En studie har utnyttjat persikogenomet och skapat storskaliga gensamuttrycksnätverk (GCN) som förutsäger genfunktioner och effektiviserar persikoförädlingsprocessen. Detta innovativa tillvägagångssätt tar itu med den komplexa uppgiften att identifiera gener kopplade till önskvärda avelsegenskaper hos persikor.

Peach-genetik står inför utmaningar som långa intergenerationstider och begränsade genetiska transformationssystem, vilket gör genidentifiering och validering komplex. Traditionella metoder misslyckas ofta med att förutsäga genfunktioner på grund av dessa begränsningar.

Gene co-expression networks (GCNs), som kartlägger relationerna mellan genuttryck, erbjuder en lovande lösning. Genom att utnyttja principen "guilty-by-association" kan GCN förutsäga genfunktioner baserat på delade uttrycksmönster. På grund av dessa utmaningar finns det ett akut behov av innovativa verktyg som GCN:er för att förbättra vår förståelse av persikogenetik.

Forskare från Institut de Recerca i Tecnologia Agroalimentàries (IRTA) och Centre de Recerca en Agrigenòmica (CRAG) publicerade en studie i tidskriften Horticulture Research den 2 januari 2024. Studien introducerar ett nytt verktyg som utnyttjar GCN:er för att förutsäga genfunktioner i persikor, vilket potentiellt revolutionerar fruktförädlingen.

Studien skapade fyra GCN från 604 Illumina RNA-Seq-bibliotek och utvärderade deras prestanda med hjälp av en maskininlärningsalgoritm baserad på "guilty-by-association"-principen. Bland nätverken visade COO300 den bästa prestandan, med 21 956 gener. För att validera COO300 genomförde forskare två fallstudier.

I den första fallstudien analyserades generna PpPG21 och PpPG22, involverade i persikafruktmjukning. De samuttryckta generna bildade det smältande köttet (MF) nätverket, som berikades med termer relaterade till cellväggsorganisation och fytohormonsignalering. MF-nätverket inkluderade gener associerade med cellväggsdemontering och mognadsrelaterade fytohormoner, vilket visar COO300:s förmåga att förutsäga genfunktioner korrekt.

I den andra fallstudien undersöktes transkriptionsfaktorn PpMYB10.1, som reglerar antocyaninackumulering. Fruktfärgsnätverket (FC) identifierade gener involverade i antocyaninmetabolism och reglering. Genom att jämföra FC-nätverket med vinortologer identifierade forskare bevarade regulatoriska nätverk, vilket ytterligare validerade COO300:s prediktiva kapacitet.

Dr. Iban Eduardo, en ledande forskare vid CRAG, sa:"Utvecklingen av COO300-nätverket representerar ett betydande genombrott inom persikogenetik. Genom att noggrant förutsäga genfunktioner förbättrar detta verktyg inte bara vår förståelse av persikobiologi utan banar också väg för mer riktade och effektiva avelsstrategier."

Studien erbjuder uppfödare ett kraftfullt verktyg för att förbättra persikosorter. Genom att avkoda genfunktioner förväntas PeachGCN v1.0 och dess skript, tillgängliga för alla, driva framsteg när det gäller smak, livslängd och näring för persikor. Denna genomiska insikt är ett förebud om förändring och signalerar en förändring mot datadriven avel inom jordbruket.

Mer information: Felipe Pérez de los Cobos et al, Utforska storskaliga gensamuttrycksnätverk i persika (Prunus persica L.):ett nytt verktyg för att förutsäga genfunktion, Trädgårdsforskning (2024). DOI:10.1093/hr/uhad294

Journalinformation: Trgårdsbruksforskning

Tillhandahålls av NanJing Agricultural University