ВЫЯВЛЕНИЕ ГЕНОВ, СВЯЗАННЫХ С УСТОЙЧИВОСТЬЮ К АБИОТИЧЕСКОМУ СТРЕССУ У РАСТЕНИЙ СОИ (GLYCINE MAX) И ВИНОГРАДА (VITIS VINIFERA) НА ОСНО-ВЕ ИНТЕГРАТИВНОГО АНАЛИЗА ДАННЫХ RNA-SEQ
DOI:
https://doi.org/10.56292/SJFSU/vol31_iss5/a129Ключевые слова:
виноград, соя, РНК-секвенирование, абиотический стресс, засуха, холод, DEG, функциональная аннотация, GO, KEGGАннотация
В настоящем исследовании с целью выявления дифференциально экспрессирующихся генов в растениях Glycine max (соя) и Vitis vinifera (виноград) в ответ на такие абиотические стрессы, как холод, засоление и засуха, были повторно проанализированы данные RNA-seq из ряда баз данных. На основе интегративного биоинформатического подхода были объединены и стандартизированы транскриптомные данные различных экспериментов, полученные из базы данных NCBI (виноград: PRJNA787359, PRJNA549981, PRJNA788159, PRJNA763207; соя: PRJNA852689, PRJNA933767, PRJNA813355), которые затем были обработаны с использованием стандартного анализа.
В результате анализа дифференциальной экспрессии генов (DEG), а также функциональной аннотации (GO и KEGG) были выявлены ключевые гены, связанные с основными абиотическими стрессами. По итогам исследования в обоих видах растений обнаружены десятки новых генов, экспрессия которых изменяется в ответ на засуху и низкие температуры, часть из которых ранее не ассоциировалась с данными видами стрессов. Полученные результаты могут послужить ценным ресурсом для последующей идентификации маркерных генов, создания генетически модифицированных линий или селекции устойчивых сортов.
Библиографические ссылки
1. Wang, W., Vinocur, B., and Altman, A. (2003). Plant responses to drought, salinity and extreme temperatures: towards genetic engineering for stress tolerance. Planta 28, 1–14. doi: 10.1007/s00425-003-1105-5
2. Wania, S. H., Kumar, V., Shriram, V., and Sah, S. K. (2016). Phytohormones and their metabolic engineering for abiotic stress tolerance in crop plants. Crop J. 4, 162–176. doi: 10.1016/j.cj.2016.01.010
3. L. Hannah,P.R. Roehrdanz,M. Ikegami,A.V. Shepard,M.R. Shaw,G. Tabor,L. Zhi,P.A. Marquet,& R.J. Hijmans, (2013). Climate change, wine, and conservation, Proc. Natl. Acad. Sci. U.S.A. 110 (17) 6907-6912, https://doi.org/10.1073/pnas.1210127110
4. IPCC (2021). Climate Change (2021): The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press. DOI: 10.1017/9781009157896.
5. FAO. (2021). The State of the World's Land and Water Resources for Food and Agriculture – Systems at break-ing point. Rome: Food and Agriculture Organization of the United Nations. DOI: 10.4060/cb9910en.
6. Zhu, J.-K. (2016). Abiotic Stress Signaling and Responses in Plants. Cell, 167(2), 313–324. https://doi.org/10.1016/j.cell.2016.08.029
7. Hirayama, T., & Shinozaki, K. (2010). Research on plant abiotic stress responses in the post-genome era: Past, present and future. The Plant Journal, 61(6), 1041–1052. DOI: 10.1111/j.1365-313X.2010.04124.x
8. Zandalinas, S. I., Mittler, R., Balfagón, D., Arbona, V., & Gómez-Cadenas, A. (2018). Plant adaptations to the combination of drought and high temperatures. Physiologia Plantarum, 162(1), 2–12. https://doi.org/10.1111/ppl.12540
a. Li, X., et al. (2019). Impact of climate change on soybean production in Northeast China. Climatic Change, 153(1–2), 123–140. DOI: 10.1007/s10584-019-02362-2
9. Chen S, Zhou Y, Chen Y, Gu J. (2018) fastp: an ultra-fast all-in-one FASTQ preprocessor. Bioinformatics. 1;34(17):i884-i890. doi: 10.1093/bioinformatics/bty560. PMID: 30423086; PMCID: PMC6129281.
10. Kim, D., Langmead, B. & Salzberg, S. L. (2015) HISAT: A fast spliced aligner with low memory requirements. Nat. Methods 12, 357–360. https://doi.org/10.1038/nmeth.3317
11. Liao, Y., Smyth, G. K. & Shi, W. (2013) FeatureCounts: An efficient general purpose program for assigning se-quence reads to genomic features. Bioinformatics 30, 923–930. https://doi.org/10.1093/bioinformatics/btt656
12. Love, M. I., Huber, W., and Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 15 (12), 550. doi:10.1186/s13059-014-0550-8
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Научный вестник Ферганский государственный университета
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
Как цитировать
