Genidentifikation bei der Aufnahme von Elementen in Pflanzen
Forscher untersuchen die Genverbindungen zur Nährstoffaufnahme von Pflanzen mit modernen Methoden.
― 8 min Lesedauer
Inhaltsverzeichnis
- Herausforderungen bei der Identifizierung von ursächlichen Genen
- Aktuelle Methoden zur Genwahl
- Das Ionom und seine Bedeutung
- Computerbasierte Methoden zur Geneidentifikation
- Bekannte ionomische Gene als Kandidaten
- Verwendung von Orthologie zur Verbesserung der Genwahl
- Der FiReMAGE-Ansatz
- Bemerkenswerte Kandidaten und Ergebnisse
- Überwindung von Einschränkungen in aktuellen Methoden
- Zukünftige Richtungen
- Fazit
- Originalquelle
- Referenz Links
Pflanzenstudien beinhalten, wie sie Elemente aus ihrer Umgebung aufnehmen und nutzen. Forscher versuchen, spezifische Gene bei Pflanzen mit der Art und Weise in Verbindung zu bringen, wie diese Elemente angesammelt werden. Es gibt viele Werkzeuge und Methoden, um diese Verbindungen zu identifizieren, aber es gibt immer noch Herausforderungen.
In den letzten Jahren haben Wissenschaftler zwei Hauptansätze genutzt: Hochdurchsatz-Phänotypisierung (HTP) und genomweite Assoziationsstudien (GWAS). HTP ermöglicht es Forschern, verschiedene Merkmale bei Pflanzen schnell zu analysieren, während GWAS hilft, zu verstehen, welche Gene für bestimmte Merkmale verantwortlich sein könnten. Trotz dieser Werkzeuge kann es kompliziert sein, das genaue Gen, das für ein Merkmal verantwortlich ist, zu finden. Besonders bei Pflanzen, wo mehrere Gene mit einem bestimmten Ergebnis verbunden sein können.
Herausforderungen bei der Identifizierung von ursächlichen Genen
Wenn ein GWAS ein DNA-Abschnitt identifiziert, der mit einem Merkmal zusammenhängt, hebt es oft mehrere Gene in diesem Bereich hervor. Das wird oft als "Peak" in den Daten gesehen. Aber nur weil ein Gen mit einem Peak verknüpft ist, bedeutet das nicht, dass es die Ursache für das Merkmal ist. Viele Probleme machen diese Identifizierung schwierig, einschliesslich:
Mehrere Kandidatengene: In vielen Arten gibt es mehrere Gene, die nah beieinander liegen, besonders bei Pflanzen mit komplexen genetischen Hintergründen. Das bedeutet, dass es schwer sein kann, herauszufinden, welches Gen das Merkmal direkt verursacht.
Seltene Allele: Manchmal sind die genetischen Variationen (Allele), die für ein Merkmal wichtig sein könnten, selten oder nicht gut in den untersuchten Daten vertreten.
Unvollständige Daten: Aufgrund technologischer Begrenzungen gibt es möglicherweise nicht genügend Informationen über jede Variante im Genom, was es schwieriger macht, präzise Verbindungen herzustellen.
Um wirklich die Gene zu identifizieren, die für bestimmte Merkmale verantwortlich sind, brauchen Forscher mehr Informationen darüber, wie diese Gene funktionieren und wie ihre Variationen die Merkmale bei Pflanzen beeinflussen.
Aktuelle Methoden zur Genwahl
Wissenschaftler nutzen derzeit eine Mischung aus Methoden, um Kandidatengene für Studien auszuwählen. Einige Methoden sind schnell und beinhalten einfache Überprüfungen der Genfunktionen, während andere umfangreiche Experimente erfordern. Genontologien (GO) bieten grundlegende Kenntnisse darüber, was bestimmte Gene tun, bringen aber auch eigene Probleme mit sich. Diese Methoden können wichtige Gene aufgrund von Vorurteilen durch menschliche Eingaben oder automatisierte Systeme übersehen.
Bekannte Gene in einem GWAS-Peak werden oft zuerst untersucht, während unbekannte Gene, die ebenfalls bedeutend sein könnten, vernachlässigt werden. Die Effektivität dieser Methoden variiert zwischen Pflanzenarten, besonders bei gut untersuchten Pflanzen wie Arabidopsis thaliana, für die umfangreiche Annotationen verfügbar sind. Im Gegensatz dazu haben viele weniger bekannte Merkmale bei Pflanzen möglicherweise nicht genügend Informationen, um die Auswahl zu leiten.
