Rubio F, Garcia-Sanchez F, Martinez V (2013) The combined effect of salinity and heat reveals a specific physiological, biochemical and molecular response in tomato plants. Plant Cell Environ 37: 1059-1073
Rivero RM, Shulaev V, Blumwald E (2009) Cytokinin-dependent photorespiration and the protection of photosynthesis during water deficit. Plant Physiol 150: 1530-1540
Rizhsky L, Liang H, Mittler R (2002) The combined effect of drought stress and heat shock on gene expression in tobacco. Plant Physiol 130: 1143-1151
Rizhsky L, Liang H, Shuman J, Shulaev V, Davletova S, Mittler R (2004) When defense pathways collide. The response of Arabidopsis to a combination of drought and heat stress. Plant Physiol 134: 1683-1696
Roelfsema MR, Hedrich R (2005) In the light of stomatal opening: new insights into 'the Watergate'. New Phytol 167: 665-691
Ronde DD, Butterbach P, Kormelink R (2014) Dominant resistance against plant viruses. Front Plant Sci 5: 307
Römer P, Hahn S, Jordan T, Strauss T, Bonas U, Lahaye T (2007) Plant pathogen recognition mediated by promoter activation of the pepper Bs3 resistance gene. Science 318: 645-648
Roitsch T, Gonzalez MC (2004) Function and regulation of plant invertases: sweet sensations. Trends Plant Sci 9: 606-613
Rollins JA, Habte E, Templer SE, Colby T, Schmidt J, von Korff M (2013) Leaf proteome alterations in the context of physiological and morphological responses to drought and heat stress in barley (Hordeum vulgare L.). J Exp Bot 64: 3201-3212
Rojas MR, Zerbini FM, Allison RF, Gilbertson RL and Lucas WJ (1997) Capsid protein and helper component-proteinase function as potyvirus cell-to-cell movement proteins. Virol 237: 283–295
Roy SJ, Tucker EJ, Tester M (2011) Genetic analysis of abiotic stress tolerance in crops. Curr Opin Plant Biol 14: 232-239
Saeed AI, Sharov V, White J, Li J, Liang W, Bhagabati N, Braisted J, Klapa M, Currier T, Thiagarajan M, Sturn A, Snuffin M, Rezantsev A, Popov D, Ryltsov A, Kostukovich E, Borisovsky I, Liu Z, Vinsavich A, Trush V, Quackenbush J (2003) TM4: a free, open-source system for microarray data management and analysis. Biotechniques 34: 374-378
Saha D, Prasad AM, Srinivasan R (2007) Pentatricopeptide repeat proteins and their emerging roles in plants. Plant Physiol Biochem 45: 521-534
Saidi Y, Finka A, Muriset M, Bromberg Z, Weiss YG, Maathuis FJ, Goloubinoff P (2009) The heat shock response in moss plants is regulated by specific calcium-permeable channels in the plasma membrane. Plant Cell 21: 2829-2843
Sakamoto H, Maruyama K, Sakuma Y, Meshi T, Iwabuchi M, Shinozaki K, Yamaguchi-Shinozaki K (2004) Arabidopsis Cys2/His2-type zinc-finger proteins function as transcription repressors under drought, cold, and high-salinity stress conditions. Plant Physiol 136: 2734-2746
Sakamoto A, Murata N (2002) The role of glycine betaine in the protection of plants from stress: clues from transgenic plants. Plant Cell Environ 25: 163–171
Sakuma Y, Liu Q, Dubouzet JG, Abe H, Shinozaki K, Yamaguchi-Shinozaki K (2002) DNA-binding specificity of the ERF/AP2 domain of Arabidopsis DREBs, transcription factors involved in dehydration- and cold-inducible gene expression. Biochem Biophys Res Commun 290: 998-1009
Sambrook J, Russell D (2001) Molecular cloning: a laboratory manual. Cold Spring Harbor Laboratory Press 3: ISBN 978-0879695774
Samuel, G (1931) Some experiments on inoculating methods with plant viruses, and on local lesions. Ann Appl Biol 18: 494 507
Sanchez DH, Lippold F, Redestig H, Hannah MA, Erban A, Kramer U, Kopka J, Udvardi MK (2008) Integrative functional genomics of salt acclimatization in the model legume Lotus japonicus. Plant J 53: 973-987
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
178
Sangster TA, Queitsch C (2005) The HSP90 chaperone complex, an emerging force in plant development and phenotypic plasticity. Curr Opin Plant Biol 8: 86-92
Savin R, Nicolas ME (1996) Effects of short periods of drought and high temperature on grain growth and starch accumulation of two malting barley cultivars. J Plant Physiol 23: 201–210
Schaffer R, Ramsay N, Samach A, Corden S, Putterill J, Carre IA, Coupland G (1998) The late elongated hypocotyl mutation of Arabidopsis disrupts circadian rhythms and the photoperiodic control of flowering. Cell 93: 1219-1229
Scharf KD, Berberich T, Ebersberger I, Nover L (2012) The plant heat stress transcription factor (Hsf) family: structure, function and evolution. Biochim Biophys Acta 1819: 104-119
Sharkey TD (2005) Effects of moderate heat stress on photosynthesis: importance of thylakoid reactions, rubisco deactivation, reactive oxygen species, and thermotolerance provided by isoprene. Plant Cell Environ 28: 269–277
Schmitz-Linneweber C, Small I (2008) Pentatricopeptide repeat proteins: a socket set for organelle gene expression. Trends Plant Sci 13: 663-670
Scholthof KB, Adkins S, Czosnek H, Palukaitis P, Jacquot E, Hohn T, Hohn B, Saunders K, Candresse T, Ahlquist P, Hemenway C, Foster GD (2011) Top 10 plant viruses in molecular plant pathology. Mol Plant Pathol 12: 938-954
Schramm F, Ganguli A, Kiehlmann E, Englich G, Walch D, von Koskull-Doring P (2006) The heat stress transcription factor HsfA2 serves as a regulatory amplifier of a subset of genes in the heat stress response in Arabidopsis. Plant Mol Biol 60: 759-772
Schroeder JI, Kwak JM, Allen GJ (2001) Guard cell abscisic acid signalling and engineering drought hardiness in plants. Nature 410: 327-330
Schulze B, Mentzel T, Jehle AK, Mueller K, Beeler S, Boller T, Felix G, Chinchilla D (2010) Rapid heteromerization and phosphorylation of ligand-activated plant transmembrane receptors and their associated kinase BAK1. J Biologic Chem 285: 9444-9451
Seifert GJ, Roberts K (2007) The biology of arabinogalactan proteins. Annu Rev Plant Biol 58: 137-161
Seki M, Ishida J, Narusaka M, Fujita M, Nanjo T, Umezawa T, Kamiya A, Nakajima M, Enju A, Sakurai T, Satou M, Akiyama K, Yamaguchi-Shinozaki K, Carninci P, Kawai J, Hayashizaki Y, Shinozaki K (2002b) Monitoring the expression pattern of around 7,000 Arabidopsis genes under ABA treatments using a full-length cDNA microarray. Funct Integr Genomics 2: 282-291
Seki M, Narusaka M, Ishida J, Nanjo T, Fujita M, Oono Y, Kamiya A, Nakajima M, Enju A, Sakurai T, Satou M, Akiyama K, Taji T, Yamaguchi-Shinozaki K, Carninci P, Kawai J, Hayashizaki Y, Shinozaki K (2002a) Monitoring the expression profiles of 7000 Arabidopsis genes under drought, cold and high-salinity stresses using a full-length cDNA microarray. Plant Journal 31: 279–292
Senthil G, Liu H, Puram VG, Clark A, Stromberg A, Goodin MM (2005) Specific and common changes in Nicotiana benthamiana gene expression in response to infection by enveloped viruses. J Gen Virol 86: 2615–2625
Sewelam N, Oshima Y, Mitsuda N, Ohme-Takagi M (2014) A step towards understanding plant responses to multiple environmental stresses: a genome-wide study. Plant Cell Environ 37: 2024–2035
Shaik R, Ramakrishna W (2013) Genes and co-expression modules common to drought and bacterial stress responses in Arabidopsis and rice. PLoS One 8: e77261
Shang J, Xi DH, Xu F, Wang SD, Cao S, Xu MY, Zhao PP, Wang JH, Jia SD, Zhang ZW (2011) A broad-spectrum, efficient and nontransgenic approach to control plant viruses by application of salicylic acid and jasmonic acid. Planta 233: 299–308
Shao HB, Chu LY, Shao MA, Zhao CX (2008) Advances in functional regulation mechanisms of plant aquaporins: their diversity, gene expression, localization, structure and roles in plant soil-water relations (Review). Mol Membr Biol 25: 179-191
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
179
Sharma S, Villamor JG, Verslues PE (2011) Essential role of tissue-specific proline synthesis and catabolism in growth and redox balance at low water potential. Plant Physiol 157: 292-304
Sharma YJ, León J, Raskin I, Davis KR (1996) Ozone-induced responses in Arabidopsis thaliana: the role of salicylic acid in the accumulation of defense related transcripts and induced resistance. Proc Natl Acad Sci USA 93: 5099–5104
Shatil-Cohen A, Attia Z, Moshelion M (2011) Bundle-sheath cell regulation of xylem-mesophyll water transport via aquaporins under drought stress: a target of xylem-borne ABA? The Plant Journal 67: 72–80
Shavrukov Y (2013) Salt stress or salt shock: which genes are we studying? J Exp Bot 64: 119–127
Shen YG, Zhang WK, He SJ, Zhang JS, Liu Q, Chen SY (2003) An EREBP/AP2-type protein in Triticum aestivum was a DRE-binding transcription factor induced by cold, dehydration and ABA stress. Theor Appl Genet 106: 923-930
Shimazaki K, Doi M, Assmann SM, Kinoshita T (2007) Light regulation of stomatal movement. Annu Rev Plant Biol 58: 219-247
Shimizu T, Satoh K, Kikuchi S, Omura T (2007) The repression of cell wall- and plastid-related genes and the induction of defense-related genes in rice plants infected with Rice dwarf virus. Mol Plant Microbe Interact 20: 247-254
Shinozaki K, Yamaguchi-Shinozaki K (2007) Gene networks involved in drought stress response and tolerance. J Exp Bot 58: 221-227
Shukla DD, Ward CW, Brunt AA (1994) The Potyviridae. Cambridge, UK: CAB International: 124–125
Siebert PD, Chenchik A, Kellogg DE, Lukyanov KA, Lukyanov SA (1995) An improved PCR method for walking in uncloned genomic DNA. Nucleic Acids Res 23: 1087-1088
Silhavy D, Molnar A, Lucioli A, Szittya G, Hornyik C, Tavazza M, Burgyan J (2002) A viral protein suppresses RNA silencing and binds silencing-generated, 21- to 25-nucleotide double-stranded RNAs. EMBO J 21: 3070-3080
Smethurst CF, Rix K, Garnett T, Auricht G, Bayart A, Lane P, Wilson SJ, Shabala S (2008) Multiple traits associated with salt tolerance in lucerne: revealing the underlying cellular mechanisms. Func Plant Biol 35: 640–650
Smith AM, Stitt M (2007) Coordination of carbon supply and plant growth. Plant Cell Environ 30: 1126-1149
Smith SM, Fulton DC, Chia T, Thorneycroft D, Chapple A, Dunstan H, Hylton C, Zeeman SC, Smith AM (2004) Diurnal changes in the transcriptome encoding enzymes of starch metabolism provide evidence for both transcriptional and posttranscriptional regulation of starch metabolism in Arabidopsis leaves. Plant Physiol 136: 2687-2699
Somerville C, Koornneef M (2002) A fortunate choice: the history of Arabidopsis as a model plant. Nat Rev Genet 3: 883-889
Song CP, Agarwal M, Ohta M, Guo Y, Halfter U, Wang P, Zhu JK (2005) Role of an Arabidopsis AP2/EREBP-type transcriptional repressor in abscisic acid and drought stress responses. Plant Cell 17: 2384-2396
Sonnewald U, Kossmann J (2013) Starches--from current models to genetic engineering. Plant Biotechnol J 11: 223-232
Soumounou Y, Laliberté JF (1994) Nucleic acid-binding properties of the P1 protein of turnip mosaic potyvirus produced in Escherichia coli. J Gen Virol 75: 2567 – 2573
Sparla F, Costa A, Lo Schiavo F, Pupillo P, Trost P (2006) Redox regulation of a novel plastid-targeted beta-amylase of Arabidopsis. Plant Physiol 141: 840-850
Sreenivasulu N, Harshavardhan VT, Govind G, Seiler C, Kohli A (2012) Contrapuntal role of ABA: does it mediate stress tolerance or plant growth retardation under long-term drought stress? Gene 506: 265-273
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
180
Stavang JA, Gallego-Bartolome J, Gomez MD, Yoshida S, Asami T, Olsen JE, Garcia-Martinez JL, Alabadi D und Blazquez MA (2009) Hormonal regulation of temperature-induced growth in Arabidopsis. Plant J 60: 589–601
Steffens NO, Galuschka C, Schindler M, Bülow L and Hehl R (2004) AthaMap: an online resource for in silico transcription factor binding sites in the Arabidopsis thaliana genome. Nucleic Acids Res 32: D368–D372
Sturm A, Tang GQ (1999) The sucrose-cleaving enzymes of plants are crucial for development, growth and carbon partitioning. Trends Plant Sci 4: 401-407
Sun J, Qi L, Li Y, Chu J, Li C (2012) PIF4-mediated activation of YUCCA8 expression integrates temperature into the auxin pathway in regulating Arabidopsis hypocotyl growth. PLoS Genet 8: e1002594
Suehiro N, Natsuaki T, Watanabe T, Okuda S (2004) An important determinant of the ability of Turnip mosaic virus to infect Brassica spp. and/or Raphanus sativus is in its P3 protein. J Gen Virol 85: 2087 – 2098
Sugio A, Dreos R, Aparicio F, Maule AJ (2009) The cytosolic protein response as a subcomponent of the wider heat shock response in Arabidopsis. Plant Cell 21: 642-654
Suzuki N, Rivero RM, Shulaev V, Blumwald E, Mittler R (2014) Abiotic and biotic stress combinations. New Phytol 1: 32-43
Swarbreck D, Wilks C, Lamesch P, Berardini TZ, Garcia-Hernandez M, Foerster H, Li D, Meyer T, Muller R, Ploetz L, Radenbaugh A, Singh S, Swing V, Tissier C, Zhang P, Huala E (2008) The Arabidopsis Information Resource (TAIR): gene structure and function annotation. Nucleic Acids Res 36: D1009-1014
Swindell WR (2006) The association among gene expression responses to nine abiotic stress treatments in Arabidopsis thaliana. Genetics 174: 1811-1824
Szittya G, Silhavy D, Molnar A, Havelda Z, Lovas A, Lakatos L, Banfalvi Z, Burgyan J (2003) Low temperature inhibits RNA silencing-mediated defence by the control of siRNA generation. EMBO J 22: 633-640
Szucs A, Jager K, Jurca ME, Fabian A, Bottka S, Zvara A, Barnabas B, Feher A (2010) Histological and microarray analysis of the direct effect of water shortage alone or combined with heat on early grain development in wheat (Triticum aestivum). Physiol Plant 140: 174-188
Takken FL, Tameling WI (2009) To nibble at plant resistance proteins. Science 324: 744-746
Tang D, Simonich MT, Innes RW (2007) Mutations in LACS2, a long-chain acyl-coenzyme A synthetase, enhance susceptibility to avirulent Pseudomonas syringae but confer resistance to Botrytis cinerea in Arabidopsis. Plant Physiol 144: 1093-1103
Tavakkoli E, Fatehi F, Coventry S, Rengasamy P, McDonald GK (2011) Additive effects of Na+ and Cl- ions on barley growth under salinity stress. J Exp Bot 62: 2189-2203
Teakle N, Flowers T, Real D, Colmer T (2007) Lotus tenuis tolerates the interactive effects of salinity and waterlogging by 'excluding' Na+ and Cl- from the xylem. J Exp Bot 58: 2169-2180
Tester M, Davenport R (2003) Na+ tolerance and Na+ transport in higher plants. Ann Bot 91: 503-527
Thompson AJ, Locarnini SA (2007) Toll-like receptors, RIG-I-like RNA helicases and the antiviral innate immune response. Immunol Cell Biol 85: 435-445
Todaka D, Nakashima K, Shinozaki K, Yamaguchi-Shinozaki K (2012) Toward understanding transcriptional regulatory networks in abiotic stress responses and tolerance in rice. Rice (N Y) 5: 6
Ton J, Flors V, Mauch-Mani B (2009) The multifaceted role of ABA in disease resistance. Trends Plant Sci 14: 310-317
Trontin C, Tisne S, Bach L, Loudet O (2011) What does Arabidopsis natural variation teach us (and does not teach us) about adaptation in plants? Curr Opin Plant Biol 14: 225-231
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
181
Truniger V, Aranda MA (2009) Recessive resistance to plant viruses. Adv Virus Res 75: 119–159
Tsutsui T, Kato W, Asada Y, Sako K, Sato T, Sonoda Y, Kidokoro S, Yamaguchi-Shinozaki K, Tamaoki M, Arakawa K, Ichikawa T, Nakazawa M, Seki M, Shinozaki K, Matsui M, Ikeda A, Yamaguchi J (2009) DEAR1, a transcriptional repressor of DREB protein that mediates plant defense and freezing stress responses in Arabidopsis. J Plant Res 122: 633-643
Tuteja, N (2007) Mechanisms of high salinity tolerance in plants. Methods Enzymol 428: 419–438.
