Redes de Co-Expresión en Girasol: Aprovechando el Poder de Datos Públicos de Transcriptómica de Múltiples Estudios para Identificar y Categorizar Genes Candidatos para la Resistencia a Hongos
Autores: Ribone, Andrés I.; Fass, Mónica; Gonzalez, Sergio; Lia, Veronica; Paniego, Norma; Rivarola, Máximo
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Redes de Co-Expresión en Girasol: Aprovechando el Poder de Datos Públicos de Transcriptómica de Múltiples Estudios para Identificar y Categorizar Genes Candidatos para la Resistencia a Hongos
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Botánica
Palabras clave
Enfermedades fúngicas de las plantas
Funciones génicas
Análisis de redes de coexpresión génica
Funciones de defensa
Genes WRKY
Resistencia a enfermedades
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
Las enfermedades fúngicas de las plantas son una amenaza importante para la seguridad alimentaria en todo el mundo. Los esfuerzos actuales para identificar y listar los involucrados en diferentes procesos biológicos son más complicados de lo que se pensaba originalmente, incluso cuando están disponibles ensamblajes genómicos completos. A pesar de numerosos esfuerzos experimentales y computacionales para caracterizar las funciones de los genes en las plantas, aproximadamente el ~40% de los genes que codifican proteínas en la planta modelo L. aún no están categorizados en la anotación de Proceso Biológico (BP) de la Ontología de Genes (GO). En organismos no modelo, como el girasol (L.), el número de anotaciones de términos de BP es mucho menor, ~22%. En el estudio actual, realizamos un análisis de red de coexpresión génica utilizando ocho terabytes de conjuntos de datos de transcriptoma públicos y predicción funcional basada en la expresión para categorizar e identificar los involucrados en la respuesta a patógenos fúngicos. Pudimos construir una red de genes de referencia de tejido verde sano (GreenGCN) y una red de genes de tejidos radiculares sanos y estresados (RootGCN). Ambas redes lograron puntajes robustos y de alta calidad en las métricas de culpa por asociación y restricciones selectivas frente a la conectividad génica. Pudimos identificar ocho módulos enriquecidos en funciones de defensa, de los cuales dos de los tres módulos en el RootGCN también se conservaron en el GreenGCN, sugiriendo patrones de expresión relacionados con la defensa similares. Identificamos 16 genes WRKY involucrados en funciones relacionadas con la defensa y 65 previamente no caracterizados ahora vinculados a la respuesta de defensa. Además, identificamos y clasificamos 122 previamente identificados dentro de QTLs o cerca de candidatos reportados en estudios de GWAS de resistencia a enfermedades en girasol vinculados a la respuesta de defensa. En resumen, hemos implementado una estrategia valiosa para describir mejor los genes dentro de procesos biológicos específicos.
Descripción
Las enfermedades fúngicas de las plantas son una amenaza importante para la seguridad alimentaria en todo el mundo. Los esfuerzos actuales para identificar y listar los involucrados en diferentes procesos biológicos son más complicados de lo que se pensaba originalmente, incluso cuando están disponibles ensamblajes genómicos completos. A pesar de numerosos esfuerzos experimentales y computacionales para caracterizar las funciones de los genes en las plantas, aproximadamente el ~40% de los genes que codifican proteínas en la planta modelo L. aún no están categorizados en la anotación de Proceso Biológico (BP) de la Ontología de Genes (GO). En organismos no modelo, como el girasol (L.), el número de anotaciones de términos de BP es mucho menor, ~22%. En el estudio actual, realizamos un análisis de red de coexpresión génica utilizando ocho terabytes de conjuntos de datos de transcriptoma públicos y predicción funcional basada en la expresión para categorizar e identificar los involucrados en la respuesta a patógenos fúngicos. Pudimos construir una red de genes de referencia de tejido verde sano (GreenGCN) y una red de genes de tejidos radiculares sanos y estresados (RootGCN). Ambas redes lograron puntajes robustos y de alta calidad en las métricas de culpa por asociación y restricciones selectivas frente a la conectividad génica. Pudimos identificar ocho módulos enriquecidos en funciones de defensa, de los cuales dos de los tres módulos en el RootGCN también se conservaron en el GreenGCN, sugiriendo patrones de expresión relacionados con la defensa similares. Identificamos 16 genes WRKY involucrados en funciones relacionadas con la defensa y 65 previamente no caracterizados ahora vinculados a la respuesta de defensa. Además, identificamos y clasificamos 122 previamente identificados dentro de QTLs o cerca de candidatos reportados en estudios de GWAS de resistencia a enfermedades en girasol vinculados a la respuesta de defensa. En resumen, hemos implementado una estrategia valiosa para describir mejor los genes dentro de procesos biológicos específicos.