Um Kandidaten zu finden, die starke Signale für ihre wahrscheinlichen Rollen zeigen, sind gründlichere Ansätze notwendig, unabhängig von bestehenden Annotationen. Eine solche Methode ist die Verlinkungskartierung, die hilft, ursächliche Gene unter GWAS-Peaks zu unterscheiden.
Das Ionom und seine Bedeutung
Das Ionom bezieht sich auf die Sammlung von Elementen, die im Gewebe einer Pflanze vorhanden sind. Diese Elemente spielen essentielle Rollen in verschiedenen biochemischen Prozessen. Die Herausforderung für Pflanzen besteht darin, diese Elemente zu erwerben, aufrechtzuerhalten und auszubalancieren, um optimal zu funktionieren. Viele der Methoden, die Pflanzen zur Regulierung dieser Elemente verwenden, gibt es schon seit Millionen von Jahren.
Da die gleichen Elemente in vielen verschiedenen Arten vorkommen, können Forscher vergleichen, wie Pflanzen aus verschiedenen Hintergründen diese Elemente ansammeln. Beweise zeigen, dass ähnliche Gene in verschiedenen Arten die Mengen der gleichen Elemente beeinflussen können. Diese parallele Evolution von Genen zeigt, wie wichtig diese Regulatoren in unterschiedlichen Pflanzentypen sind.
Computerbasierte Methoden zur Geneidentifikation
Um die Lücke zwischen Merkmalsbeobachtungen und spezifischen Genen zu schliessen, haben Wissenschaftler computerbasierte Werkzeuge entwickelt. Eine Methode besteht darin, Gene, die mit GWAS-Daten aus verschiedenen Arten verknüpft sind, zu analysieren, um nach Genen zu suchen, die in diesen Arten erhalten geblieben sind. Dadurch können Forscher homologe Gene identifizieren, also Gene, die von einem gemeinsamen Vorfahren abstammen, was darauf hinweist, dass sie ähnliche Funktionen haben könnten.
Neueste Bemühungen haben gezeigt, dass GWAS häufig Allele an orthologen Genen häufiger nachweisen kann, als nach Zufall zu erwarten wäre. Dazu gehören Gene, deren Funktionen zuvor unbekannt waren. Diese Strategie beruht darauf, bestehende Daten zu nutzen, um neue funktionale Annotationen zu entdecken.
Bekannte ionomische Gene als Kandidaten
Um Kandidatengene zu identifizieren, die für die Elementaufnahme bei Pflanzen verantwortlich sind, haben Wissenschaftler eine Liste bekannter ionomischer Gene (KIG) zusammengestellt, die gezeigt haben, wie Pflanzen Elemente aufnehmen. Diese Liste wird ständig aktualisiert, wenn neue Forschungsergebnisse veröffentlicht werden, was zu einer wachsenden Datenbank von 201 Primärgenen führt, die mit ionomischen Eigenschaften verbunden sind.
Durch die Untersuchung von GWAS-Datensätzen aus mehreren Pflanzenarten können Forscher sehen, ob die in diesen Studien identifizierten Allele mit den bekannten Genen übereinstimmen, die ionomische Eigenschaften beeinflussen. Vergleiche zeigen, dass zwar nur ein kleiner Teil der GWAS-Loci mit der KIG-Liste übereinstimmt, die Überlappung mit ionomischen Loci jedoch viel häufiger vorkommt.
Verwendung von Orthologie zur Verbesserung der Genwahl
Obwohl die KIG-Liste wertvolle Informationen bietet, gibt es immer noch viele GWAS-Loci, die unerklärt bleiben. Forscher spekulieren, dass die Suche nach Orthologen – Genen über Arten hinweg, die von einem gemeinsamen Vorfahren stammen – die Überlappung zwischen GWAS-Loci und der KIG-Liste verbessern könnte.
Orthologe behalten oft ähnliche Funktionen, was sie zu guten Kandidaten für Studien macht. Zum Beispiel haben viele bekannte ionomische Gene ähnliche Funktionen bei verschiedenen Pflanzenarten. Durch die Identifizierung dieser Orthologen können Forscher Einblicke in die genetische Basis für Eigenschaften der Elementakkumulation gewinnen.
