用响应表面方法和人工神经网络建模来优化Salsola laricifolia原质的制备条件

科学领域:

• 植物生物技术 植物生物技术
• 分子生物学分子生物学
• 沙漠生态 沙漠生态

背景情况:

• 萨尔索拉·拉里西福利亚 (Salsola laricifolia) 是来自阿马兰太家族的C3-C4型沙漠植物,它需要一个高效的单细胞系统来进行基因功能研究.
• 之前的研究是优化实验条件的基础.

研究的目的:

• 为了优化Salsola laricifolia的原生细胞隔离条件.
• 评估响应表面方法 (RSM) 和人工神经网络 (ANN) 模型在优化原生质准备中的有效性.
• 为未来的遗传实验建立一个高效的单细胞系统.

主要方法:

• 使用Box-Behnken实验设计来优化条件.
• 使用响应表面方法 (RSM) 和人工神经网络 (ANN) 模型来分析实验因素.
• 原生质的产量,活力和活性的细胞数量是关键的评估指标.
• 参考基因 (18SrRNA,β-actin,EF1-α) 在原生质中进行了表达选.
• 使用pBI121-SaNADP-ME2-GFP等离子体进行了PEG介导的转化.

主要成果:

• 确定了原始质细胞产量 (1.550 × 10^6/100毫克) 的最佳条件,其生存率为90.65%,生存细胞为1.405 × 10^6/100毫克.
• 细胞酶R-10含量是最有影响力的原始质细胞产量因素,而酶R-10含量最影响活力.
• RSM模型在预测产量和活力方面表现出色,而ANN在预测活力细胞数量方面表现出改善.
• 确定β-actin和EF1-α是适合原生体实验的内部参考基因.
• SaNADP-ME2被定位在叶绿体中.

结论:

• 对于S. laricifolia,RSM和ANN模型有效优化了原生质的准备.
• 开发的方法可以适应从其他植物材料中分离原生质.
• 这项研究为S. laricifolia遗传研究提供了一种经过验证,高效的单细胞系统.