紫花苜蓿光合维持与木质化约束生物量潜力因子筛选方法
本发明属于植物分子育种与转录组分析领域,具体地说,涉及一种紫花苜蓿光合维持与木质化约束生物量潜力因子筛选方法。
背景技术:
1、紫花苜蓿(medicagosativa)作为高蛋白、强再生能力且适应性广的多年生豆科牧草,是优质饲草生产和畜牧业发展的重要基础;提高紫花苜蓿地上部生物量并保持饲用品质,是苜蓿分子育种的重要目标;植物生物量形成与叶片光合作用、碳同化、同化产物运输以及茎叶组织结构建成密切相关;同时,过度木质化会增加细胞壁刚性和结构碳投入,降低饲草消化利用率,并可能与光合功能下降共同限制苜蓿高产优质协同提升;
2、常规bulkrna-seq分析流程通常包括差异表达基因筛选、go/kegg富集、表达模式聚类和转录因子家族注释,用于获得与木质化、细胞壁发育、光合作用或逆境响应有关的候选基因线索;此类分析能够提供候选基因列表,但通常停留在上调基因、下调基因或单一功能富集结果层面,难以把光合维持、光合抑制和木质化负担整合为一个可量化的生物量潜力状态;
3、传统转录组分析在用于苜蓿生物量潜力候选因子筛选时仍存在不足;首先,不同时间点之间既包含诱导响应,也包含离体培养、基础激素处理和一般发育进程造成的背景变化,若仅比较诱导组与未诱导组,容易混入非目标响应;其次,光合作用相关基因在诱导过程中往往表现为整体下调,而木质化相关基因在后期显著上调,二者方向相反,单纯依据差异倍数难以判断候选基因对生物量潜力状态的综合贡献;再次,转录因子筛选若只依据家族注释或差异表达显著性,难以区分正向光合维持因子、负向光合抑制因子和木质化反向约束因子;
4、因此,有必要建立一种面向紫花苜蓿生物量潜力改良的非常规转录组分析方法;该方法需要在同一时间节点下计算诱导组相对于同步对照组的净诱导轨迹,结合wgcna光合模块和木质化模块,构建光合维持指数、光合抑制指数、木质化负担指数和光合维持-木质化负担表达状态指数,并进一步整合模块权重、功能注释、表达轨迹和转录因子-光合共表达网络,输出与高光合维持、低木质化负担表达状态相关的光合候选基因、网络候选转录因子和30基因表达marker组合。
5、有鉴于此特提出本发明。
技术实现思路
1、本发明要解决的技术问题在于克服现有技术的不足,提供一种紫花苜蓿光合维持与木质化约束生物量潜力因子筛选方法,解决了上述背景技术中提出的问题。
2、为解决上述技术问题,本发明采用技术方案的基本构思是:
3、一种紫花苜蓿光合维持与木质化约束生物量潜力因子筛选方法,包括以下步骤:
4、步骤(1)设置用于降低培养背景干扰的时序样本:以紫花苜蓿叶盘为材料,设置野生型组wt作为未诱导基准,同时设置多个时间点的同步对照组c以及诱导组i,每组设置生物学重复;同一时间节点下诱导组对应同步对照组,用于降低离体培养、基础激素处理和一般生长代谢对诱导响应判定的干扰;其中,以中苜1号叶盘为材料,设置12h、24h、48h三个时间点的同步对照组c12/c24/c48以及诱导组i12/i24/i48,每组设置3个生物学重复,共7组21个样品;诱导组在对照组基础培养与激素处理的基础上,加入bikinin作为gsk3激酶抑制剂,诱导叶肉细胞发生细胞壁建成、木质化增强和光合表达重塑相关的转录响应;
5、步骤(2)构建转录组表达矩阵、功能基因集和wgcna模块:对所有样本进行rna提取、文库构建与高通量转录组测序,获得基因表达矩阵,标准化后进行差异表达、趋势分析和wgcna共表达网络分析,从中提取与光合作用和叶绿体功能显著相关的光合模块,以及与木质化和细胞壁建成相关的木质化模块;分别整合得到光合/叶绿体基因集与木质化基因集;其中,采用vst标准化表达矩阵并选取高变基因构建共表达网络,从中提取turquoise光合/叶绿体模块和green木质化模块;所述光合/叶绿体模块的功能基因集由go、kegg和功能关键词注释整合得到,所述木质化模块的功能基因集由lignin、secondarycellwall、cellwallpolysaccharide、xylan、phenylpropanoid功能类别限定得到;
6、步骤(3)计算i时间点-c时间点净诱导轨迹:在表达矩阵基础上,对同一时间点下的诱导组和同步对照组分别计算组均值,构建各时间点的净诱导轨迹,用于判断基因在诱导处理下相对于时间背景的真实表达方向和强度,并作为后续候选筛选与转录因子驱动评分的输入;其中,净诱导轨迹按如下公式构建:net12=mean (i12)-mean (c12)、net24=mean(i24)-mean (c24)、net48=mean (i48)-mean (c48);
7、式中,net12、net24、net48分别代表12h、24h、48h时间点的基因净诱导表达轨迹;mean()代表对应组别内所有生物学重复样本的基因表达量平均值;i12、i24、i48分别代表12h、24h、48h时间点的诱导组样本;c12、c24、c48分别代表12h、24h、48h时间点的同步对照组样本;
