综合地绘制和建模大米规范群景观,揭示了复杂特征背后的监管架构
Tao Zhu1,2, Chunjiao Xia3, Ranran Yu1
1State Key Laboratory of Pharmaceutical Biotechnology, Department of Gastroenterology, Nanjing Drum Tower Hospital, National Resource Center for Mutant Mice, School of Life Sciences, Nanjing University, Nanjing, 210023, China.
Nature communications
|August 2, 2024
概括
这项研究绘制了跨组织的米色素可访问性的地图,揭示了广泛的监管元素. 它通过解码复杂的特征调节来识别新的基因功能,并推进精密育种.
科学领域:
- 植物基因组学 植物基因组学
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
- 农作物改善的方法
背景情况:
- 了解监管机制是提高作物的关键.
- 米 (Oryza sativa) 是一个重要的模型生物和主食作物.
研究的目的:
- 为了创建一个全面的水规则图谱.
- 识别调节元素及其与基因的关联.
- 探索特征变异的遗传基础,并支持精确育种.
主要方法:
- 在23种来自三种品种的米组织中进行染色体可访问性分析 (ATAC-seq).
- 与RNA测序数据的整合,以预测开放色素区域 (OCR) 与基因的联系.
- 深度学习模型来解码监管语法和预测监管动态.
主要成果:
- 确定了117,176个独特的OCR,占大米基因组的15%.
- 预计有59,075个OCR与基因的链接,其中69.54%是增强剂.
- 发现了OsbZIP06在种子发芽中的新功能,并模拟了组织特定的可访问性.
结论:
- 米规律图谱是功能基因组学和精密育种的基础资源.
- 提供了关于 cis 调节分歧和特征变异的见解.
- 先进的深度学习模型能够预测调节动态和基因功能.