Tuteja N, Sopory SK (2008) Plant signaling in stress: G-protein coupled receptors, heterotrimeric G-proteins and signal coupling via phospholipases. Plant Signal Behav 3: 79-86
Updegraff DM (1969) Semimicro determination of cellulose in biological materials. Anal Biochem 32: 420 – 424
Uquillas C, Letelier I, Blanco F, Jordana X, Holuigue L (2004) NPR1-independent activation of immediate early salicylic acid-responsive genes in Arabidopsis. Mol Plant Microbe Interact 17: 34-42
Vahisalu T, Kollist H, Wang YF, Nishimura N, Chan WY, Valerio G, Lamminmaki A, Brosche M, Moldau H, Desikan R, Schroeder JI, Kangasjarvi J (2008) SLAC1 is required for plant guard cell S-type anion channel function in stomatal signalling. Nature 452: 487-491
Vahisalu T, Puzorjova I, Brosche M, Valk E, Lepiku M, Moldau H, Pechter P, Wang YS, Lindgren O, Salojarvi J, Loog M, Kangasjarvi J, Kollist H (2010) Ozone-triggered rapid stomatal response involves the production of reactive oxygen species, and is controlled by SLAC1 and OST1. Plant J 62: 442-453
Valerio C, Costa A, Marri L, Issakidis-Bourguet E, Pupillo P, Trost P, Sparla F (2011) Thioredoxin-regulated beta-amylase (BAM1) triggers diurnal starch degradation in guard cells, and in mesophyll cells under osmotic stress. J Exp Bot 62: 545-555
Van Aken O, Giraud E, Clifton R, Whelan J (2009) Alternative oxidase: a target and regulator of stress responses. Physiol Plant 137: 354-361
Van der Biezen EA, Jones JD (1998) Plant disease-resistance proteins and the gene-for-gene concept. Trends Biochem Sci 23: 454-456
Van Larebeke N, Engler G, Holsters M, Van den Elsacker S, Zaenen I, Schilperoort RA, Schell J (1974) Large plasmid in Agrobacterium tumefaciens essential for crown gall-inducing ability. Nature 252: 169-170
Vanlerberghe GC (2013) Alternative Oxidase: A mitochondrial respiratory pathway to maintain metabolic and signaling homeostasis during abiotic and biotic stress in Plants. Int J Mol Sci 14: 6805-6847
Verlaan M G, Hutton SF, Ibrahem RM, Kormelink R, Visser RG, Scott JW, Edwards JD, Bai Y (2013) The Tomato yellow leaf curl virus resistance genes Ty-1 and Ty-3 are allelic and code for DFDGD-Class RNA-dependent RNA polymerases. PLoS Genet 9: e1003399
Vargason JM, Burch CJ, Wilson JW (2013) Identification and RNA binding characterization of plant virus RNA silencing suppressor proteins. Methods 64: 88–93
Verbruggen N, Hermans C (2008) Proline accumulation in plants: a review. Amino Acids 35: 753-759
Verslues PE, Juenger TE (2011) Drought, metabolites, and Arabidopsis natural variation: a promising combination for understanding adaptation to water-limited environments. Curr Opin Plant Biol 14: 240-245
Vile D, Pervent M, Belluau M, Vasseur F, Bresson J, Muller B, Granier C, Simonneau T (2012) Arabidopsis growth under prolonged high temperature and water deficit: independent or interactive effects? Plant Cell Environ 35: 702-718
Vissenberg K, Fry SC, Pauly M, Hofte H, Verbelen JP (2005) XTH acts at the microfibril-matrix interface during cell elongation. J Exp Bot 56: 673-683
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
182
Voll LM, Zell MB, Engelsdorf T, Saur A, Wheeler MG, Drincovich MF, Weber AP, Maurino VG (2012) Loss of cytosolic NADP-malic enzyme 2 in Arabidopsis thaliana is associated with enhanced susceptibility to Colletotrichum higginsianum. New Phytol 195: 189-202
von Koskull-Doring P, Scharf KD, Nover L (2007) The diversity of plant heat stress transcription factors. Trends Plant Sci 12: 452-457
Walsh JA, Jenner CE (2002) Turnip mosaic virus and the quest for durable resistance. Mol Plant Pathol 3: 289-300
Walsh JA, Sharpe AG, Jenner CE, Lydiate DJ (1999) Characterisation of resistance to turnip mosaic virus in oilseed rape (Brassica napus) and genetic mapping of TuRB01. AG Theoretical and Applied Genetics 99: 1149–1154
Wang GP, Hui Z, Li F, Zhao MR, Zhang J, Wang W (2010) Improvement of heat and drought photosynthetic tolerance in wheat by overaccumulation of glycinebetaine. Plant Biotechnol Reports 4: 213-222
Wang H, Zhang H, Gao F, Li J, Li Z (2007) Comparison of gene expression between upland and lowland rice cultivars under water stress using cDNA microarray. Theor Appl Genet 115: 1109–1126
Wang RY, Pirone TP (1999) Purification and characterization of turnip mosaic virus helper component protein Phytopath 89: 564–567
Wang W, Vincocur, B, Altman A (2003) Plant responses to drought, salinity and extreme temperatures: towards genetic engineering for stress tolerance. Planta 218: 1-14
Wang Y, Bao Z, Zhu Y, Hua J (2009) Analysis of temperature modulation of plant defense against biotrophic microbes. Mol Plant Microbe Interact 22: 498-506
Wang ZY, Tobin EM (1998) Constitutive expression of the CIRCADIAN CLOCK ASSOCIATED 1 (CCA1) gene disrupts circadian rhythms and suppresses its own expression. Cell 93: 1207-1217
Weber C, Nover L, Fauth M (2008) Plant stress granules and mRNA processing bodies are distinct from heat stress granules. Plant J 56: 517–530
Weigel D, Mott R (2009) The 1001 genomes project for Arabidopsis thaliana. Genome Biol 10: 107
Weigel D, Nordborg M (2005) Natural variation in Arabidopsis. How do we find the causal genes? Plant Physiol 138: 567-568
Wheeler T, von Braun J (2013) Climate change impacts on global food security. Science 341: 508-513
Whitham SA, Quan S, Chang HS, Cooper B, Estes B, Zhu T, Wang X, Hou YM (2003) Diverse RNA viruses elicit the expression of common sets of genes in susceptible Arabidopsis thaliana plants. Plant J 33: 271-283
Wicke B, Smeets EM, Akanda R, Stille L, Singh RK, Awan AR, Mahmood K, Faaij AP (2013) Biomass production in agroforestry and forestry systems on salt-affected soils in South Asia: exploration of the GHG balance and economic performance of three case studies. J Environ Manage 127: 324-334
Widodo, Patterson JH, Newbigin E, Tester M, Bacic A, Roessner U (2009) Metabolic responses to salt stress of barley (Hordeum vulgare L.) cultivars, Sahara and Clipper, which differ in salinity tolerance. J Exp Bot 60: 4089-4103
Willmer C, Fricker M (1996) Stomata. 2nd ed. (London: Chapman & Hall). Winter D, Vinegar B, Nahal H, Ammar R, Wilson GV, Provart NJ (2007) An “Electronic
Fluorescent Pictograph” browser for exploring and analyzing large-scale biological data sets. PLoS One 2: e718
Wise RP, Moscou MJ, Bogdanove AJ, Whitham SA (2007) Transcript profiling in host-pathogen interactions. Annu Rev Phytopathol 45: 329-369
Wu C (1995) Heat shock transcription factors: structure and regulation. Annu Rev Cell Dev Biol 11: 441–469
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
183
Xiang L, Le Roy K, Bolouri-Moghaddam MR, Vanhaecke M, Lammens W, Rolland F, Van den Ende W (2011) Exploring the neutral invertase-oxidative stress defence connection in Arabidopsis thaliana. J Exp Bot 62: 3849-3862
Xiao F, Goodwin SM, Xiao Y, Sun Z, Baker D, Tang X, Jenks MA, Zhou JM (2004) Arabidopsis CYP86A2 represses Pseudomonas syringae type III genes and is required for cuticle development. EMBO J 23: 2903-2913
Xiong L (2003) Disease resistance and abiotic stress tolerance in rice are inversely modulated by an abscisic acid-inducible mitogen-activated protein kinase. Plant Cell Online 15: 745-759
Xiong L, Yang Y (2003) Disease resistance and abiotic stress tolerance in rice are inversely modulated by an abscisic acid-inducible mitogen-activated protein kinase. Plant Cell 15: 745-759
Xu P, Chen F, Mannas JP, Feldman T, Sumner LW, Roossinck MJ (2008) Virus infection improves drought tolerance. New Phytol 180: 911-921
Yakir E, Hilman D, Hassidim M, Green RM (2007) CIRCADIAN CLOCK ASSOCIATED1 transcript stability and the entrainment of the circadian clock in Arabidopsis. Plant Physiol 145: 925-932
Yalpani N, Enyedi AJ, León J, Raskin I (1994) Ultraviolet light and ozone stimulate accumulation of salicylic acid, pathogenesis-related proteins and virus resistance in tobacco. Planta 193: 372–376
Yang C, Guo R, Jie F, Nettleton D, Peng J, Carr T, Yeakley JM, Fan JB, Whitham SA (2007) Spatial analysis of Arabidopsis thaliana gene expression in response to Turnip mosaic virus infection. Mol Plant Microbe Interact 20: 358-370
Yang Q, Chen ZZ, Zhou XF, Yin HB, Li X, Xin XF, Hong XH, Zhu JK, Gong Z (2009) Overexpression of SOS (Salt Overly Sensitive) genes increases salt tolerance in transgenic Arabidopsis. Mol Plant 2: 22-31
Yang Z, Tian L, Latoszek-Green M, Brown D, Wu K (2005) Arabidopsis ERF4 is a transcriptional repressor capable of modulating ethylene and abscisic acid responses. Plant Mol Biol 58: 585-596
Yasuda M, Ishikawa A, Jikumaru Y, Seki M, Umezawa T, Asami T, Maruyama-Nakashita A, Kudo T, Shinozaki K, Yoshida S, Nakashita H (2008) Antagonistic interaction between systemic acquired resistance and the abscisic acid-mediated abiotic stress response in Arabidopsis. Plant Cell 20: 1678-1692
Ye C, Dickman MB, Whitham SA, Payton M, Verchot J (2011) The unfolded protein response is triggered by a plant viral movement protein. Plant Physiol 156: 741-755
Yeh CH, Kaplinsky NJ, Hu C, Charng YY (2012) Some like it hot, some like it warm: phenotyping to explore thermotolerance diversity. Plant Sci 195: 10-23
Yu H, Chen X, Hong YY, Wang Y, Xu P, Ke SD, Liu HY, Zhu JK, Oliver DJ, Xiang CB (2008) Activated expression of an Arabidopsis HD-START protein confers drought tolerance with improved root system and reduced stomatal density. Plant Cell 20: 1134-1151
Zeller G, Henz SR, Widmer CK, Sachsenberg T, Ratsch G, Weigel D, Laubinger S (2009) Stress-induced changes in the Arabidopsis thaliana transcriptome analyzed using whole-genome tiling arrays. Plant J 58: 1068-1082
Zhang J, Shao F, Li Y, Cui H, Chen L, Li H, Zou Y, Long C, Lan L, Chai J, Chen S, Tang X, Zhou JM (2007) A Pseudomonas syringae effector inactivates MAPKs to suppress PAMP-induced immunity in plants. Cell Host Microbe 1: 175-185
Zhang L, Wang A (2012) Virus-induced ER stress and the unfolded protein response. Front Plant Sci 3: 293
Zhang R, Wise RR, Struck KR, Sharkey TD (2010) Moderate heat stress of Arabidopsis thaliana leaves causes chloroplast swelling and plastoglobule formation. Photosynth Res 105: 123-134
Zhang T, Liu Y, Yang T, Zhang L, Xu S, Xue L, An L (2006) Diverse signals converge at MAPK cascades in plant. Plant Physiol Biochem 44: 274-283
Literaturverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
184
Zhang X, Liu S, Takano T (2008) Two cysteine proteinase inhibitors from Arabidopsis thaliana, AtCYSa and AtCYSb, increasing the salt, drought, oxidation and cold tolerance. Plant Mol Biol 68: 131-143
Zhang Y, Lubberstedt T, Xu M (2013) The genetic and molecular basis of plant resistance to pathogens. J Genet Genomics 40: 23-35
Zhu Y, Qian W, Hua J (2010) Temperature modulates plant defense responses through NB-LRR proteins. PLoS Pathog 6: e1000844
Zipfel C (2008) Pattern-recognition receptors in plant innate immunity. Curr Opin Immunol 20: 10-16
Zsigmond L, Rigo G, Szarka A, Szekely G, Otvos K, Darula Z, Medzihradszky KF, Koncz C, Koncz Z, Szabados L (2008) Arabidopsis PPR40 connects abiotic stress responses to mitochondrial electron transport. Plant Physiol 146: 1721-1737
Abkürzungsverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
185
Abkürzungsverzeichnis
% Prozent
°C Grad Celsius
µg Mikrogramm
µl Mikroliter
AOX Alternative Oxidase
A. thaliana Arabidopsis thaliana
A. tumefaciens Agrobacterium tumefaciens
ABA Abscisinsäure
BHFDR BENJAMINI-HOCHBERG FALSE DISCOVERY RATE
BMV Brome mosaic virus
bp Basenpaare
bzw. beziehungsweise ca. circa CaMV Cauliflower Mosaic Virus
cDNA complementary DNA; komplementäre DNA
cm Zentimeter
CMV Cucumber mosaic virus
Col-0 Columbia
CP coat protein; Hüllprotein
cyt-UPR cytosolic unfolded protein response
d Tag (e)
d.h. das heißt
dsRNA doppelsträngige RNA
E Einstein
E. coli Escherichia coli
ER endoplasmatisches Retikulum
ER-UPR ER unfolded protein response
et al. et alii
ETI Effektor-vermittelte Immunantwort
g Erdbeschleunigung g
g Gramm
GFP grün-fluoreszierendes Protein
h Stunden
HPLC Hochleistungsflüssigkeitschromatografie
HR hypersensitive Reaktion
HSE Hitzeschockelemente
HSF Hitzeschockfaktoren
HSG Hitzestresskörnchen
HSP Hitzeschockproteine
kb Kilobasen
kDa Kilodalton
KLSM Konfokale Laserscanning Mikroskopie
Abkürzungsverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
186
l Liter
IAA Indol-3-Essigsäure
IPCC Intergovernmental Panel on Climate Change
JA Jasmonat
LEA-Proteine late embryogenesis abudant
LRR Leucin-reiche Domänen
M Molar
mA Milliampere
MAPK Mitogen-aktivierte Protein Kinase
mg Milligramm
min Minute(n)
ml Milliliter
mm Millimeter
mM Millimolar
μM Mikromolar
N. benthamiana Nicotiana benthamiana
nm Nanometer
oD600 optische Dichte bei 600 nm
PAMPs Pathogen associated molecular patterns
PCA principal component analysis
PCR Polymerase-Kettenreaktion
PIPs plasma membrane intrinsic proteins
PPR pentatricopeptide repeat
PR pathogen-related genes
P. syringae Pseudomonas syringae
PTI PAMP-triggered immunity
pv. Pathovar
PVX potoato virus X
PVY potato virus Y
RdRp RNA-abhängige RNA Polymerase
RDV Rice dwarf virus
ROS reactive oxygen species
RT Raumtemperatur oder Reverse Transkription
R-Gen Resistenz-Gen
R-Type rapid channels
s Sekunden
SA Salizylsäure
SAUR SMALL AUXIN UP RNA
siRNAs small interfering RNA
sog. sogenannt
ssDNA single stranded DNA
S-Type slow channels
TBSV Tomatenzwergbuschvirus
TCA tricarboxylic acid
TIPs tonoplast intrinsic proteins
Abkürzungsverzeichnis ______________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________ __________________________________________________
187
TIR-NB-LRR Toll/Interleukin 1-Rezeptor-ähnliche NB-LRR
TMV Tobacco mosaic virus
TSWV Tomato spotted wilt virus
TuMV Turnip Mosaic Virus
u.a. unter anderem
Upm Umdrehungen pro Minute
UPR Unfolded protein response
VAMPS Virus associated molecular patterns
z.B. zum Beispiel
zw-Invertase Zellwandinvertase
Anhang
188
Anhang
A1 PCA-Analyse der Metabolite multifaktoriell gestresster Pflanzen
im Vergleich zur Kontrolle (PC2 und PC3)
A1: PCA-Analyse der Metabolite multifaktoriell gestresster Pflanzen im Vergleich zur Kontrolle. A) Die
PCA-Separation basierend auf Metabolitdaten der verschieden behandelten Pflanzen nach Komponente zwei
(21.5%) und zwei (11.6%). B) Für die PCA-Separation verantwortliche Metabolite. Hitze (h), Virus (v), Trockenheit
(d), Trockenheit-Hitze (dh), Virus-Trockenheit (vd), Virus-Hitze (vh) und Virus-Trockenheit-Hitze (vdh).