8、步骤(4)构建光合维持指数pmi、光合抑制指数psi、木质化负担指数lbi和光合维持-木质化负担表达状态指数esi指数体系:将光合模块中同时具有光合/叶绿体功能注释的基因作为pmi基因集,利用其模块成员度绝对值作为权重,对各样本的基因z-score表达量进行加权平均,得到光合维持指数pmi;定义光合抑制指数psi=-pmi,用于表征光合表达程序被压低的程度;将木质化模块中木质化相关基因作为lbi基因集,利用木质化模块成员度和后期诱导时间点性状相关性构建权重,计算木质化负担指数lbi;最终以esi=scale(pmi-lbi)定义光合维持-木质化负担表达状态指数,用于连续表征当前参考样本集中高光合维持和低木质化负担方向上的相对转录表达状态;其中,pmi基因集为经go注释、kegg注释及功能关键词整合得到的光合/叶绿体相关基因与turquoise光合/叶绿体模块的交集基因,lbi基因集为经木质素、次生细胞壁、细胞壁多糖、木聚糖、苯丙烷类功能类别限定得到的木质化相关基因与green木质化模块的交集基因;lbi的权重由green木质化模块成员度与诱导处理48h的诱导组样本i48的性状相关性共同构建;
9、步骤(5)候选因子评分、转录因子驱动评分和marker输出:对光合基因综合模块成员度权重、与光合维持指数pmi的相关性、与光合维持-木质化负担表达状态指数esi的相关性、净诱导下调强度、持续下调时间点数量、低木质化模块权重六个维度评分,筛选光合维持候选基因;对木质化基因综合模块成员度权重、与木质化负担指数lbi的正相关性、与光合维持-木质化负担表达状态指数esi的负相关性、净诱导上调强度、诱导后期表达上调特征五个维度评分,得到木质化反向约束因子;对转录因子先经驱动评分预筛,再根据tf-光合强共表达连接筛选得到11个网络候选tf;最终筛选重建esi状态的30基因表达marker组合,用于重建esi状态;其中,光合维持候选基因的筛选标准为:诱导条件下表达被压低,且与pmi、esi呈高度正相关,同时具有低木质化模块权重;木质化反向约束因子的筛选标准为:诱导后期表达上调,与lbi呈正相关,与esi呈负相关,且具有高木质化模块权重;所述30基因表达marker组合覆盖从光合维持候选基因中筛选得到的光合维持基因、从最终网络候选转录因子中筛选得到的tf表达特征和从木质化反向约束因子中筛选得到的木质化负担基因三类表达信息,各marker按其与esi状态的一致方向赋予有符号权重;marker组合得分与esi的相关性为0.952,重建当前21个样本内的光合维持-木质化负担相对表达状态;转录因子的筛选具体包括:
10、s1预筛阶段:整合转录因子与pmi/esi/lbi的相关性、与步骤(2)提取的光合模块内基因的正负相关性、模块成员度、早期表达变化方向及转录因子家族先验信息,计算tf-光合模块驱动评分,分别选取正向评分靠前与负向评分靠前的转录因子作为预筛tf;
11、s2网络连接筛选阶段:构建预筛tf与步骤(5)筛选得到的光合维持候选基因之间的共表达网络,以与光合候选基因至少形成1条|r|≥0.80强共表达边的tf作为网络候选tf,最终得到6个正向光合维持tf和5个负向光合抑制tf,共11个网络候选tf。
12、采用上述技术方案后,本发明与现有技术相比具有以下有益效果,当然,实施本发明的任一产品并不一定需要同时达到以下所述的所有优点:
13、1、通过设置 wt、c12/c24/c48 和 i12/i24/i48 三类时间序列样本,本发明能够在相同时间节点下通过i-c差值降低同步培养背景干扰,获得i-c净诱导轨迹,从而减少将离体培养、基础激素处理或一般时间效应误判为目标诱导响应的可能。
14、2、与仅依赖单一时间点差异表达分析或常规 go/kegg 富集的方案相比,本发明进一步将 wgcna turquoise 光合模块和 green 木质化模块引入同一指数体系,构建pmi、psi、lbi 和 esi,使光合维持、光合抑制和木质化负担能够被连续量化。该方法不仅能够说明诱导处理下光合模块是否被压低、木质化模块是否被激活,还能够以esi形式连续表征样本的光合维持-木质化负担相对表达状态。
15、3、基于上述分析链条,最终输出的不是泛泛的差异表达基因列表,而是具有时间净效应、模块权重、功能注释和指数方向支持的光合维持候选基因、木质化反向约束基因、具有tf-光合强共表达连接支持的正向光合维持 tf 和负向光合抑制 tf 以及30基因表达marker组合。该方法可为紫花苜蓿生物量潜力候选因子筛选、光合维持转录表达marker开发、低木质化负担育种候选靶点筛选及后续功能验证提供更高信噪比的数据基础和技术路径。
16、下面结合附图对本发明的具体实施方式作进一步详细的描述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com