- 12 次围观
普通菜豆（Phaseolus vulgaris L.）暴露于广泛的非生物和生物胁迫之下，这些胁迫对其生产力造成了严重限制，然而其胁迫耐受性的分子基础仍未得到充分阐明，不同独立研究所得结论也往往不一致且不完整。为建立普通菜豆胁迫转录组的全面图景，我们对公开可获得的RNA测序数据集进行了系统性Meta分析，这些数据集涵盖了叶和根组织中非生物及生物胁迫条件。通过整合统计学Meta分析与机器学习方法，我们鉴定出了一组胁迫响应基因，并通过包括独立数据集验证在内的严格统计方法验证了其稳健性。除确认已知的胁迫响应基因外，机器学习框架还发掘出了一些在单项研究中因未达到常规显著性阈值而被忽视、但在跨研究中表现出一致转录信号的候选基因。共表达分析和蛋白质—蛋白质相互作用网络分析进一步将这些候选基因解析为在功能上协调一致的模块，并与特定胁迫响应程序相关联。值得注意的是，乙烯响应转录因子在四类胁迫—组织组合中的三类中被鉴定为枢纽基因，而NAC结构域转录因子则在生物胁迫背景下表现为额外的枢纽基因。重要的是，所鉴定基因集的生物学意义还通过基因组学得到了验证：与采用等量随机标记集的基线模型相比，针对共识Meta分析所得基因区域和机器学习发现基因区域构建的标记面板，提高了普通菜豆抗病性状以及豇豆非生物胁迫耐受性状的基因组预测准确性。总体而言，这些发现揭示了普通菜豆中保守的胁迫转录组特征，并提供了一个跨物种、基于证据的框架，用于优先筛选候选基因并构建具有生物学信息支持的基因组选择工具，从而推动抗逆豆科作物育种的发展。
普通菜豆（*Phaseolus vulgaris* L.）暴露于广泛的非生物和生物胁迫之下，这些胁迫对其生产力施加了严重限制。然而，胁迫耐受性的分子基础仍未得到充分解析，且各项独立研究所得结论存在不一致和不完整的问题。为构建普通菜豆胁迫转录组的全面图谱，我们对公开可获得的RNA测序数据集进行了系统性荟萃分析，这些数据集涵盖了叶和根组织在非生物及生物胁迫条件下的转录响应。通过整合统计学荟萃分析与机器学习方法，我们鉴定出了一组胁迫响应基因，其稳健性通过包括独立数据集验证在内的严格统计方法得到了证实。除确认已知的胁迫响应基因外，机器学习框架还发掘出了一些在单项研究中因未达到常规显著性阈值而被忽视、但在跨研究中表现出一致转录信号的候选基因。共表达分析和蛋白质-蛋白质网络分析进一步将这些候选基因解析为功能协调的模块，并将其与特定胁迫响应程序联系起来。值得注意的是，乙烯响应转录因子在四个胁迫-组织分组中的三个中被鉴定为枢纽基因，而NAC结构域转录因子则在生物胁迫背景下表现为额外的枢纽基因。重要的是，所鉴定基因集的生物学意义还通过基因组学分析得到了验证：针对由一致性荟萃分析和机器学习发现的基因区域构建的标记面板，相较于具有同等规模随机标记集的基线模型，提升了普通菜豆病害抗性性状以及豇豆非生物胁迫耐受性状的基因组预测准确性。总体而言，这些发现揭示了普通菜豆中保守的胁迫转录组特征，并提供了一个跨物种、基于证据的框架，用于优先筛选候选基因并构建具有生物学信息支撑的基因组选择工具，从而推动抗逆豆科作物育种。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.08.743654v1?rss=1
🏷️ RNA-seq荟萃分析 机器学习 胁迫响应基因 基因组预测 菜豆 跨物种应用