Anhang
189
A2 Cluster-Analyse der Col-0 Pflanzen und Rap2.9-GFP Pflanzen
A2: Hierarchische Cluster-Analyse der Transkripte aus Col-0 Pflanzen und Rap2.9-GFP-Pflanzen. Für diese
Analyse wurden jeweils vier biologische Replikate der Col-0 Pflanzen sowie Rap2.9-GFP-Pflanzen unter
Kontrollbedingungen hybridisiert. Die Cluster-Analyse wurde nach PEARSON UNCENTRED durchgeführt. Blau
markierte Felder stellen die Replikate der Rap2.9-GFP Pflanzen dar, wohingegen rot-markierte Felder die
Replikate der Col-0 repräsentieren.
A3 Detailauswertung der Transkriptdaten in Rap2.9-GFP Pflanzen
0.00.51.01.52.0
Herunterregulierte features Hochregulierte features
0.0 0.5 1.0 1.5 2.0 2.5 3.0
ABA
Auxin
Brassinosteroide
Cytokinin
Ethylen
Gibberelin
Jasmonat
Salizylsäure
Anhang
190
A4 Triplespezifische Transkriptionsfaktoren
AGI-No. Identifier regulation
(log2)
gene name
AT3G63350 A_84_P22274 4.13 AT-HSFA7B
AT5G05410 A_84_P822865 3.65 DREB2A
AT5G05410 A_84_P786287 3.54 DREB2A
AT5G05410 A_84_P21501 3.46 DREB2A
AT3G02990 A_84_P10767 2.52 HSFA1E
AT1G54160 A_84_P854478 2.37 NF-YA5
AT1G01520 A_84_P838948 2.18 AT1G01520
AT5G16600 A_84_P784713 1.83 MYB43
AT4G00870 A_84_P16605 1.79 AT4G00870
AT5G04410 A_84_P853155 1.75 NAC2
AT1G20640 A_84_P23615 1.72 AT1G20640
AT4G00940 A_84_P834435 1.72 AT4G00940
AT2G21320 A_84_P191914 1.68 AT2G21320
AT3G22560 A_84_P838159 1.67 AT3G22560
AT3G61630 A_84_P15645 1.54 CRF6
AT5G59780 A_84_P14086 1.54 MYB59
AT4G36900 A_84_P819283 1.52 RAP2.10
AT5G04410 A_84_P815320 1.51 NAC2
AT2G45050 A_84_P10681 1.44 GATA2
AT3G61890 A_84_P15646 1.39 0
AT3G61890 A_84_P834156 1.36 0
AT2G04038 A_84_P16999 1.35 bZIP48
Vorproduktsynthese
Zellulosesynthese
Hemizellulosesynthese
Pektinsynthese
Zellwandproteine
Abbau
Modifikation
Pektinesterasen
Brassinosteroid
Cytokinin
Ethylene
Gibberelin
Jasmonate
Salizylsäure
Herunterregulierte features
0.01.02.0
Anhang
191
AT5G24120 A_84_P13983 1.31 SIGE
AT2G20400 A_84_P823329 1.30 AT2G20400
AT4G22950 A_84_P17613 1.29 AGL19
AT3G25890 A_84_P72004 1.26 AT3G25890
AT3G16940 A_84_P830631 1.25 AT3G16940
AT1G45249 A_84_P751371 1.25 ABF2
AT3G62090 A_84_P826999 1.23 PIL2
AT1G78080 A_84_P801809 1.22 RAP2.4
AT1G72650 A_84_P825518 1.21 TRFL6
AT1G46264 A_84_P118932 1.21 HSFB4
AT1G29560 A_84_P10264 1.20 AT1G29560
AT3G10800 A_84_P17376 1.20 BZIP28
AT1G79840 A_84_P19054 1.20 GL2
AT3G10030 A_84_P279840 1.19 AT3G10030
AT1G78080 A_84_P847047 1.19 RAP2.4
AT5G12840 A_84_P21526 1.18 NF-YA1
AT1G78080 A_84_P800982 1.17 RAP2.4
AT5G22290 A_84_P23435 1.16 NAC089
AT1G64620 A_84_P834721 1.15 AT1G64620
AT1G78080 A_84_P13328 1.15 RAP2.4
AT3G61420 A_84_P15644 1.15 AT3G61420
AT3G52910 A_84_P760097 1.13 GRF4
AT3G60530 A_84_P818306 1.13 GATA4
AT2G47460 A_84_P19141 1.13 MYB12
AT5G02840 A_84_P767209 1.12 LCL1
AT3G10030 A_84_P824320 1.11 AT3G10030
AT5G42820 A_84_P18752 1.11 U2AF35B
AT3G20010 A_84_P16505 1.11 AT3G20010
AT3G01470 A_84_P815174 1.11 HB-1
AT4G17880 A_84_P19485 1.10 AT4G17880
AT5G37260 A_84_P14948 1.10 RVE2
AT1G35560 A_84_P15092 1.10 AT1G35560
AT5G02840 A_84_P23386 1.10 LCL1
AT2G46830 A_84_P847991 1.09 CCA1
AT1G44810 A_84_P845254 1.09 AT1G44810
AT4G17880 A_84_P825552 1.09 AT4G17880
AT3G01140 A_84_P824668 1.09 MYB106
AT1G44810 A_84_P858451 1.08 AT1G44810
AT1G32870 A_84_P11450 1.07 NAC13
AT2G41710 A_84_P56200 1.07 AT2G41710
AT5G25830 A_84_P18718 1.06 GATA12
AT1G45249 A_84_P576436 1.05 ABF2
AT1G05690 A_84_P832776 1.05 BT3
AT5G13960 A_84_P14908 1.05 SUVH4
Anhang
192
AT1G01250 A_84_P17366 1.03 AT1G01250
AT1G05690 A_84_P521345 1.03 BT3
AT4G18830 A_84_P15705 1.02 OFP5
AT3G01890 A_84_P828803 1.02 AT3G01890
AT3G56570 A_84_P17518 1.02 AT3G56570
AT2G31180 A_84_P22012 1.01 MYB14
AT5G04410 A_84_P15822 1.01 NAC2
AT5G03740 A_84_P10149 1.01 HD2C
AT1G62700 A_84_P22438 1.01 ANAC026
AT2G44745 A_84_P175924 1.00 AT2G44745
AT5G14280 A_84_P112852 -1.00 AT5G14280
AT3G17860 A_84_P107602 -1.01 JAZ3
AT2G45190 A_84_P825864 -1.01 AFO
AT2G40260 A_84_P579880 -1.01 AT2G40260
AT2G23760 A_84_P14514 -1.03 BLH4
AT3G54220 A_84_P852904 -1.05 SCR
AT2G17150 A_84_P757492 -1.05 AT2G17150
AT1G18400 A_84_P21523 -1.06 BEE1
AT1G66230 A_84_P12141 -1.06 MYB20
AT2G42300 A_84_P222236 -1.06 AT2G42300
AT2G18380 A_84_P18203 -1.08 GATA20
AT5G58900 A_84_P21648 -1.08 AT5G58900
AT1G51700 A_84_P849473 -1.08 DOF1
AT2G40260 A_84_P838751 -1.10 AT2G40260
AT5G54180 A_84_P183904 -1.10 PTAC15
AT1G79700 A_84_P816501 -1.11 AT1G79700
AT5G45050 A_84_P853174 -1.12 TTR1
AT1G79700 A_84_P21850 -1.12 AT1G79700
AT4G27230 A_84_P191564 -1.13 HTA2
AT2G02070 A_84_P18243 -1.13 IDD5
AT5G60470 A_84_P13144 -1.13 AT5G60470
AT5G46710 A_84_P68194 -1.14 AT5G46710
AT3G28910 A_84_P11762 -1.15 MYB30
AT1G22590 A_84_P750837 -1.17 AGL87
AT2G06025 A_84_P516250 -1.17 AT2G06025
AT5G45050 A_84_P827063 -1.19 TTR1
AT3G51060 A_84_P870394 -1.20 STY1
AT5G43250 A_84_P592388 -1.22 NF-YC13
AT1G53230 A_84_P17124 -1.29 TCP3
AT5G07580 A_84_P821249 -1.31 AT5G07580
AT5G07580 A_84_P12054 -1.32 AT5G07580
AT1G16530 A_84_P506289 -1.34 ASL9
AT3G02550 A_84_P168853 -1.38 LBD41
AT1G02230 A_84_P751150 -1.47 NAC004
Anhang
193
AT3G28910 A_84_P857824 -1.52 MYB30
AT4G23550 A_84_P23291 -1.53 WRKY29
AT1G16530 A_84_P837201 -1.57 ASL9
AT3G56400 A_84_P16571 -1.85 WRKY70
AT1G16530 A_84_P837979 -2.04 ASL9
AT2G37430 A_84_P22991 -2.49 AT2G37430
AT1G19050 A_84_P10395 -2.95 ARR7
A5 Kodon-optimierte Sequenz von HSFA7B
GGATCCAACAATGGACCCTTCCTCTTCCTCTCGTGCTCGCTCCATGCCTCCACCTGTTCCCATGGAAGGACTTCAGGAGGCTGGACCTTCCCCTTTCCTTACCAAGACCTTCGAAATGGTTGGAGACCCTAACACCAACCACATTGTTTCCTGGAACCGCGGAGGAATTTCCTTCGTGGTTTGGGACCCTCACTCCTTCTCCGCTACCATTCTTCCTCTTTACTTTAAGCACAATAACTTCTCCTCCTTCGTTCGCCAACTTAACACCTACGGATTCCGCAAGATTGAGGCTGAGCGCTGGGAATTTATGAATGAGGGATTCCTTATGGGACAGAGGGACCTTCTTAAGTCCATTAAGCGCCGCACCTCCTCATCCTCTCCCCCATCTCTCAACTACTCCCAGTCCCAGCCTGAGGCTCACGACCCTGGAGTTGAGCTTCCTCAGCTTCGCGAGGAACGCCACGTTCTTATGATGGAAATTTCCACCCTTCGCCAGGAGGAGCAGCGCGCTCGCGGATACGTTCAGGCTATGGAGCAGCGCATTAATGGAGCTGAGAAGAAGCAGCGCCACATGATGTCCTTCCTTCGCCGCGCTGTTGAGAATCCCTCCCTTCTTCAGCAAATCTTCGAACAGAAGCGCGACCGCGAGGAAGCTGCTATGATTGACCAGGCTGGACTTATTAAGATGGAGGAAGTTGAGCACCTTTCCGAGCTTGAGGCTCTTGCTCTTGAAATGCAGGGATACGGACGCCAGCGCACCGACGGAGTTGAGCGCGAGCTTGATGACGGATTCTGGGAGGAGCTTCTTATGAACAATGAGAACTCTGACGAGGAGGAAGCTAATGTTAAGCAAGACGTCGAC
Anhang
194
A6 Cluster-Analyse der Col-0 Pflanzen und HSFA7B-myc Pflanzen
A6: Hierarchische Cluster-Analyse der Transkripte aus Col-0 Pflanzen und HSFA7B-myc Pflanzen. Für
diese Analyse wurden jeweils drei biologische Replikate der Col-0 Pflanzen sowie vier Replikate der HSFA7B-
myc Pflanzen unter Kontrollbedingungen hybridisiert. Die Cluster-Analyse wurde nach PEARSON UNCENTRED
durchgeführt. Blau markierte Felder stellen die Replikate der Col-0 Pflanzen dar, wohingegen rot-markierte Felder
die Replikate der HSFA7B-myc repräsentieren.
