The Plant Cell, published by ASPB, reports novel research of special significance in plant biology.
译:Qin Wang
2020年4月13日,Zhou等人在The Plant Cell杂志发表了题为“Meta Gene Regulatory Networks in Maize Highlight Functionally Relevant Regulatory Interactions”的研究论文。该论文在玉米中开发并测试了潜在的基因调控网络。 图 TF参与调节玉米不同代谢过程的基因调控网络的预测 背景:转录因子(TFs)在调节基因表达中起关键作用。单个TF可以控制多个基因的表达,例如一个TF可以调节同一代谢途径的多个基因的表达。绘制基因调控网络(GRNs)用以描述TFs与靶基因间的互作关系,是理解基因转录调控的关键环节。用来预测GRN的一种方法是利用TFs与其他基因的共表达模式来预测它们之间可能的调控关系。目前在玉米中已发表了许多不同基因型与不同组织中的全基因组表达谱,而这些资源恰能用来预测多种GRNs。 问题:作者希望通过比较计算机预测的TF-靶基因互作关系与基于实验验证的结果来回答以下问题:计算机预测的GRNs有哪些特征?是否包含有用的生物学信息,特别是能否将TFs与某一途径中多基因的调控联系在一起?此外作者还希望探索基于不同类型的表达数据集构建的网络有何差异?最后,这些构建的GRNs能否准确预测自然变异? 发现:基于不同类型表达数据集预测的GRNs都能够富集具有生物学意义的基因调控关系,但是不同的网络主要针对不同的TF-靶基因互作和生物学过程。当利用自然变异基因数据集来检验预测的GRNs时,发现TF表达量有与无的变化可能比TF表达量多少的小变化对靶基因表达的影响更大。TF-靶基因的预测与作用途径注释和前期实验结果的整合,有助于在TFs及其靶基因与多种植物代谢途径间建立广泛的联系。 展望:该文的研究结果为育种或生物技术应用提供了潜在的目标基因。鉴于某些TFs被预测可以调节同一途径或生理过程的多个基因,这样我们可以选出关键的TFs作为作物改良的靶标。GRN预测仍有很大的改进空间,包括开发能够整合更多类型的数据与机器学习方法的模型。 Peng Zhou, Zhi Li, Erika Magnusson, Fabio A. Gomez Cano, Peter A. Crisp, Jaclyn M. Noshay, Erich Grotewold, Candice N. Hirsch, Steven P. Briggs, Nathan M. Springer (2020). Meta Gene Regulatory Networks in Maize Highlight Functionally Relevant Regulatory Interactions. 论文链接:https://doi.org/10.1105/tpc.20.00080****长按下方二维码识别关注***