通过DNA甲基化和机器学习集成,揭示甜桃中的休眠阶段预测因子

科学领域:

• 植物生理学 植物生理学
• 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
• 计算生物学 计算生物学

背景情况:

• 甜桃 (Prunus avium L.) 的休眠状态对于冬季的生存和春季的生长至关重要.
• 传统的休眠预测方法缺乏分辨率和稳定性.
• 表观遗传机制,特别是DNA甲基化,是休眠过渡的关键调节者.

研究的目的:

• 整合全基因组二硫酸盐测序和机器学习 (ML) 以预测甜桃的休眠阶段.
• 识别与特定休眠阶段相关的DNA甲基化标记物.
• 探索ML在多年生物种中开发预测模型的潜力.

主要方法:

• 来自三个实验的DNA甲基化数据使用随机森林 (RF) 和极端梯度增强 (XGBoost) 来进行分类.
• 为了模型的可解释性,使用了夏普利添加式解释 (SHAP).
• 使用整合模型共识在RF,XGBoost和SHAP指标中评估特征的重要性.

主要成果:

• 特性选择显著提高了分类准确性,在使用射频的两阶段模型 (Endodormancy,Ecodormancy) 中达到97.1%.
• SHAP分析证实了选定的特征有能力区分休眠阶段,并确定了具有生物学意义的表观遗传标记.
• 关键的甲基化特征通常与可转移元素 (LTR反转移) 和重要现象特征的定量特征位点 (QTL) 共同定位.

结论:

• 将高分辨率甲基化数据与可解释的ML结合起来,可以提供强大的休眠生物标志物.
• 休眠的表观遗传调节可能涉及通过可转移元素介导的染色质重塑.
• 这些发现支持开发基于非破坏性甲基化的工具,以改善多年果作物中的现象学管理.