A7 Tunicamycin-induzierte Gene verschiedener Studien
Verglichene Studien
Iwata 2010
Martinez und Chrispals (a), 2003 Noh et al., 2003 (b) ; Kamauchi et al., 2005 (c) Iwata 2008
Anzahl der Studien
BIP3 AT1G09080 abc 2008 5
UTR1 AT2G02810 abc 2008 5
unkown AT1G27350 abc 2008 5
Calreticulin family protein AT5G07340 abc 2008 5
BIP1 AT5G28540 abc 2008 5
ATCNX1 AT5G61790 abc 2008 5
CRT1B AT1G09210 abc 2008 5
HSP90.7 AT4G24190 abc 2008 5
HSFA7B-MYC WT WT HSFA7B-MYC
Anhang
195
A8 Seneszenz-regulierte Gene unter verschiedenen
Stressbedingungen
Seneszenz-regulierte Gene h d v vd dh vh vdh sh AGI-No Gene
3.70 0.41 2.71 3.07 -0.27 3.83 0.40 4.85 At2g29350 SAG13
2.86 0.41 0.46 1.80 2.45 2.80 1.90 2.90 At1g61800 GPT2
2.83 0.61 1.84 1.84 1.63 1.11 -1.04 0.35 At4g31800 WRKY18
2.65 0.69 0.49 1.02 3.63 2.65 3.81 4.92 At1g17020 SRG1
2.25 1.00 2.34 2.41 3.21 2.41 1.83 3.32 At1g05340 Gepstain3
2.00 1.69 3.22 2.55 1.20 1.06 0.15 -0.54 At4g32940 gVPE
1.66 0.59 1.12 1.26 2.15 0.77 0.86 -0.09 At5g61900 BON1/CPN
1.59 0.25 1.18 1.14 1.35 0.57 -0.40 -1.75 At1g18210 Gepstain4
1.52 -0.19 -0.57 1.28 1.14 0.99 2.02 2.11 At1g69490 NAP
1.47 0.40 0.66 0.76 1.64 0.11 -0.02 -0.95 At3g52800 Gepstain1
1.30 -0.05 -0.53 -0.88 0.97 0.46 0.14 0.92 At4g35770 SEN
1.07 0.53 -1.09 0.32 2.16 0.92 2.80 3.08 At1g79850 ORE4
0.94 0.35 1.10 0.89 0.76 2.17 0.10 2.39 At4g30270 SEN4
0.72 0.11 0.07 0.23 0.94 0.79 1.12 1.21 At5g64930 HYS1/CPR5
0.59 0.69 1.15 1.17 0.57 0.37 0.01 -0.83 At5g48380 SIRKb
0.41 0.41 0.48 1.67 -0.06 0.07 -0.56 0.71 At1g71190 SAG18
0.38 0.07 0.13 0.26 0.72 0.57 0.97 0.76 At4g21610 LOL2
0.37 -0.46 2.48 1.93 -0.88 1.31 -1.32 0.58 At2g19190 SIRKa
0.20 0.22 0.38 0.41 0.42 0.37 0.90 0.47 At5g47120 BI-1
-0.13 0.01 0.13 0.40 0.19 0.27 0.23 0.34 At5g10650 Gepstain2
-0.14 0.21 -0.21 -0.29 -0.21 -0.25 -0.19 0.12 At5g26340 STP13
-0.28 -0.31 -0.18 -0.02 -0.35 -0.82 -1.02 -0.71 At3g60140 SRG2
-0.41 -0.02 -0.02 -0.01 -0.20 -0.35 -0.12 -0.27 At2g34690 ACD11
-0.72 0.07 0.03 0.08 -0.75 -0.64 -0.47 -0.25 At3g44880 ACD1/PAO
-0.79 -0.55 -0.23 -0.59 -1.59 -0.95 -1.63 -1.86 At5g16570 GLN1;4
-0.79 0.71 0.37 0.57 -0.27 -0.66 -0.68 -3.69 At4g14400 ACD6
-0.85 -0.30 -0.07 -0.51 -1.24 -1.02 -1.27 -1.30 At5g15410 DND1
-1.08 -0.19 -0.47 -0.69 -1.65 -1.47 -1.98 -1.03 At1g32540 LOL1
-1.11 0.09 -0.15 -0.19 -1.21 -1.29 -1.25 -1.36 At4g09010 Apx4
-1.27 0.10 0.08 0.04 -1.46 -0.92 -1.62 -1.87 At1g77490 tApx
-1.32 -1.26 -1.23 -1.35 -0.63 -1.95 -1.61 n.d. At1g56650 PAP1/MYB75
-1.38 -0.16 -0.17 -0.47 -1.58 -1.52 -1.52 -1.61 At4g23810 WRKY53
A8: Seneszenz-assoziierte Transkripte in Pflanzen unter multiparallelen Stressbedingungen. Dargestellt
sind die Expressionslevel von Seneszenzgenen nach Ascencio-Ibanez et al., 2008 in Pflanzen unter verschiedenen Stressbedingungen im Vergleich zu Kontrollpflanzen.
Anhang
196
Blatt Col-0 d
Blatt bam1
dr
Blatt bam1 con
Blatt Col con
Stomata Col
dr62%
Stomata bam1
dr
Stomata bam1 con
Stomata Col-0 con
A9 Cluster-Analyse von bam1 und Col-0 Transkripten
A9: Hierarchische Cluster-Analyse der Transkripte aus Col-0 Pflanzen und bam1 Pflanzen unter
Kontrollbedingungen und Trockenheit. Für diese Analyse wurden bam1 und Col-0 Pflanzen im Alter von 29
Tagen einem fünf-tägigem Trockenstress ausgesetzt. Anschließend wurde RNA aus gesamten Blättern sowie aus
Stomata extrahiert. Jeweils zwei bis drei biologische Replikate der Col-0 Pflanzen sowie bam1 Pflanzen wurden
hybridisiert. Nach einem ANOVA-Test verblieben 23017 Gene, die hier nach PEARSON UNCENTRED geclustert
wurden. Die jeweiligen Proben sind beschriftet.
A10 Differentiell regulierte Stomatagene von bam1 Pflanzen unter
Trockenheit
ProbeName
Regulation [St bam1
drought] Vs [St bam1
con]
AGI-No Gensymbol Genname GenbankAccession
A_84_P14137 4.56 AT5G13170 SAG29 senescence-associated protein 29 NM_121320
A_84_P842527 4.44 AT5G42800
A_84_P187174 3.83 AT3G17520 AT3G17520 late embryogenesis abundant domain-containing protein NM_112632
A_84_P11524 3.69 AT1G62160 AT1G62160 serine protease inhibitor (SERPIN)-like protein NM_104897
A_84_P19111 3.39 AT2G42090 ACT9 actin 9 NM_129772
A_84_P798739 3.30 AT4G39360 AT4G39360 hypothetical protein NM_120096
A_84_P13256 3.23 AT1G60470 GolS4 galactinol synthase 4 NM_104734
A_84_P17045 3.13 AT1G08630 THA1 threonine aldolase NM_100736
A_84_P21090 2.76 AT1G75430 BLH11 BEL1-like homeodomain 11 NM_106197
A_84_P767274 2.69 AT5G32522
A_84_P10510 2.61 AT1G69720 HO3 heme oxygenase 3 NM_001124102
A_84_P233709 2.56 AT5G15190 AT5G15190 hypothetical protein NM_180492
A_84_P764177 2.47 AT4G32215
A_84_P11752 2.40 AT3G30210 MYB121 myb proto-oncogene protein NM_113920
A_84_P20824 2.38 AT1G23070 AT1G23070 hypothetical protein NM_102155
A_84_P16597 2.38 AT3G63040 AT3G63040 hypothetical protein NM_116169
A_84_P154335 2.37 AT5G23220 NIC3 nicotinamidase 3 NM_122228
Blatt bam1 con
Anhang
197
A_84_P547572 2.28 AT4G02360 AT4G02360 hypothetical protein NM_116469
A_84_P18401 2.23 AT3G12580 HSP70 heat shock protein 70-4 NM_112093
A_84_P602046 2.22 AT5G40790 AT5G40790 hypothetical protein NM_123444
A_84_P555258 2.20 AT2G20150 AT2G20150 hypothetical protein NM_127574
A_84_P115562 2.16 AT1G73325 AT1G73325 Kunitz family trypsin and protease inhibitor protein NM_105992
A_84_P762787 2.14 AT3G15534 AT3G15534 hypothetical protein NM_001125164
A_84_P298044 2.11 AT2G28270 AT2G28270 cysteine/histidine-rich C1 domain-containing protein NM_128387
A_84_P17224 2.11 AT2G19810 AT2G19810 zinc finger CCCH domain-containing protein 20 NM_127539
A_84_P108742 2.07 AT1G46768 RAP2.1 ethylene-responsive transcription factor RAP2-1 NM_103607
A_84_P700840 2.07 AT4G19191 AT4G19191 pentatricopeptide repeat-containing protein NM_001125541
A_84_P505192 2.05 AT5G21970 AT5G21970 ubiquitin carboxyl-terminal hydrolase-like protein NM_147880
A_84_P831942 1.97 AT4G20320 AT4G20320 putative CTP synthase NM_001084942
A_84_P22000 1.95 AT1G04840 AT1G04840 pentatricopeptide repeat-containing protein NM_100362
A_84_P549811 1.95 AT1G47395 AT1G47395 hypothetical protein NM_179449
A_84_P715622 1.94 AT5G35670
A_84_P18726 1.93 AT5G28080 WNK9 putative serine/threonine-protein kinase WNK9 NM_001036883
A_84_P11248 1.90 AT5G59220 HAI1 protein phosphatase NM_125312
A_84_P11000 1.89 AT4G24010 CSLG1 cellulose synthase-like protein G1 NM_118533
A_84_P609145 1.88 AT5G40855 AT5G40855 hypothetical protein NM_148065
A_84_P12520 1.87 AT2G33100 CSLD1 cellulose synthase-like protein D1 NM_128870
A_84_P534217 1.85 AT3G48240 AT3G48240 octicosapeptide/Phox/Bem1p domain-containing protein NM_114694
A_84_P813957 1.84 #NV
A_84_P604726 1.83 AT5G42290 AT5G42290 transcription activator-related protein NM_123594
A_84_P21787 1.83 AT1G04570 AT1G04570 integral membrane transporter family protein NM_100336
A_84_P802507 1.82 #NV
DQ108776
A_84_P842635 1.81 #NV
A_84_P790292 1.79 AT1G52390 AT1G52390 hypothetical protein BT011876
A_84_P10267 1.79 AT5G49190 SUS2 sucrose synthase 2 NM_124296
A_84_P572184 1.78 AT2G35200 AT2G35200 hypothetical protein NM_129073
A_84_P12431 1.78 AT1G74420 FUT3 fucosyltransferase 3 NM_202413
A_84_P847749 1.78 AT5G60830
A_84_P242043 1.75 AT3G19500 AT3G19500 transcription factor bHLH113 NM_112837
A_84_P831322 1.75 AT3G18770 AT3G18770 Autophagy-related protein 13 NM_112763
A_84_P188894 1.74 AT2G27610 AT2G27610 pentatricopeptide repeat-containing protein NM_128320
A_84_P19458 1.72 AT4G04940 AT4G04940 transducin/WD40 domain-containing protein NM_116732
A_84_P836418 1.71 AT5G47480 AT5G47480 RGPR-related protein NM_124121
A_84_P22740 1.71 AT1G77200 AT1G77200 ethylene-responsive transcription factor ERF037 NM_106369
A_84_P839208 1.71 AT1G70260 AT1G70260 nodulin MtN21 /EamA-like transporter protein NM_105694
A_84_P847162 1.70 AT4G16740 TPS03 (E)-beta-ocimene synthase NM_001036574
A_84_P514803 1.70 AT4G18840 AT4G18840 pentatricopeptide repeat-containing protein NM_118000
A_84_P543604 1.67 AT1G47400 AT1G47400 hypothetical protein NM_103634
A_84_P90179 1.66 AT5G50720 HVA22E HVA22-like protein e NM_124450
A_84_P21605 1.66 AT5G46830 NIG1 transcription factor bHLH28 NM_124054
A_84_P275980 1.65 AT4G18980 AtS40-3 protein AtS40-3 NM_118016
A_84_P10354 1.65 AT1G27940 PGP13 ABC transporter B family member 13 NM_102559
A_84_P790048 1.64 AT3G28956 AT3G28956 RNA polymerase II, Rpb4, core protein NM_148760
A_84_P11122 1.63 AT5G11590 TINY2 dehydration-responsive element-binding protein 3 NM_121197
A_84_P14044 1.62 AT1G29540 AT1G29540 hypothetical protein NM_102694
A_84_P18271 1.60 AT1G07500 AT1G07500 hypothetical protein NM_100624
A_84_P132025 1.59 AT1G69260 AFP1 Ninja-family protein AFP1 NM_105593
A_84_P761377 1.59 AT3G02493 RTFL19 protein rotundifolia like 19 NM_001084625
A_84_P128501 1.57 AT5G23480 AT5G23480 SWIB/MDM2, Plus-3 and GYF domain-containing protein NM_122255
A_84_P586198 1.57 AT1G15510 ECB2 pentatricopeptide repeat-containing protein NM_101420
A_84_P585163 1.57 AT5G49120 AT5G49120 hypothetical protein NM_124289
A_84_P839412 1.57 #NV
Anhang
198
A_84_P92419 1.57 AT4G09745
A_84_P13093 1.56 AT5G46670 AT5G46670 Cysteine/Histidine-rich C1 domain family protein NM_124037
A_84_P822795 1.56 AT2G12400 AT2G12400 hypothetical protein NM_126891
A_84_P562243 1.55 AT1G62350 AT1G62350 pentatricopeptide repeat-containing protein NM_104915
A_84_P21349 1.54 AT4G04760 AT4G04760 sugar transporter ERD6-like 15 NM_116714
A_84_P755415 1.54 AT2G21420 AT2G21420 IBR domain containing protein NM_127714
A_84_P753234 1.53 AT1G12672
A_84_P537769 1.52 AT3G50420 AT3G50420 pentatricopeptide repeat-containing protein NM_114902
A_84_P20644 1.52 AT5G42840 AT5G42840 cysteine/histidine-rich C1 domain-containing protein NM_123649
A_84_P18827 1.51 AT5G62370 AT5G62370 pentatricopeptide repeat-containing protein NM_125631
A_84_P793132 1.51 AT1G62660 AT1G62660 beta-fructofuranosidase BP601430
A_84_P19272 1.50 AT1G53100 AT1G53100 Core-2/I-branching beta-1,6-N-acetylglucosaminyltransferase-like protein NM_104189
A_84_P17175 1.48 AT1G32560 AT1G32560 Late embryogenesis abundant protein, group 1 protein NM_102991
A_84_P16638 1.47 AT4G11690 AT4G11690 pentatricopeptide repeat-containing protein NM_117238
A_84_P23408 1.47 AT5G09950 AT5G09950 pentatricopeptide repeat-containing protein NM_121032
A_84_P785044 1.47 AT2G27840 HDT4 histone deacetylase HDT4 NM_128344
A_84_P149598 1.47 AT2G02290 AT2G02290 Haloacid dehalogenase-like hydrolase-like protein NM_126287
A_84_P54840 1.44 AT3G19270 CYP707A4 abscisic acid 8'-hydroxylase 4 NM_112814
A_84_P23399 1.43 AT5G07080 AT5G07080 HXXXD-type acyl-transferase-like protein NM_120790
A_84_P603285 1.42 AT2G01730 CPSF73-II cleavage and polyadenylation specificity factor subunit 3-II NM_126234
A_84_P845921 1.42 AT3G20100 CYP705A19 cytochrome P450, family 705, subfamily A, polypeptide 19 NM_112901
A_84_P799589 1.41 AT2G43500 AT2G43500 RWP-RK domain-containing protein NM_001161101
A_84_P515691 1.41 AT4G14590 emb2739 integrator complex subunit 3 NM_117539
A_84_P108352 1.41 AT2G07750 AT2G07750 putative DEAD-box ATP-dependent RNA helicase 33 NM_126777
A_84_P788334 1.40 At2g26355 AT4G07408 hypothetical protein NM_001125470
A_84_P17733 1.40 AT5G10080 AT5G10080 aspartic proteinase-like protein 1 NM_121046
A_84_P22601 1.40 AT5G60335 AT5G60335 Thioesterase-like protein NM_001203651
A_84_P850662 1.40 AT5G13660 AT5G13660 hypothetical protein NM_001125746
A_84_P18256 1.39 AT2G30840 AT2G30840 2-oxoglutarate (2OG) and Fe(II)-dependent oxygenase-like protein NM_128637
A_84_P100746 1.38 AT3G28220 AT3G28220 TRAF-like family protein NM_113741
A_84_P16850 1.38 AT5G40020 AT5G40020 pathogenesis-related thaumatin-like protein NM_123365
A_84_P602189 1.38 AT1G06710 AT1G06710 pentatricopeptide repeat-containing protein NM_100548
A_84_P795300 1.38 AT2G40080 ELF4 hypothetical protein BP652706
A_84_P22475 1.38 AT5G13830 AT5G13830 FtsJ-like methyltransferase family protein NM_121386
A_84_P750050 1.38 AT1G12670
EF182835
