GERWR:根据图形嵌入和随机步行与重新启动确定大米中Magnaporthe Oryzae感染的关键致病性相关的sRNA

科学领域:

• 植物病理学 植物病理学
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 由Magnaporthe oryzae (M. oryzae) 引起的水爆发是对全球水生产的重大威胁,造成了显著的产量损失.
• 小RNAs (sRNAs) 是植物病原体相互作用的关键调节者,但它们在M. oryzae病原体发生中的特定作用尚未完全理解.
• 现有的研究缺乏综合的多学科研究,以全面识别真菌入侵期间的病原性sRNA.

研究的目的:

• 开发和应用一种新的计算方法来识别M. oryzae中的病原性sRNA,使用集成的多omics数据.
• 阐明在爆病中发现的致病性sRNA的调节网络和机制.
• 为M. oryzae病原和宿主植物相互作用的分子基础提供新的见解.

主要方法:

• 图形嵌入与随机步行与重启 (GERWR) 算法相结合的开发.
• 构建一个多omics网络 (MRMO),集成与M. oryzae和大米有关的各种omics数据.
• 将GERWR应用于MRMO网络以识别致病sRNA.

主要成果:

• 从米爆真菌M. oryzae中鉴定了29种致病性sRNA.
• 证明了已识别的sRNA和大米基因之间的复杂的多对多调节关系.
• 鉴定到的sRNA在爆病的发病过程中起着重要作用.

结论:

• 新的GERWR方法通过整合多omics数据有效地识别致病sRNA.
• 病原性sRNA是M. oryzae病变的关键参与者,通过复杂的网络调节宿主基因.
• 这项研究为了解真菌病原性机制提供了新的视角,并为开发有针对性的疾病控制策略提供了基础.