Die Verwendung spezieller Algorithmen wie OrthoFinder ermöglicht es Forschern, diese homologen Beziehungen effizient über mehrere Arten hinweg zu kartieren. Das kann helfen, die Liste der Kandidatengene, die mit GWAS-Peaks verknüpft sind, zu erweitern und die Bedeutung der Erhaltung der Genfunktion zu unterstreichen.
Der FiReMAGE-Ansatz
Um besser Genkandidaten zu identifizieren, die mit GWAS-Ergebnissen verbunden sind, haben Forscher eine Methode namens FiReMAGE entwickelt, die für Filtering Results of Multi-species, Analogous, GWAS Experiments steht. Dieser Ansatz konzentriert sich darauf, orthologe Gene zu identifizieren, die mit GWAS-Befunden über verschiedene Arten hinweg in Verbindung stehen.
FiReMAGE funktioniert folgendermassen:
- Alle Gene, die mit Merkmalsloci in jeder Art verknüpft sind, werden gesammelt.
- Ihre orthologen Beziehungen werden mithilfe eines Vergleichsalgorithmus gefunden.
- Es werden nur die Orthologgruppen beibehalten, die aus mindestens drei Arten Kandidatentreffer zeigen.
Diese Methode hat gezeigt, dass sie Gene für einen signifikanten Teil der GWAS-Loci identifizieren kann, und ist besonders wertvoll, da sie keine bestehenden Funktionsannotationen für die untersuchten Gene benötigt.
Bemerkenswerte Kandidaten und Ergebnisse
Durch die Anwendung von FiReMAGE haben Forscher Kandidatengene mit signifikanten Überlappungen in allen fünf untersuchten Arten entdeckt. Diese Kandidaten sind an wichtigen Prozessen der Elementaufnahme beteiligt, einschliesslich Transportern, die mit Elementen wie Eisen, Cadmium und Molybdän assoziiert sind.
Zum Beispiel wurden im Fall der Eisenakkumulation bestimmte Gene, die zuvor nicht mit dieser Funktion verknüpft waren, als vielversprechende Kandidaten identifiziert. Ähnlich wurden auch Kandidaten für den Cadmiumtransport aufgedeckt, was helfen könnte, die Lebensmittelsicherheit und Ernährung zu verbessern.
Die Fähigkeit, diese überlappenden Signale zu erkennen, zeigt, dass einige Gene Variationen enthalten könnten, die mit wesentlichen Eigenschaften über verschiedene Pflanzenarten hinweg verbunden sind. Dieses Wissen ist entscheidend für Zuchtbemühungen, um die Nährstoffaufnahme zu verbessern und die Lebensmittelsicherheit zu erhöhen.
Überwindung von Einschränkungen in aktuellen Methoden
Während FiReMAGE vielversprechende Möglichkeiten zur Identifizierung von Kandidatengen für verschiedene Arten bietet, ist es wichtig, auf seine Einschränkungen hinzuweisen. Die Methode erfordert, dass Merkmale konsistent über die Arten hinweg gemessen werden, und steuerlich eingeschränkte Lösungen könnten übersehen werden.
Zum Beispiel könnten spezifische Merkmale, die sich stark unter den Arten unterscheiden, nicht erfasst werden, wenn sie keine gemeinsamen genetischen Wege teilen. Zusätzlich können strengere Kriterien zur Auswahl von Kandidatgenen dazu führen, dass potenzielle Gene übersehen werden, die einflussreich sein könnten.
Zukünftige Richtungen
Zukünftige Forschungen werden sich wahrscheinlich darauf konzentrieren, die über FiReMAGE identifizierten Kandidaten zu validieren und zu erkunden. Durch Mutagenese und andere genetische Manipulationstechniken können Wissenschaftler die Funktionen dieser vielversprechenden Gene bestätigen.
Mit dem Fortschritt der verfügbaren Datensätze ist das Ziel, den Auswahlprozess für Kandidaten zu verbessern und die verwendeten Parameter in diesen Analysen zu verfeinern. Dazu gehört, falsche Positive und falsche Negative auszubalancieren und zusätzliche Variablen zu berücksichtigen, um das Verständnis der Genfunktion besser zu erfassen.