A_84_P723830 1.37 AT1G25422 AT1G25422 hypothetical protein NM_001160894
A_84_P827487 1.37 AT2G04650 AT2G04650 ADP-glucose pyrophosphorylase-like protein NM_126494
A_84_P788262 1.37 AT2G30480 AT2G30480 hypothetical protein NM_201836
A_84_P147148 1.37 AT1G71960 ABCG25 ABC transporter G family member 25 NM_105854
A_84_P12493 1.36 AT2G30540 AT2G30540 monothiol glutaredoxin-S9 NM_128606
A_84_P17941 1.36 AT2G07718 AT2G07718 Cytochrome b/b6 protein NM_126756
A_84_P505985 1.36 AT4G35130 AT4G35130 pentatricopeptide repeat-containing protein NM_119679
A_84_P832518 1.35 AT5G51340 AT5G51340 cohesin-load domain-containing protein NM_124513
A_84_P146119 1.35 AT1G78930 AT1G78930 Mitochondrial transcription termination factor family protein NM_106542
A_84_P307070 1.35 AT1G55030 AT1G55030 putative FBD-associated F-box protein NM_104377
A_84_P14226 1.35 AT1G10070 BCAT-2 branched-chain-amino-acid aminotransferase 2 NM_001035939
A_84_P525543 1.33 AT5G09270 AT5G09270 hypothetical protein NM_180468
A_84_P19357 1.33 AT3G44990 XTR8 xyloglucan:xyloglucosyl transferase NM_114368
A_84_P855667 1.33 AT2G25760 AT2G25760 casein kinase I-like protein NM_128136
A_84_P505850 1.33 AT3G56250 AT3G56250 hypothetical protein NM_115483
A_84_P796069 1.32 AT4G01670 AT4G01670 hypothetical protein NM_116397
A_84_P815208 1.32 AT4G15530 PPDK pyruvate, phosphate dikinase 1 NM_001036570
A_84_P15165 1.31 AT1G09040 AT1G09040 hypothetical protein NM_100775
A_84_P769609 1.30 AT5G53048
Anhang
199
A_84_P787462 1.29 AT4G25860 ORP4A OSBP(oxysterol binding protein)-related protein 4A NM_118719
A_84_P21614 1.29 AT1G29600 AT1G29600 putative zinc finger CCCH domain-containing protein 10 NM_102700
A_84_P841152 1.28 #NV
A_84_P868030 1.28 AT3G27415 AT3G27415 hypothetical protein NM_001125247
A_84_P10970 1.28 AT4G12600 AT4G12600 Ribosomal protein L7Ae/L30e/S12e/Gadd45 family protein NM_117330
A_84_P268810 1.28 AT4G27560 AT4G27560 UDP-glycosyltransferase-like protein NM_118891
A_84_P19081 1.28 AT1G25530 AT1G25530 lysine histidine transporter-like 6 NM_102364
A_84_P282890 1.27 AT5G47610 AT5G47610 RING-H2 finger protein ATL79 NM_124134
A_84_P827972 1.26 #NV
A_84_P221148 1.26 AT5G57810 TET15 tetraspanin15 NM_125165
A_84_P17530 1.25 AT3G59820 AT3G59820 LETM1-like protein NM_115844
A_84_P231269 1.25 AT1G24600 AT1G24600 hypothetical protein NM_102302
A_84_P23218 1.25 AT3G62930 AT3G62930 monothiol glutaredoxin-S6 NM_116158
A_84_P514938 1.25 AT5G19875 AT5G19875 hypothetical protein NM_121994
A_84_P160413 1.25 AT3G44750 HDA3 histone deacetylase HDT1 NM_114344
A_84_P539632 1.24 AT4G13990 AT4G13990 Exostosin family protein NM_117474
A_84_P818318 1.24 AT4G27560 AT4G27560 UDP-glycosyltransferase-like protein NM_118891
A_84_P198134 1.24 AT3G53630 AT3G53630 hypothetical protein NM_115223
A_84_P555238 1.24 AT2G12400 AT2G12400 hypothetical protein NM_126891
A_84_P222889 1.23 AT1G69210 AT1G69210 hypothetical protein NM_001124100
A_84_P13659 1.23 AT3G24000 AT3G24000 pentatricopeptide repeat-containing protein NM_113305
A_84_P766479 1.23 AT5G34852
A_84_P840627 1.23 #NV
A_84_P15990 1.23 AT5G62540 UBC3 ubiquitin-conjugating enzyme E2 3 NM_125648
A_84_P524541 1.22 AT4G11350 AT4G11350 hypothetical protein NM_001036540
A_84_P10807 1.21 AT3G15590 AT3G15590 pentatricopeptide repeat-containing protein NM_112427
A_84_P23898 1.21 AT2G46660 CYP78A6 cytochrome P450, family 78, subfamily A, polypeptide 6 NM_130231
A_84_P789813 1.21 AT4G04850 KEA3 K+ efflux antiporter 3 NM_001203746
A_84_P305730 1.20 AT5G24155 AT5G24155 FAD/NAD(P)-binding oxidoreductase family protein NM_147909
A_84_P24136 1.20 AT3G55940 AT3G55940 phosphoinositide phospholipase C 7 NM_115452
A_84_P803419 1.20 AT1G71530 AT1G71530 protein kinase domain-containing protein AK229644
A_84_P766447 1.20 AT5G02500 HSC70-1 heat shock 70kDa protein 1/8 NM_120328
A_84_P823170 1.20 AT4G35160 AT4G35160 O-methyltransferase family 2 protein NM_119682
A_84_P21914 1.20 AT1G20710 WOX10 putative WUSCHEL-related homeobox 10 NM_101923
A_84_P858356 1.20 AT3G15000 AT3G15000 cobalt ion binding protein NM_112362
A_84_P178234 1.19 AT4G13800 AT4G13800 hypothetical protein NM_117454
A_84_P589800 1.19 AT1G34160 AT1G34160 pentatricopeptide repeat-containing protein NM_103139
A_84_P603445 1.19 AT3G09060 AT3G09060 pentatricopeptide repeat-containing protein NM_111740
A_84_P509259 1.19 AT3G02010 AT3G02010 pentatricopeptide repeat-containing protein NM_111067
A_84_P14401 1.19 AT2G15630 AT2G15630 pentatricopeptide repeat-containing protein NM_127124
A_84_P502174 1.19 AT3G09040 AT3G09040 pentatricopeptide repeat-containing protein NM_111738
A_84_P806047 1.19 AT5G02500 HSC70-1 heat shock 70kDa protein 1/8 NM_001125684
A_84_P859775 1.18 AT3G12120 FAD2 omega-6 fatty acid desaturase, endoplasmic reticulum NM_112047
A_84_P758681 1.18 AT2G20585 NFD6 nuclear fusion defective 6 NM_001124880
A_84_P519046 1.18 AT3G09450 AT3G09450 hypothetical protein NM_111779
A_84_P266280 1.18 AT4G01610 AT4G01610 cathepsin B NM_116392
A_84_P717727 1.18 AT5G57150
A_84_P12361 1.17 AT1G03100 AT1G03100 pentatricopeptide repeat-containing protein NM_100192
A_84_P813153 1.17 AT5G62440 AT5G62440 hypothetical protein NM_125638
A_84_P286230 1.17 AT3G25905 CLE27 protein CLAVATA3/ESR-related 27 NM_113494
A_84_P305520 1.17 AT1G63250 AT1G63250 putative DEAD-box ATP-dependent RNA helicase 48 NM_105004
A_84_P515827 1.16 AT5G15340 AT5G15340 pentatricopeptide repeat-containing protein NM_121538
A_84_P12103 1.16 AT5G27120 AT5G27120 putative nucleolar protein 5-1 NM_122594
A_84_P859582 1.16 AT5G62190 PRH75 DEAD-box ATP-dependent RNA helicase 7 NM_125613
Anhang
200
A_84_P20208 1.16 AT3G05690 NF-YA2 nuclear transcription factor Y subunit A-2 NM_111443
A_84_P565995 1.16 AT3G03776 AT3G03776 hydroxyproline-rich glycoprotein family protein NM_148684
A_84_P819429 1.16 AT1G59640 BPEp transcription factor BPE NM_104657
A_84_P739644 1.16 AT1G70260 AT1G70260 nodulin MtN21/EamA-like transporter protein NM_105694
A_84_P18072 1.15 AT1G72520 AT1G72520 lipoxygenase 4 NM_105911
A_84_P110872 1.15 AT2G37400 AT2G37400 tetratricopeptide repeat domain-containing protein NM_129295
A_84_P18328 1.14 AT3G07750 AT3G07750 3'-5'-exoribonuclease family protein NM_111654
A_84_P21121 1.14 AT2G01200
A_84_P766772 1.14 AT5G38565 AT5G38565 putative FBD-associated F-box protein NM_148060
A_84_P20799 1.14 AT1G02390 GPAT2 glycerol-3-phosphate acyltransferase NM_100120
A_84_P12385 1.13 AT1G80110 PP2-B11 F-box protein PP2-B11 NM_106660
A_84_P830077 1.13 AT3G27997
A_84_P835703 1.13 AT1G30460 CPSF30 cleavage and polyadenylation specificity factor CPSF30 NM_102782
A_84_P857309 1.13 AT5G14550
A_84_P312043 1.12 AT2G31220 AT2G31220 transcription factor bHLH10 NM_128678
A_84_P767046 1.12 AT5G45850 AT5G45850 hypothetical protein NM_123953
A_84_P22084 1.12 AT3G11580 AT3G11580 AP2/B3 domain-containing protein NM_111991
A_84_P860899 1.12 #NV
A_84_P511022 1.11 AT2G43800 AT2G43800 formin-like protein 2 NM_129942
A_84_P536544 1.11 AT1G52450 AT1G52450 Ubiquitin carboxyl-terminal hydrolase-related protein NM_104123
A_84_P809900 1.11 AT3G12120
A_84_P19407 1.11 AT3G56070 ROC2 Peptidyl-prolyl cis-trans isomerase CYP19-3 NM_001084832
A_84_P213368 1.10 AT4G15770 AT4G15770 RNA binding protein NM_117668
A_84_P831599 1.10 AT5G26180 AT5G26180 NOL1/NOP2/sun family protein NM_122519
A_84_P271470 1.10 AT3G58590 AT3G58590 pentatricopeptide repeat-containing protein NM_115721
A_84_P10109 1.10 AT4G36240 GATA7 GATA transcription factor 7 NM_119792
A_84_P557335 1.10 AT4G12750 AT4G12750 Homeodomain-like transcriptional regulator NM_117344
A_84_P16304 1.10 AT2G16720 MYB7 myb domain protein 7 NM_127224
A_84_P20755 1.10 AT5G08305 AT5G08305 pentatricopeptide repeat (PPR) family protein NM_001203333
A_84_P830933 1.10 AT4G17440 AT4G17440 hypothetical protein NM_001125528
A_84_P23070 1.10 AT3G22740 HMT3 homocysteine S-methyltransferase 3 NM_113173
A_84_P248695 1.10 AT5G12270 AT5G12270 oxidoreductase, 2OG-Fe(II) oxygenase family protein NM_121265
A_84_P12416 1.10 AT1G72040 AT1G72040 P-loop containing nucleoside triphosphate hydrolase-like protein NM_105862
A_84_P14059 1.10 AT1G50400 AT1G50400 mitochondrial import receptor subunit TOM40 NM_103923
A_84_P832870 1.09 AT4G08480 MAPKKK9 mitogen-activated protein kinase kinase kinase 9 NM_116917
A_84_P823421 1.09 AT2G27110 FRS3 FAR1-related protein NM_179767
A_84_P606597 1.09 AT1G03760 AT1G03760 Prefoldin chaperone subunit family protein NM_100255
A_84_P10363 1.09 AT1G28230 PUP1 purine permease 1 NM_102588
A_84_P20359 1.09 AT3G57540 AT3G57540 Remorin family protein NM_115614
A_84_P824981 1.09 AT1G65560 AT1G65560 2-alkenal reductase NM_105230
A_84_P796124 1.09 AT1G79610
DR380614
A_84_P20831 1.08 AT1G61340 AT1G61340 F-box protein NM_001198350
A_84_P200164 1.08 AT5G27940 WPP3 WPP domain-containing protein 3 NM_122676
A_84_P757759 1.08 AT2G33847 AT2G33847 hypothetical protein NM_001084533
A_84_P824327 1.08 AT2G19860 HXK2 hexokinase 2 NM_001084452
A_84_P18101 1.08 AT1G73910 ARP4A actin-related proteins 4A NM_106050
A_84_P12022 1.07 AT4G16700 PSD1 phosphatidylserine decarboxylase NM_117771
A_84_P10138 1.07 AT4G37190 AT4G37190 hypothetical protein NM_119882
A_84_P254510 1.07 AT1G65370 AT1G65370 meprin and TRAF homology domain-containing protein NM_105211
A_84_P16662 1.07 AT4G21570 AT4G21570 hypothetical protein NM_118277
A_84_P787058 1.07 AT5G64550 AT5G64550 loricrin-related protein NM_125851
A_84_P853304 1.07 AT5G01300 AT5G01300 putative phosphatidylethanolamine-binding protein NM_120208
A_84_P187774 1.07 AT5G44930 ARAD2 Exostosin family protein NM_180801
A_84_P813812 1.06 AT3G08770 LTP6 non-specific lipid-transfer protein 6 NM_111711
Anhang
201
A_84_P603545 1.06 AT3G50040 AT3G50040 hypothetical protein NM_114864
A_84_P861772 1.06 AT3G57150 NAP57 H/ACA ribonucleoprotein complex subunit 4 NM_115574
A_84_P221168 1.05 AT5G64680 AT5G64680 hypothetical protein NM_125864
A_84_P20953 1.05 AT1G80530 AT1G80530 nodulin family protein NM_106701
A_84_P255220 1.05 AT5G17460 AT5G17460 hypothetical protein NM_121752
A_84_P836403 1.05 AT1G49600 RBP47A RNA-binding protein 47A NM_103848
A_84_P821615 1.05 AT3G24927
BX825906
A_84_P14086 1.05 AT5G59780 MYB59 transcription factor MYB59 NM_180894
A_84_P786287 1.05 AT5G05410 DREB2A dehydration-responsive element-binding protein 2A NM_001036760
A_84_P525616 1.04 AT5G38730 AT5G38730 pentatricopeptide repeat-containing protein NM_123234
A_84_P16521 1.04 AT3G45410 AT3G45410 concanavalin A-like lectin kinase-like protein NM_114410
A_84_P834011 1.04 #NV
A_84_P843714 1.04 AT2G41670 AT2G41670 P-loop containing nucleoside triphosphate hydrolase-like protein NM_180022
A_84_P59930 1.04 AT1G15150 AT1G15150 MATE efflux family protein NM_101383
A_84_P19155 1.04 AT2G38540 LP1 non-specific lipid-transfer protein 1 NM_129411
A_84_P199044 1.03 AT1G63150 AT1G63150 pentatricopeptide repeat-containing protein NM_104993
A_84_P822182 1.03 AT2G44510 AT2G44510 protein BCCIP-like protein NM_130014
A_84_P23711 1.03 AT1G79470 AT1G79470 inosine-5'-monophosphate dehydrogenase NM_106595
A_84_P125071 1.02 AT4G01990 AT4G01990 pentatricopeptide repeat-containing protein NM_116430
A_84_P111662 1.02 AT3G56030 AT3G56030 pentatricopeptide repeat-containing protein NM_115461
A_84_P529057 1.02 AT4G37170 AT4G37170 pentatricopeptide repeat-containing protein NM_119880
A_84_P600219 1.02 AT5G17270 AT5G17270 tetratricopeptide repeat-containing protein NM_121733
A_84_P803382 1.02 AT3G10410 SCPL49 carboxypeptidase BP791043
A_84_P830141 1.02 AT5G08400 AT5G08400 hypothetical protein NM_120924
A_84_P555759 1.02 AT5G39350 AT5G39350 pentatricopeptide repeat-containing protein NM_123297
A_84_P178604 1.01 AT1G18800 NRP2 template-activating factor I NM_101738
A_84_P21714 1.01 AT2G17280 AT2G17280 phosphoglycerate mutase-like protein NM_001084437
A_84_P18362 1.01 AT3G23020 AT3G23020 pentatricopeptide repeat-containing protein NM_113202
