基于多平台基因表达数据的水稻干旱和盐胁迫相关基因预测
基于多平台基因表达数据挖掘水稻胁迫相关基因,可增加关键基因预测的可靠性,获得更具普适意义的结果.本研究从NCBI数据库中收集了与水稻非生物胁迫相关的94份affymetrix基因芯片数据和42份RNA-seq转录组数据.首先对同一类型同一胁迫相关的多个数据集以数据转换法融合,得到干旱胁迫相关的affymetrix数据集D_affy和RNA-seq数据集D_rnaseq,盐胁迫相关的affymetrix数据集S_affy和RNA-seq数据集S_rnaseq;接着对4个数据集分别基于Pearson线性相关系数的经典WGCNA法和基于MIC非线性相关系数的改进WGCNA法进行基因共表达网络分析,共获取胁迫相关的8个Hub基因集;进一步,对同一胁迫相关的Hub基因进行整合分析,得到最终的水稻干旱胁迫相关Hub基因1936个、盐胁迫相关的Hub基因1504个.最后,从预测性能、富集分析、文献报道、STRING在线互作分析和Cytoscape可视化分析等多角度解析Hub基因的生物学意义.结果显示:Hub基因整体预测性能较优,且大多富集到了与干旱/盐胁迫相关的通路上,其中有文献已报道的干旱胁迫响应基因31个和盐胁迫响应基因22个.此外,通过对Hub基因的互作分析,预测得到11个干旱胁迫候选基因和5个盐胁迫候选基因.本研究为"高维度、小样本"的农作物基因测序数据的有效分析提供了新思路,实验结果为抗逆水稻品种研究提供了参考.
水稻;多平台;干旱胁迫;盐胁迫;WGCNA-MIC
47
本研究由湖南省教育厅科学研究重点项目;长沙市工业科技特派员项目;湖南农业大学"双一流"建设项目
2021-10-15（万方平台首次上网日期，不代表论文的发表时间）
共17页
2423-2439
