用于植物病原体诊断的合成spike-inmetabarcoding可以精确量化Fusarium属内的副本数

科学领域:

• 农业科学 农业科学
• 分子生物学分子生物学
• 食品安全 食品安全

背景情况:

• 合成入元编码 (SSIM) 是一种量化下一代测序 (NGS) 方法,由于不一致性,其采用程度有限.
• 之前的SSIM测定集中在ITS和16SrRNA基因上,但这项研究探索了一个新的应用.

研究的目的:

• 开发和验证SSIM作为一种诊断试验,用于识别和量化植物病原性*Fusarium*物种.
• 实现SSIM使用单副本*TEF1*基因,以提高准确性和一致性.
• 评估SSIM对预测小麦中真菌毒素污染的有用性.

主要方法:

• 使用*TEF1*基因开发的SSIM试验,该基因因因其均的G+C含量和长度而被选择.
• 阅读质量得分的变化被确定为SSIM中偏差的一个小来源.
• 基于定量PCR (qPCR) 测定 (qMET) 验证的SSIM性能用于基因拷贝数的确定.

主要成果:

• 与三种*Fusarium*物种的qMET相比,SSIM表现出高精度 (R2>0.93) 和比例性 (斜率~1) .
• 将SSIM应用于24个小麦谷物样本时,发现了多种不同的*Fusarium*物种和相关的真菌毒素.
• 与qPCR相比,SSIM对大多数真菌毒素度的预测准确度更高.

结论:

• SSIM是一种精确可靠的方法,用于量化植物病原性*Fusarium*物种.
• *TEF1*基因是基于SSIM的诊断的合适目标.
• 通过改善病原体检测和真菌毒素污染管理,SSIM对食品安全有重大影响.