A_84_P11970 1.01 AT1G08110 AT1G08110 lactoylglutathione lyase NM_179278
A_84_P584912 1.01 AT4G06536 AT4G06536 SPla/RYanodine receptor (SPRY) domain-containing protein NM_178981
A_84_P130326 1.01 AT1G71260 ATWHY2 protein WHIRLY 2 NM_105795
A_84_P15308 1.01 AT1G16090 WAKL7 wall associated kinase-like 7 NM_101477
A_84_P14899 1.01 AT5G10930 CIPK5 CBL-interacting serine/threonine-protein kinase 5 NM_121131
A_84_P13380 1.01 AT1G79890 AT1G79890 chromosome transmission fidelity protein 1 NM_106638
A_84_P311333 1.01 AT2G38110 GPAT6 glycerol-3-phosphate acyltransferase 6 NM_129367
A_84_P195914 1.01 AT3G47030 AT3G47030 F-box protein NM_114570
A_84_P570578 1.00 AT3G51350 AT3G51350 aspartyl protease family protein NM_114994
A_84_P753614 1.00 AT1G74458 AT1G74458 hypothetical protein NM_001084352
A_84_P862082 1.00 #NV
A_84_P17990 1.00 AT1G03510 AT1G03510 pentatricopeptide repeat-containing protein NM_100233
A_84_P277520 1.00 AT2G37990 AT2G37990 ribosome biogenesis regulatory protein-like protein NM_129356
A_84_P20555 1.00 AT5G05400 AT5G05400 LRR and NB-ARC domain-containing disease resistance protein NM_120622
A_84_P198764 -1.01 AT3G49790 AT3G49790 Carbohydrate-binding protein NM_114839
A_84_P290444 -1.01 AT2G45830 DTA2 downstream target of AGL15 2 NM_201965
A_84_P831196 -1.02 AT5G60930
A_84_P12301 -1.02 AT1G30900 VSR6 vacuolar sorting receptor 6 NM_102827
A_84_P18637 -1.02 AT4G15550 IAGLU indole-3-acetate beta-D-glucosyltransferase NM_117646
A_84_P568630 -1.03 AT2G42170 AT2G42170 putative actin NM_180032
A_84_P832213 -1.03 AT3G28345 AT3G28345 ABC transporter B family member 15 NM_113754
A_84_P23695 -1.03 AT1G09250 AT1G09250 transcription factor bHLH149 NM_100795
A_84_P22122 -1.03 AT3G16620 TOC120 translocase of chloroplast 120 NM_112535
A_84_P23060 -1.04 AT1G53660 AT1G53660 nodulin MtN21 /EamA-like transporter protein NM_104244
A_84_P15531 -1.04 AT3G26500 PIRL2 plant intracellular ras group-related LRR 2 NM_113557
A_84_P23278 -1.04 AT4G20260 PCAP1 plasma-membrane associated cation-binding protein 1 NM_118145
A_84_P23559 -1.04 #NV
Anhang
202
A_84_P806863 -1.04 AT5G28050
A_84_P15231 -1.04 AT1G78230 AT1G78230 Outer arm dynein light chain 1 protein NM_106473
A_84_P829940 -1.05 AT1G58602
A_84_P811611 -1.05 AT3G11630 AT3G11630 2-Cys peroxiredoxin BAS1 NM_111995
A_84_P23294 -1.05 AT4G24230 ACBP3 acyl-CoA-binding domain 3 NM_001084972
A_84_P20707 -1.05 AT5G59870 HTA6 histone H2A 6 NM_125380
A_84_P14706 -1.05 AT3G62980 TIR1 protein TRANSPORT INHIBITOR RESPONSE 1 NM_116163
A_84_P21229 -1.05 AT3G21420 AT3G21420 oxidoreductase, 2OG-Fe(II) oxygenase family protein NM_113037
A_84_P820107 -1.06 AT5G45490
A_84_P14468 -1.06 AT1G75450 CKX5 cytokinin dehydrogenase 5 NM_001198473
A_84_P21764 -1.06 AT1G24360 AT1G24360 3-oxoacyl-[acyl-carrier-protein] reductase NM_102282
A_84_P13035 -1.06 AT5G23210 SCPL34 carboxypeptidase D NM_001085147
A_84_P69324 -1.07 AT3G05320 AT3G05320 O-fucosyltransferase family protein NM_111405
A_84_P23938 -1.07 AT2G37280 PDR5 ABC transporter G family member 33 NM_129284
A_84_P17352 -1.07 AT3G05140 RBK2 ROP binding protein kinase 2 NM_111386
A_84_P805272 -1.07 AT1G01620 PIP1C aquaporin PIP1-3 NM_100044
A_84_P818252 -1.07 AT2G16060 HB1 non-symbiotic hemoglobin 1 NM_127165
A_84_P23531 -1.07 AT1G33240 GTL1 protein GT-2-like 1 NM_103052
A_84_P15720 -1.07 AT4G22620 AT4G22620 SAUR-like auxin-responsive protein NM_118388
A_84_P22011 -1.07 AT2G36080 AT2G36080 B3 domain-containing protein NM_129167
A_84_P22389 -1.08 AT4G33360 FLDH Rossmann-fold NAD(P)-binding domain-containing protein NM_001203973
A_84_P806219 -1.08 AT1G67090 RBCS1A ribulose bisphosphate carboxylase small chain 1A NM_202369
A_84_P11292 -1.08 AT5G17160 AT5G17160 hypothetical protein NM_121722
A_84_P543298 -1.09 AT5G14345 ENODL21 early nodulin-like protein 21 NM_001085113
A_84_P251375 -1.09 AT2G19360 AT2G19360 hypothetical protein NM_127493
A_84_P22480 -1.09 AT1G49730 AT1G49730 protein kinase domain-containing protein NM_202268
A_84_P20454 -1.09 AT4G23690 AT4G23690 disease resistance-responsive, dirigent domain-containing protein NM_118500
A_84_P24152 -1.09 AT3G59980 AT3G59980 Nucleic acid-binding, OB-fold-like protein NM_115861
A_84_P18933 -1.10 AT1G24170 LGT9 putative galacturonosyltransferase-like 8 NM_102263
A_84_P813553 -1.10 AT5G21940 AT5G21940 hypothetical protein NM_147877
A_84_P17874 -1.10 AT5G60930 AT5G60930 kinesin family member 4/7/21/27 NM_125486
A_84_P17525 -1.10 AT3G58650 AT3G58650 hypothetical protein NM_115727
A_84_P21807 -1.10 AT1G22740 RABG3B Ras-related protein Rab7 NM_102121
A_84_P18500 -1.10 AT4G01700 AT4G01700 class II chitinase-like protein NM_116400
A_84_P760310 -1.11 AT3G28157
A_84_P10765 -1.11 AT3G09780 CCR1 serine/threonine-protein kinase-like protein CCR1 NM_111813
A_84_P17609 -1.11 AT4G21870 AT4G21870 heat shock protein class V 15.4 NM_118308
A_84_P820040 -1.11 AT2G26560 PLA2A phospholipase A 2A NM_128213
A_84_P16834 -1.12 AT5G28050 AT5G28050 cytidine/deoxycytidylate deaminase-like protein NM_122688
A_84_P230289 -1.12 AT2G44080 ARL ARGOS-like protein NM_180078
A_84_P16923 -1.12 AT5G59820 RHL41 C2H2-type zinc finger protein NM_125374
A_84_P159915 -1.12 AT4G27970 SLAH2 SLAC1 homologue 2 NM_118935
A_84_P18568 -1.13 AT4G25050 ACP4 acyl carrier protein 4 NM_118637
A_84_P18616 -1.13 AT4G35730 AT4G35730 Regulator of Vps4 activity in the MVB pathway protein NM_119739
A_84_P805073 -1.13 AT3G15450
A_84_P760106 -1.13 AT3G08885
A_84_P18569 -1.13 AT4G25240 SKS1 Monocopper oxidase-like protein SKS1 NM_118656
A_84_P786694 -1.14 AT1G23390 AT1G23390 Kelch repeat-containing F-box protein NM_102188
A_84_P815800 -1.15 #NV
A_84_P13726 -1.15 AT3G54420 EP3 chitinase NM_115302
A_84_P609887 -1.15 AT4G26960 AT4G26960 hypothetical protein NM_118830
A_84_P767356 -1.15 AT5G23955
A_84_P15429 -1.15 AT2G19620 NDL3 N-MYC downregulated-like 3 protein NM_127520
A_84_P298514 -1.15 AT5G40690 AT5G40690 hypothetical protein NM_123434
A_84_P16577 -1.16 AT1G21520 AT1G21520 hypothetical protein NM_102001
Anhang
203
A_84_P822023 -1.16 AT1G23090 AST91 putative sulfate transporter 3.3 NM_102157
A_84_P21943 -1.17 AT1G32170 XTH30 xyloglucan:xyloglucosyl transferase NM_102950
A_84_P855789 -1.17 AT2G47730 GSTF8 glutathione S-transferase 6 NM_180148
A_84_P821925 -1.17 AT2G37640 EXP3 expansin-A3 NM_129320
A_84_P767799 -1.17 AT5G23910 AT5G23910 ATP binding microtubule motor family protein NM_122296
A_84_P18377 -1.17 AT3G24420 AT3G24420 hydrolase, alpha/beta fold family protein NM_113349
A_84_P759481 -1.17 AT3G12145 FLR1 polygalacturonase inhibitory protein-like protein NM_202562
A_84_P815791 -1.17 AT2G01850 EXGT-A3 xyloglucan:xyloglucosyl transferase NM_126246
A_84_P809155 -1.18 #NV
A_84_P809159 -1.18 AT3G53420 PIP2A aquaporin PIP2-1 NM_001035774
A_84_P122462 -1.18 AT5G53980 HB52 homeobox-leucine zipper protein ATHB-52 NM_124777
A_84_P816700 -1.18 AT1G17745 AT1G17745 D-3-phosphoglycerate dehydrogenase NM_101636
A_84_P582150 -1.18 AT3G48540 AT3G48540 dCMP deaminase NM_114712
A_84_P18782 -1.19 AT1G64380 AT1G64380 ethylene-responsive transcription factor ERF061 NM_105113
A_84_P786635 -1.19 AT4G14100 AT4G14100 transferase-like protein BX826725
A_84_P834324 -1.19 AT2G25480
A_84_P15933 -1.19 AT5G47770 FPS1 farnesyl diphosphate synthase 1 NM_124151
A_84_P819992 -1.19 AT4G32340 AT4G32340 tetratricopeptide repeat domain-containing protein-like protein NM_119386
A_84_P12091 -1.19 AT5G23400 AT5G23400 leucine-rich repeat-containing protein NM_122246
A_84_P17522 -1.19 AT3G57700 AT3G57700 putative protein kinase NM_115630
A_84_P19260 -1.19 AT1G01340 CNGC10 cyclic nucleotide gated channel NM_001197956
A_84_P18414 -1.20 AT1G02610 AT1G02610 RING/FYVE/PHD zinc finger-containing protein NM_100141
A_84_P18784 -1.20 AT5G51460 ATTPPA haloacid dehalogenase-like hydrolase domain-containing protein NM_124525
A_84_P23387 -1.20 AT5G03260 LAC11 laccase 11 NM_120404
A_84_P820887 -1.21 AT3G53190 AT3G53190 putative pectate lyase 12 NM_115179
A_84_P825802 -1.21 AT5G25250 AT5G25250 Flotillin-like protein 1 NM_122434
A_84_P15853 -1.21 AT5G13710 SMT1 cycloartenol-c-24-methyltransferase NM_001085110
A_84_P824078 -1.21 AT5G16505
AY059842
A_84_P23844 -1.21 AT2G43870 AT2G43870 putative polygalacturonase/pectinase NM_129949
A_84_P841983 -1.21 AT5G56120
A_84_P768863 -1.21 AT5G44578 AT5G44578 hypothetical protein NM_001085244
A_84_P848350 -1.22 #NV
A_84_P832877 -1.22 AT1G75590 AT1G75590 SAUR-like auxin-responsive protein NM_106211
A_84_P15068 -1.22 AT5G15830 bZIP3 basic leucine-zipper 3 NM_121588
A_84_P299600 -1.23 AT2G33560 BUBR1 checkpoint serine/threonine-protein kinase NM_001202739
A_84_P64944 -1.24 AT4G00960 AT4G00960 protein kinase family protein NM_116324
A_84_P76674 -1.24 AT3G55990 ESK1 hypothetical protein NM_115457
A_84_P826185 -1.24 AT1G58190 RLP9 receptor like protein 9 NM_104600
A_84_P804614 -1.24 AT2G43150 AT2G43150 Proline-rich extensin-like family protein NM_129877
A_84_P16841 -1.24 AT5G37660 PDLP7 cysteine-rich repeat secretory protein 60 NM_123125
A_84_P12085 -1.25 AT5G18880 AT5G18880 RNA-directed DNA polymerase (reverse transcriptase)-related family protein NM_121893
A_84_P296824 -1.25 AT3G15450 AT3G15450 aluminum induced protein with YGL and LRDR motif NM_001035625
A_84_P754202 -1.26 AT1G76878
DQ108861
A_84_P14286 -1.26 AT1G78260 AT1G78260 RNA recognition motif-containing protein NM_202440
A_84_P859794 -1.26 AT2G45170 ATG8E autophagy-related protein 8e NM_180100
A_84_P535502 -1.27 AT2G22030 AT2G22030 F-box/kelch-repeat protein NM_127772
A_84_P21799 -1.27 AT1G03230 AT1G03230 aspartyl protease-like protein NM_100205
A_84_P21864 -1.27 AT1G73805 AT1G73805 calmodulin binding protein-like protein NM_106040
A_84_P759953 -1.27 AT3G53010 AT3G53010 hypothetical protein NM_115161
A_84_P23124 -1.28 AT3G27160 GHS1 ribosomal protein S21 family protein NM_113630
A_84_P14963 -1.28 AT1G72230 AT1G72230 plastocyanin-like domain-containing protein NM_105882
A_84_P814500 -1.28 AT4G37520 AT4G37520 peroxidase 50 NM_001204015
A_84_P811808 -1.28 AT3G12145 FLR1 polygalacturonase inhibitory protein-like protein NM_202562
A_84_P81479 -1.28 AT3G19380 PUB25 U-box domain-containing protein 25 NM_112825
A_84_P16443 -1.28 AT3G06770 AT3G06770 polygalacturonase-like protein NM_180194
Anhang
204
A_84_P10849 -1.28 AT3G45280 SYP72 syntaxin-72 NM_114397
A_84_P806214 -1.29 #NV
A_84_P18369 -1.29 AT3G26520 TIP2 aquaporin TIP1-2 NM_113559
A_84_P17332 -1.29 AT2G01850 EXGT-A3 xyloglucan:xyloglucosyl transferase NM_126246
A_84_P141359 -1.29 AT2G24550 AT2G24550 hypothetical protein NM_128016
A_84_P851410 -1.30 #NV
A_84_P197124 -1.30 AT3G23530 AT3G23530 Cyclopropane-fatty-acyl-phospholipid synthase NM_113256
A_84_P805673 -1.30 AT4G16980
A_84_P189284 -1.30 AT2G30930 AT2G30930 hypothetical protein NM_128646
A_84_P13489 -1.30 AT2G26760 CYCB1;4 cyclin-B1-4 NM_128233
A_84_P750079 -1.31 AT1G75150 AT1G75150 hypothetical protein NM_106171
A_84_P845009 -1.32 AT4G00500
A_84_P17772 -1.33 AT5G25810 tny ethylene-responsive transcription factor TINY NM_122482
A_84_P199304 -1.33 AT1G19610 PDF1.4 defensin-like protein 19 NM_101817
A_84_P827648 -1.34 AT1G52565 AT1G52565 hypothetical protein NM_148583
A_84_P20154 -1.35 AT2G40300 FER4 ferritin 4 NM_129588
A_84_P813646 -1.36 AT2G26530 AR781 hypothetical protein NM_128210
A_84_P24036 -1.36 AT3G27070 TOM20-1 mitochondrial import receptor subunit TOM20-1 NM_113621
A_84_P16729 -1.37 AT4G37770 ACS8 1-aminocyclopropane-1-carboxylate synthase 8 NM_119939
A_84_P17328 -1.37 AT2G39350 AT2G39350 ABC transporter G family member 1 NM_129492
A_84_P21160 -1.38 AT3G10720 AT3G10720 pectinesterase 25 NM_111908
A_84_P805118 -1.38 AT3G15450 AT3G15450 aluminum induced protein with YGL and LRDR motif NM_001035625
A_84_P13891 -1.38 AT4G37520 AT4G37520 peroxidase 50 NM_001204015