Fazit
Verstehen, wie Pflanzen essentielle Elemente akkumulieren, ist eine komplexe Aufgabe, aber die neuesten Fortschritte in computerbasierten Methoden und Techniken zur Geneidentifikation zeigen vielversprechende Ansätze. Durch die Verwendung von Werkzeugen wie GWAS und FiReMAGE können Forscher wertvolle Gene aufdecken, die die Pflanzenionomik beeinflussen.
Durch die ständige Verfeinerung dieser Methoden und die Validierung der Ergebnisse hoffen Wissenschaftler, die Nährstoffqualität und Sicherheit von Pflanzen zu verbessern, was in einer Welt, in der Lebensmittelsicherheit ein brennendes Problem ist, zunehmend wichtig wird. Die Integration von Wissen über Arten hinweg durch Orthologie kann zu bedeutenden Durchbrüchen in der Pflanzengenetik führen und den Weg für intelligentere Zuchtstrategien und verbesserte landwirtschaftliche Praktiken ebnen.
Titel: A comparative approach for selecting orthologous candidate genes underlying signal in genome-wide association studies across multiple species
Zusammenfassung: Advances in quantitative genetics have enabled researchers to identify genomic regions associated with changes in phenotype. However, genomic regions can contain hundreds to thousands of genes, and progressing from genomic regions to candidate genes is still challenging. In genome-wide association studies (GWAS) measuring elemental accumulation (ionomic) traits, a mere 5% of loci are associated with a known ionomic gene - indicating that many causal genes are still unknown. To select candidates for the remaining 95% of loci, we developed a method to identify conserved genes underlying GWAS loci in multiple species. For 19 ionomic traits, we identified 14,336 candidates across Arabidopsis, soybean, rice, maize, and sorghum. We calculated the likelihood of candidates with random permutations of the data and determined that most of the top 10% of candidates were orthologous genes linked to GWAS loci across all five species. The candidate list also includes orthologous genes with previously established ionomic functions in Arabidopsis and rice. Our methods highlight the conserved nature of ionomic genetic regulators and enable the identification of previously unknown ionomic genes. Author summaryIdentifying the genes contributing to changes in a given trait is challenging. Many genes can be near the region of interest, but proximity does not always translate to causality. We use other methods to narrow our focus to the genes most likely involved in our trait of interest before confirming their involvement through confirmation experiments. However, these other methods are often time, labor, and resource-consuming. We developed an approach to narrow these gene lists before these laborious methods are required. Through testing with genetic markers for elemental (i.e., calcium, iron, zinc) uptake, we found that comparing markers across multiple species for nearby evolutionarily conserved genes is a successful approach. Weve produced a list of candidate genes likely to be involved in elemental uptake traits, including previously known elemental uptake genes and genes whose potential elemental uptake function has yet to be observed. Some of these genes would not have been considered according to the significance threshold within a single GWAS, but combining comparable datasets across species has collectively boosted their signal. Methods like our approach are useful for reducing candidate lists to conserve resources spent in functional characterization experiments and encouraging the discovery of new functional roles of these genes.
Autoren: Ivan Baxter, L. Whitt, E. H. Mahood, G. Ziegler, C. Luebbert, J. D. Gillman, G. J. Norton, A. H. Price, D. E. Salt, B. Dilkes
Letzte Aktualisierung: 2024-06-06 00:00:00
Sprache: English
Quell-URL: https://www.biorxiv.org/content/10.1101/2023.10.05.561051
Quell-PDF: https://www.biorxiv.org/content/10.1101/2023.10.05.561051.full.pdf
Lizenz: https://creativecommons.org/publicdomain/zero/1.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an biorxiv für die Nutzung seiner Open-Access-Interoperabilität.
Referenz Links
- https://github.com/danforthcenter/KIG_v2
- https://github.com/danforthcenter/FiReMAGE
- https://phytozome-next.jgi.doe.gov/phytomine/begin.do
- https://npgsweb.ars-grin.gov/gringlobal/
- https://github.com/gziegler/ionomicsUtils
- https://github.com/davidemms/OrthoFinder
- https://davidemms.github.io/orthofinder_tutorials/orthofinder-best-practices.html
- https://phytozome-next.jgi.doe.gov
- https://science.osti.gov/ber
- https://www.ukri.org/councils/bbsrc/
- https://www.danforthcenter.org