A_84_P128706 -1.39 AT3G48080 AT3G48080 lipase class 3 family protein/disease resistance protein-related protein NM_114677
A_84_P836321 -1.41 AT1G27045 AT1G27045 homeobox-leucine zipper family protein NM_001198174
A_84_P23613 -1.42 AT5G59070 AT5G59070 glycosyl transferase family 1 protein NM_125297
A_84_P22303 -1.43 AT4G09030 AGP10 arabinogalactan protein 10 NM_116972
A_84_P17955 -1.45 AT1G22380 UGT85A3 UDP-glucosyl transferase 85A3 NM_102088
A_84_P735670 -1.45 At5g25980 AT1G53030 Cytochrome C oxidase copper chaperone (COX17) EG443075
A_84_P18932 -1.45 AT1G23090 AST91 putative sulfate transporter 3.3 NM_102157
A_84_P23273 -1.45 AT4G18970 AT4G18970 GDSL esterase/lipase NM_118014
A_84_P786204 -1.46 AT1G21310 EXT3 extensin 3 NM_101983
A_84_P862999 -1.48 AT5G25460 AT5G25460 hypothetical protein NM_122456
A_84_P17455 -1.48 AT3G12610 DRT100 DNA-damage-repair/toleration protein DRT100 NM_112096
A_84_P813341 -1.49 AT4G12730 FLA2 fasciclin-like arabinogalactan protein 2 NM_117342
A_84_P17940 -1.50 AT2G20825 ULT2 protein ULTRAPETALA 2 NM_127650
A_84_P844879 -1.51 AT3G06080 AT3G06080 hypothetical protein NM_111483
A_84_P19668 -1.51 AT5G27220 AT5G27220 Frigida-like protein NM_122604
A_84_P141269 -1.51 AT5G18050 AT5G18050 SAUR-like auxin-responsive protein NM_121810
A_84_P15194 -1.51 AT1G54020 AT1G54020 GDSL esterase/lipase NM_179474
A_84_P10445 -1.51 AT1G10020 AT1G10020 hypothetical protein NM_100876
A_84_P78019 -1.51 AT1G72430 AT1G72430 SAUR-like auxin-responsive protein family NM_105902
A_84_P765905 -1.52 AT4G25719
EG502546
A_84_P23661 -1.52 AT1G61100 AT1G61100 TIR class disease resistance protein NM_001198347
A_84_P786663 -1.53 AT4G14330 AT4G14330 phragmoplast-associated kinesin-related protein 2 NM_117510
A_84_P520804 -1.53 AT3G06020 AT3G06020 hypothetical protein NM_111476
A_84_P793477 -1.53 AT5G52882 AT5G52882 putative ATP binding protein NM_001085278
A_84_P291894 -1.54 AT1G78830 AT1G78830 curculin-like (mannose-binding) lectin-like protein NM_106531
A_84_P22344 -1.54 AT4G23280 CRK20 putative cysteine-rich receptor-like protein kinase 20 NM_118457
A_84_P13276 -1.54 AT1G04530 AT1G04530 tetratricopeptide repeat domain-containing protein NM_100332
A_84_P69204 -1.54 AT1G21110 AT1G21110 O-methyltransferase family protein NM_101965
A_84_P76184 -1.55 AT5G24110 WRKY30 WRKY DNA-binding protein 30 NM_122316
A_84_P21685 -1.55 AT5G67450 ZF1 zinc-finger protein 1 NM_126145
A_84_P815273 -1.56 AT4G23810 WRKY53 putative WRKY transcription factor 53 NM_118512
A_84_P17994 -1.56 AT1G23030 AT1G23030 U-box domain-containing protein 11 NM_102151
Anhang
205
A_84_P14822 -1.56 AT4G33450 MYB69 myb domain protein 69 NM_119499
A_84_P762034 -1.56 AT3G04721 AT3G04721 hypothetical protein NM_001125099
A_84_P310633 -1.56 AT2G44210 AT2G44210 hypothetical protein NM_001036461
A_84_P810020 -1.57 AT5G14740 CA2 carbonic anhydrase 2 NM_203053
A_84_P797675 -1.58 #NV
EG463135
A_84_P789543 -1.58 AT5G57760 AT5G57760 hypothetical protein NM_125159
A_84_P788949 -1.58 AT3G28100 AT3G28100 nodulin MtN21/EamA-like transporter family protein BX822551
A_84_P859091 -1.61 AT2G20520 FLA6 fasciclin-like arabinogalactan protein 6 NM_127612
A_84_P851116 -1.61 AT2G46780 AT2G46780 RNA-binding (RRM/RBD/RNP motifs) family protein NM_130244
A_84_P14903 -1.61 AT5G11920 cwINV6 beta-fructofuranosidase, insoluble isoenzyme CWINV6 NM_121230
A_84_P807831 -1.62 AT2G30010 TBL45 trichome birefringence-like 45 protein NM_128556
A_84_P11056 -1.63 AT4G37490 CYCB1;1 cyclin-B1-1 NM_119913
A_84_P509353 -1.64 AT3G28857 AT3G28857 basic helix-loop-helix (bHLH) DNA-binding family protein NM_202643
A_84_P546454 -1.64 AT2G31730 AT2G31730 basic helix-loop-helix domain-containing protein NM_128731
A_84_P869688 -1.65 AT2G33790 AGP30 arabinogalactan protein 30 NM_128938
A_84_P24128 -1.65 AT3G54150 AT3G54150 S-adenosyl-L-methionine-dependent methyltransferase-like protein NM_115275
A_84_P79759 -1.65 AT5G62280 AT5G62280 hypothetical protein NM_125622
A_84_P15139 -1.65 AT1G03870 FLA9 fasciclin-like arabinogalactan protein 9 NM_100267
A_84_P305660 -1.66 AT4G03110 RBP-DR1 RNA-binding protein-defense related 1 NM_178963
A_84_P190014 -1.66 AT4G36030 ARO3 armadillo repeat-containing protein NM_119770
A_84_P243195 -1.66 AT4G29310 AT4G29310 hypothetical protein NM_119076
A_84_P824302 -1.66 AT4G29310 AT4G29310 hypothetical protein NM_119076
A_84_P14657 -1.67 AT3G51470 AT3G51470 putative protein phosphatase 2C 47 NM_115006
A_84_P18553 -1.67 AT4G21390 B120 S-locus lectin protein kinase-like protein NM_118259
A_84_P753457 -1.69 AT1G30282
A_84_P18851 -1.70 AT5G15720 GLIP7 GDSL esterase/lipase 7 NM_121576
A_84_P805233 -1.71 AT1G78830 AT1G78830 curculin-like (mannose-binding) lectin-like protein NM_106531
A_84_P17588 -1.71 AT4G12730 FLA2 fasciclin-like arabinogalactan protein 2 NM_117342
A_84_P86239 -1.72 AT1G49210 AT1G49210 E3 ubiquitin-protein ligase ATL76 NM_103811
A_84_P535920 -1.72 AT3G15550 AT3G15550 hypothetical protein NM_112423
A_84_P23032 -1.74 AT3G01620 AT3G01620 beta-1,4-mannosyl-glycoprotein NM_111028
A_84_P19301 -1.75 AT3G21770 AT3G21770 peroxidase 30 NM_113072
A_84_P579600 -1.75 AT4G24265 AT4G24265 hypothetical protein NM_148370
A_84_P21744 -1.76 AT1G01620 PIP1C aquaporin PIP1-3 NM_100044
A_84_P858556 -1.76 AT3G26520 TIP2 aquaporin TIP1-2 NM_113559
A_84_P18091 -1.78 AT1G63040
DR750066
A_84_P19135 -1.78 AT2G28630 KCS12 3-ketoacyl-CoA synthase 12 NM_128424
A_84_P255030 -1.78 AT4G13340 AT4G13340 leucine-rich repeat extensin-like protein 3 NM_117407
A_84_P861179 -1.78 AT4G30270 XTH24 xyloglucan:xyloglucosyl transferase NM_119173
A_84_P115302 -1.79 AT2G11590
A_84_P113022 -1.80 AT3G05980 AT3G05980 hypothetical protein NM_111472
A_84_P805324 -1.80 AT1G01620 PIP1C aquaporin PIP1-3 NM_100044
A_84_P860885 -1.81 AT2G05540 AT2G05540 glycine-rich protein NM_126577
A_84_P595614 -1.81 AT4G14390 AT4G14390 ankyrin repeat-containing protein NM_117518
A_84_P22397 -1.81 AT4G35100 PIP3 aquaporin PIP2-7 NM_001203991
A_84_P291354 -1.81 AT1G10990 AT1G10990 hypothetical protein NM_179304
A_84_P860087 -1.81 AT1G27020 AT1G27020 hypothetical protein NM_102464
A_84_P530732 -1.83 AT4G06746 RAP2.9 ethylene-responsive transcription factor RAP2-9 NM_179009
A_84_P810551 -1.84 AT4G30270 XTH24 xyloglucan:xyloglucosyl transferase NM_119173
A_84_P806966 -1.84 AT2G40610 EXPA8 expansin A8 NM_129623
A_84_P20068 -1.85 AT2G05540 AT2G05540 glycine-rich protein NM_126577
A_84_P575150 -1.85 AT4G27810 AT4G27810 hypothetical protein EG420969
A_84_P14945 -1.86 AT5G35740 AT5G35740 carbohydrate-binding X8 domain-containing protein NM_122965
A_84_P20631 -1.86 AT1G73580 AT1G73580 C2 domain-containing protein NM_106016
A_84_P809237 -1.87 AT4G35100 PIP3 aquaporin PIP2-7 NM_001203991
Anhang
206
A_84_P789861 -1.89 AT4G36570 RL3 protein RAD-like 3 NM_119820
A_84_P827393 -1.90 AT3G48650
AK118176
A_84_P11721 -1.92 AT3G15500 NAC3 NAC domain-containing protein 55 NM_112418
A_84_P789539 -1.93 AT4G06746 RAP2.9 ethylene-responsive transcription factor RAP2-9 NM_179009
A_84_P10039 -1.93 AT1G27020 AT1G27020 hypothetical protein NM_102464
A_84_P832832 -1.94 AT2G40160 TBL30 hypothetical protein NM_001202791
A_84_P788789 -1.94 AT1G07490 RTFL3 protein rotundifolia like 3 NM_100623
A_84_P811586 -1.94 AT5G45670 AT5G45670 GDSL esterase/lipase NM_123934
A_84_P503428 -1.95 AT5G24105 AGP41 arabinogalactan protein 41 NM_203099
A_84_P21530 -1.95 AT5G14120 AT5G14120 major facilitator protein NM_121416
A_84_P20140 -1.95 AT2G18180 AT2G18180 sec.4-like phosphatidylinositol transfer-like protein NM_127375
A_84_P217598 -1.95 AT4G36570
A_84_P87269 -1.96 AT5G02220 AT5G02220 hypothetical protein NM_120300
A_84_P854040 -1.96 AT5G44020 AT5G44020 HAD superfamily, subfamily IIIB acid phosphatase NM_123769
A_84_P12398 -1.96 AT1G53340 AT1G53340 cysteine/histidine-rich c1 domain-containing protein NM_104213
A_84_P823733 -1.97 AT3G28340 GATL10 putative galacturonosyltransferase-like 10 NM_113753
A_84_P266230 -1.97 AT4G28085 AT4G28085 hypothetical protein NM_118948
A_84_P808620 -1.97 AT3G26520 TIP2 aquaporin TIP1-2 NM_113559
A_84_P127531 -1.99 AT1G21310 EXT3 extensin 3 NM_101983
A_84_P858602 -2.01 AT3G12710 AT3G12710 DNA-3-methyladenine glycosylase I NM_112107
A_84_P840181 -2.01 AT3G48450 AT3G48450 RPM1-interacting protein 4 (RIN4) NM_114704
A_84_P502464 -2.02 AT5G05020 AT5G05020 Pollen Ole e 1 allergen and extensin family protein NM_120584
A_84_P816662 -2.03 AT2G47930 AGP26 arabinogalactan protein 26 NM_130360
A_84_P214338 -2.03 AT2G17845 AT2G17845 Rossmann-fold NAD(P)-binding domain-containing protein NM_127338
A_84_P602364 -2.05 AT1G71015 AT1G71015 hypothetical protein NM_148647
A_84_P578088 -2.06 AT1G71320 AT1G71320 F-box protein NM_105801
A_84_P811255 -2.07 AT3G13520 AGP12 arabinogalactan protein 12 NM_112198
A_84_P726042 -2.14 AT3G15610
A_84_P751543 -2.16 AT1G47435
A_84_P844790 -2.17 AT5G19500
A_84_P854498 -2.20 AT5G44020 AT5G44020 HAD superfamily, subfamily IIIB acid phosphatase NM_123769
A_84_P15616 -2.20 AT3G54490 RPB5E RNA polymerase II fifth largest subunit, E NM_115306
A_84_P799571 -2.24 AT1G35710 AT1G35710 putative leucine-rich repeat receptor-like protein NM_103273
A_84_P537048 -2.25 AT4G36105 AT4G36105 hypothetical protein NM_001204006
A_84_P844440 -2.25 AT1G05020
A_84_P725477 -2.26 AT1G22530
A_84_P807528 -2.28 AT2G36830 GAMMA-TIP aquaporin TIP1-1 NM_129238
A_84_P13987 -2.30 AT5G25190 AT5G25190 ethylene-responsive transcription factor ERF003 NM_122428
A_84_P14441 -2.32 AT2G29460 GSTU4 glutathione S-transferase NM_128500
A_84_P833321 -2.34 AT2G41380 AT2G41380 S-adenosyl-L-methionine-dependent methyltransferase-like protein NM_129701
A_84_P843181 -2.34 AT1G58190 RLP9 receptor like protein 9 NM_104600
A_84_P760073 -2.36 AT3G32021
A_84_P12564 -2.37 AT2G44500 AT2G44500 axi 1 protein-like protein NM_201959
A_84_P130356 -2.37 AT5G20790 AT5G20790 hypothetical protein NM_122086
A_84_P22015 -2.42 AT1G30040 GA2OX2 gibberellin 2-beta-dioxygenase 2 NM_102743
A_84_P709131 -2.52 AT5G52882 AT5G52882 putative ATP binding protein NM_001085278
A_84_P831588 -2.58 AT5G03360 AT5G03360 DC1 domain-containing protein NM_001203284
A_84_P21917 -2.65 AT1G22330 AT1G22330 RNA recognition motif-containing protein NM_102083
A_84_P23341 -2.67 AT4G34790 AT4G34790 SAUR-like auxin-responsive protein NM_119645
A_84_P829954 -2.68 AT1G22330 AT1G22330 RNA recognition motif-containing protein NM_102083
A_84_P21069 -2.70 AT2G06850 XTH4 xyloglucan endotransglucosylase/hydrolase protein 4 NM_126666
A_84_P586644 -2.87 AT3G53232 RTFL1 protein rotundifolia like 1 NM_202692
A_84_P832980 -3.08 AT4G36105 AT4G36105 hypothetical protein NM_001204006
A_84_P560912 -3.09 AT4G24275 AT4G24275 hypothetical protein NM_148371
Anhang
207
A_84_P16372 -3.41 AT2G11150
AY461641
A_84_P809677 -3.46 AT3G16240 DELTA-TIP aquaporin TIP2-1 NM_112495
A_84_P764334 -3.77 AT4G16030 AT4G16030 Ribosomal protein L19e family protein NM_117696
A_84_P600928 -4.06 AT4G01535 AT4G01535 hypothetical protein NM_148188
A_84_P18029 -4.49 AT1G10550 XTH33 xyloglucan:xyloglucosyl transferase NM_100930
A11 Stomatäre Genexpression der -Amylasen in den
Stressbedingungen Trockenheit und Hitze
A11: Genexpression der -Amylasegene in Stomata von Col-0 Pflanzen unter verschiedenen
Stressbedingungen. RNA von Col-0 Pflanzen unter kontrollierter Trockenheit, Hitze und der Kombination aus
Trockenheit und Hitze wurde aus Stomata gewonnen und Mikroarray-Analysen durchgeführt. Dargestellt sind die
differentiell regulierten Gene aus einem Vergleich trockengestresster Pflanzen zu Pflanzen unter
Kontrollbedingungen. Die Werte sind log2 transformiert und stellen die Änderung zu Kontrollpflanzen dar. Die
Farbsättigung ist bei einer 1.3-fachen Änderung erreicht. Rot eingefärbte Expressionswerte deuten steigende,
blau eingefärbte Felder herunterregulierte Transkriptwerte an. Trockenheit (d), Hitze (h), Hitze und Trockenheit
(dh), nicht detektiert (n.d.).
d h dh BAM1 -3.01 n.s. 0.96 BAM2 n.s. n.s. n.s. BAM3 n.s. -0.51 -0.40 BAM4 n.s. -0.58 0.48 BAM5 -2.87 n.s. -1.73 BAM6 0.54 0.65 n.s. BAM7 n.s. 0.44 0.71 BAM8 n.s. n.s. n.s. BAM9 -0.78 0.95 0.69
Anhang
208
A12 Transkriptprofile der features, die RubisCO auf dem Mikroarray
multifaktoriell gestresster Pflanzen repräsentieren
A13 Transkriptprofile der Prolinbiosynthese bzw. des Prolinabbaus
in multifaktoriell gestressten Pflanzen
h d v vd dh vh vdh AGI-No Identifier gene name
0.05 -0.37 -0.15 -0.39 -0.38 -0.10 0.02 AT2G39730 A_84_P807303 RCA
-0.18 -0.38 -0.20 -0.39 -0.43 -0.28 -0.24 AT2G39730 A_84_P807280 RCA
-0.22 -0.02 -0.08 -0.29 -0.35 -0.29 -0.28 AT2G39730 A_84_P270930 RCA
-0.06 -0.51 -0.02 -0.36 -0.41 -0.17 0.04 AT2G39730 A_84_P807331 RCA
0.03 -0.21 0.02 -0.38 -0.25 0.10 0.07 AT2G39730 A_84_P807334 RCA
-0.14 -0.50 -0.09 -0.37 -0.44 -0.18 -0.12 AT2G39730 A_84_P847363 RCA
h d v vd dh vh vdh AGI-No. Identifier Genname
1.63 -0.19 0.11 0.04 1.82 1.81 2.06 AT5G14800 A_84_P22632 P5CR
-0.31 -0.30 -1.06 -0.92 0.44 -0.59 1.09 AT2G39800 A_84_P11587 P5CS1
-0.23 0.02 -0.28 -0.42 -0.06 -0.17 0.10 AT3G55610 A_84_P19405 P5CS2
0.86 -0.37 1.05 0.47 -0.97 1.20 -1.43 AT3G30775 A_84_P22153 Pro-DH
Anhang
209
A14 Calcium-assozierte features unterschiedlich reguliert in
verschiedenen Stressbedingungen
A14: MAPMAN-Überblick über die Genregulation in Col-0 in verschiedenen Stresssituationen. Die Werte sind
log2 transformiert und stellen die Änderung zu Kontrollpflanzen dar. Die Farbsättigung ist bei einer 1.3-fachen
Änderung erreicht. Rot eingefärbte Expressionswerte deuten steigende, blau eingefärbte Felder
herunterregulierte Transkriptwerte an. Hitze (h), Virus (v), Virus-Trockenheit (vd), Virus-Hitze (vh), Virus-
Trockenheit-Hitze (vdh).
Anhang
210
A15 Genexpression regulierter trockenresponsiver Gene in Rap2.9-
GFP Pflanzen
Identifier AGI-NO regulation
(log2) gene name
A_84_P22571 AT5G52310 -2.02 COR78
A_84_P18269 AT2G21490 -2.65 LEA (DEHYDRIN LEA)
A_84_P21625 AT5G52300 -0.77 LTI65/RD29B (RESPONSIVE TO DESSICATION 29B
A_84_P23852 AT2G42540 -2.18 COR15A (COLD-REGULATED 15A)
A_84_P10613 AT2G42530 -1.15 COR15B
A_84_P18269 AT2G21490 -2.65 LEA (DEHYDRIN LEA)
A_84_P11342 AT1G01470 -3.69 LATE EMBRYOGENESIS ABUNDANT 14
A_84_P817892 AT5G05440 -0.69 unknown protein
A_84_P751371 AT1G45249 0.43
ABF2 (ABSCISIC ACID RESPONSIVE ELEMENTS-BINDING FACTOR 2)
A_84_P15945 AT5G51070 -0.31 ERD1 (EARLY RESPONSIVE TO DEHYDRATION 1)
A_84_P857480 AT1G20450 -2.80 ERD10/LTI45 (EARLY RESPONSIVE TO DEHYDRATION 10
A_84_P809413 AT1G76180 -0.92 ERD14 (EARLY RESPONSE TO DEHYDRATION 14)
A_84_P10253 AT1G29330 0.72 ERD2 (ER lumen protein retaining receptor 2)
A_84_P813521 AT1G30360 -1.61 ERD4 (EARLY-RESPONSIVE TO DEHYDRATION 4)
A_84_P812380 AT3G30775 -1.51 ERD5 (EARLY RESPONSIVE TO DEHYDRATION 5)
A_84_P16110 AT1G08930 -0.91 ERD6 (EARLY RESPONSE TO DEHYDRATION 6
A_84_P859107 AT2G17840 -0.77 ERD7 (EARLY-RESPONSIVE TO DEHYDRATION 7
Anhang
211
A16 Genexpression verschiedener Ionen-/Wasserkanäle in Stomata
A16: Genexpression der Ionen- und Wasserkanäle in Stomata von Col-0 Pflanzen unter Trockenheit. RNA
von Col-0 Pflanzen unter kontrollierter Trockenheit wurde aus Stomata gewonnen und Mikroarray-Analysen
durchgeführt. Dargestellt sind die differentiell regulierten Gene aus einem Vergleich trockengestresster Pflanzen
zu Pflanzen unter Kontrollbedingungen. Die Werte sind log2 transformiert und stellen die Änderung zu
Kontrollpflanzen dar. Die Farbsättigung ist bei einer 1.3-fachen Änderung erreicht. Rot eingefärbte
Expressionswerte deuten steigende, blau eingefärbte Felder herunterregulierte Transkriptwerte an. Trockenheit
(d), nicht detektiert (n.d.).
Gene d (Col-0)
Gene d (Col-0)
AHA1 -0.38
Ca-channel ATTPC1 n.d.
AHA2 -0.4
S-type anion channel
ATCLC-A -0.42
AHA3 0.17
CLC-B -0.43
AHA4 0.66
CLC-E -0.48
AHA5 -0.55
CLC-D 0.42
AHA6 n.d.
AT5G33280 n.d.
AHA7 n.d.
CLC-C -0.2
AHA8 -0.01
CLC-F -0.1
AHA9 -1.08
K-channel GORK -0.03
AHA10 n.d.
AHA11 -0.36
AHA12 n.d.
KAT1 -0.7
KAT2 -0.84
AKT1 0.47
Danksagung
212
Danksagung
An dieser Stelle möchte ich allen Personen danken, die durch ihre Unterstützung
entscheidend zur Erstellung meiner Arbeit beigetragen haben.
Mein herzlicher Dank gilt Herrn Prof. Dr. Uwe Sonnewald für die Überlassung des
anspruchsvollen und interessanten Themas. Besonders möchte ich mich für die engagierte
wissenschaftliche Betreuung und das intensive Interesse am Erfolg meiner Dissertation
bedanken. Darüber hinaus schätzte ich die Möglichkeit, meine Resultate auf internationalen
Konferenzen zu präsentieren, sehr.
Vielen Dank an Prof. Dr. Jürgen Soll für die Bereitschaft, das Zweitgutachten zu
übernehmen.
Allen meinen Kollegen möchte ich für ihre Hilfsbereitschaft und das angenehme Arbeitsklima
am Institut danken. Besonders bleiben mir die Leute des „Neuen Labors“ in Erinnerung, die
stets für eine freundschaftliche und zugleich produktive Atmosphäre sorgten. Erwähnt sein
Matthias Wimmelbacher, Katharina Müller, Suayib Üstün, Anja Hartmann, Stephanus
Ferreira, Anja Hartmann, Jessica van Harsselaar, Katrin Link, Urte Schlüter, Marlene
Pröschel, Kirsten Ott und Haina Zhang. Besonders hervorheben möchte ich zum einen
meinen geschätzten Bürokollegen Suayib, der durch zahlreiche, tiefgehende Diskussionen
stets eine Bereicherung für mich war. Zum anderen bleiben mir die Spaziergänge während
der Mittagspause mit Jessica positiv im Gedächtnis. Vielen Dank auch an Katrin Link,
einerseits für die gemeinsame Zeit in einem Büro, außerdem für die Aufnahmen am KLSM.
Besonders hervorheben möchte ich auch Ingrid Schießl und Uschi Hoja, die immer am
Gelingen meiner Arbeit interessiert waren. Bedanken möchte mich zudem bei Gabriele
Wabel, Iris Hammer und Christine Hösl. Unvergessen bleibt unsere Jogging-Gruppe, die für
sportliche Aktivität sorgte und Alltagserlebnisse Revue passieren ließ.
Ich danke auch Stephen Reid für die sorgfältige Hybridisierung meiner Mikroarray-Proben. In
diesem Zusammenhang möchte ich Sophia Sonnewald, Stephanus Ferreira und Urte
Schlüter für die Ratschläge und Hilfestellungen bei bioinformatischen Fragestellungen
danken. Besten Dank auch dem Analytikteam, bestehend aus Dr. Jörg Hofmann und Alfred
Schmiedl, für die Unterstützung bei der Durchführung und Auswertung der
Metabolomanalyse.
Ein großer Dank gilt Kathrin Auburger, Kirsten Ott und Ulrich Hirschmüller, die im Rahmen
ihrer Masterarbeiten hervorragende Arbeit geleistet haben und deren Daten sich teilweise in
dieser Arbeit wieder finden. Weiterhin möchte ich mich bei meinen Bachelorstudenten
Danksagung
213
Martina Lang, Kirsten Ott, Jessica Welss, Heike Rudolph und Lukas Weis bedanken. Ebenso
bedanke ich mich bei Anita Reiser, Angelika Demling, Martina Lang, Jessica Schwarz und
Anja Heller, die als Hilfswissenschaftler in verschiedenen Phasen des Projektes, speziell bei
den immer umfangreicheren Stressexperimenten, wertvolle Hilfe geleistet haben.
Allen Kooperationspartnern des Forschungsverbundes ForPlanta möchte ich Dank
aussprechen, die mir im Rahmen unterschiedlicher Zusammenarbeit und diverser
Projekttreffen wertvolle Erfahrungen in einem interdisziplinären Kontext einbrachten. Ein
großer Dank geht dabei an die Arbeitsgruppe von Prof. Hedrich aus Würzburg, speziell an
Hubert Bauer, der zum Erfolg der Stomata-spezifischen RNA-Präparation maßgeblich
beitrug. Außerdem möchte ich mich bei Prof. Marcel Bucher (Köln) und Nina Zellerhoff
bedanken, welche die Ionengehalte in Reispflanzen vermessen haben. Herzlichen Dank
auch an Satya und seinen MitarbeiterInnen, die meine Dienstreise in Indonesien zu einem
Erlebnis haben werden lassen.
Danken möchte ich auch meinen Freunden, insbesondere Thomas und Alex, für
abwechslungsreiche Freizeitaktivitäten außerhalb des Forschungsalltags. Schließlich danke
ich meiner Familie, die mir in allen Belangen immer Rückhalt gegeben hat. Dabei gilt meiner
Frau Samanta besonderer Dank, deren Unterstützung unersetzbar ist und bleiben wird.
Lebenslauf
214
Lebenslauf
Geburtsdatum 15. Oktober 1984
Geburtsort Roth
Familienstand verheiratet
Berufsausbildung Master of Science
Betriebswirt (IWW)
seit 09/2010 Biochemie, Friedrich-Alexander-Universität Erlangen-Nürnberg
Promotion: „Pflanzen unter dem Einfluss von biotischen und abiotischen
Stressfaktoren“ Betreuer: Prof. Dr. Uwe Sonnewald
10/2008 – 08/2010 Studium der Zell- und Molekularbiologie (Master of Science) an der Friedrich-Alexander-Universität Erlangen (Gesamtnote: sehr gut)
Masterarbeit: „Funktionelle Charakterisierung ausgewählter β-1,3-Glucanasen
und Untersuchung ihrer Rolle während der Kartoffelkeimung“ (Note: 1,0)
09/2005 – 09/2008 Studium Molecular Science (Bachelor of Science) an der Universität Erlangen-Nürnberg (Gesamtnote: gut)
Bachelorarbeit: „Einfluss von Auxin und Auxin-regulierten Genen auf die
Keimruhe von Kartoffelknollen“ (Note: 1,3)
07/2004 – 05/2005 Zivildienstleistender der Kreisklinik Roth (EDV-Abteilung)
09/2002 - 05/2004 Allgemeine Hochschulreife Adam-Kraft-Gymnasium Schwabach
09/1994 – 08/2002 Gymnasium Roth
Studium mit Abschluss als Betriebswirt (IWW) (Note:1,3) am Institut für Wirtschaftswissenschaftliche
Forschung und Weiterbildung in Hagen (Fernuniversität Hagen)
Persönliche Daten
Ausbildung
Zusatzqualifikation
Lebenslauf
215
Prasch CM, Sonnewald U (2014) Signaling events in plants: Stress factors in combination change the picture. Environmental and Experimental Botany
Lee S-K, Eom J-S, Voll LM, Prasch CM, Park Y-I, Hahn T-R, Ha S-H, An G, Jeon J-S (2014) Analysis
of a Triose Phosphate/Phosphate Translocator-Deficient Mutant Reveals a Limited Capacity for Starch
Synthesis in Rice Leaves. Mol Plant
Prasch CM, Sonnewald U (2013) In silico selection of Arabidopsis thaliana ecotypes with enhanced
stress tolerance. Plant Signaling & Behavior, 8:e26364.
Prasch CM, Sonnewald U (2013) Simultaneous application of heat, drought and virus to Arabidopsis
thaliana plants reveals significant shifts in signaling networks. Plant Physiol 162: 1849–1866.
Prasch, Christian (2011) Nutzen, Neugier, Natur. Die Grüne Gentechnik als Beitrag für die Zukunft der
Landwirtschaft. In: Schleissing, Stephan; Grimm, Herwig (Hrsg.): Grüne Gentechnik. Zwischen
Forschungsfreiheit und Anwendungsrisiko. Baden-Baden: Nomos. S 349-365.
Prasch, C.M., Hirschmüller, U., Sonnewald, U., Simultaneous application of heat, drought and virus to
Arabidopsis thaliana plants promotes viral proliferation possibly due to significant shifts in signaling
networks, poster, ASBP, Portland, USA; 11th – 16th July 2014.
Prasch, C.M., Molecular effects of simultaneously applied heat, drought and virus to Arabidopsis
thaliana and detailed analysis of salt-tolerant rice plants, Research project “Untersuchung zellulärer
Mechanismen der Trocken- und Salztoleranz bei Reis zur Entwicklung salztoleranter Sorten” founded
by BMBF, talk, The Indonesian Institute of Science, Bogor, Indonesia; 02nd – 9th December 2013.
Uhrmann, F.*, Prasch, C.M.*, Seifert, L., Schmitt, P., Sonnewald, U. 3D Phenotyping of Arabidopsis
Plants at High Throughput, poster, EUCARPIA 19th General Conference: Plant Breeding for
Future Generations, Budapest, Hungary; 21th – 24th May 2012.
Prasch, C.M., Grimm, V., Maßgeschneiderte Zellen - Naturwissenschaftliche und Wirtschafts-
wissenschaftliche Perspektiven der Synthetischen Biologie, talk, Emerging Fields Lectures –
Spitzen-forschungsprojekte der FAU stellen sich vor, Schloss Erlangen, Erlangen, Germany;
16th July 2012. http://www.br.de/mediathek/video/sendungen/alpha-campus/massgeschneiderte-
zellen-104.htm
Prasch, C.M. and Sonnewald, U., Molecular responses of Arabidopsis thaliana to combined biotic and
abiotic stress, poster, 25. Tagung Molekularbiologie der Pflanzen, Dabringhausen, Germany; 28th
February – 2nd March 2012.
Prasch, C., Sonnewald, U., Molecular responses of Arabidopsis thaliana to combined biotic and
abiotic stress, Mid-term review ForPlanta, talk, Bavarian Ministry of State for Science, Research
and Art, Munich, Germany; 03rd February 2012.
Prasch, C., Die Grüne Gentechnik als Beitrag für die Zukunft der Landwirtschaft, talk, BMBF
geförderten Klausurwoche „Grüne Gentechnik: Zwischen Forschungsfreiheit und
Anwendungsrisiko“, Gut Schönwag, Weilheim, Germany; 21th – 26th February 2011.
Präsentationsauswahl
Publikationen
216