分子签名和机器学习驱动的压力生物标志物用于彩虹鱼水产养殖和气候适应

科学领域:

• 水生物质毒理学研究
• 环境基因组学 环境基因组学
• 鱼类生理学 鱼类生理学

背景情况:

• 气候变化引入了环境压力因素,影响了鱼类的健康和生存.
• 识别分子生物标志物对于水产养殖和野生种群的有效压力管理和适应策略至关重要.
• 转录组分析提供了一个强大的工具,以了解鱼类对环境挑战的反应.

研究的目的:

• 研究彩虹鱼 (Oncorhynchus mykiss) 对各种气候引起的压力因素的转录基因反应.
• 识别与不同环境挑战相关的特定和共享的分子特征.
• 用机器学习评估差异表达成文 (DETs) 的预测潜力,用于使用机器学习检测压力.

主要方法:

• 对彩虹鱼暴露在热,寒冷,拥挤,盐度和水质低的环境下进行了全面的转录基因分析.
• 在压力特异性和共享反应中识别和分析差异表达的转录 (DET).
• 机器学习模型 (物流模型树,随机森林) 的应用,以评估热应力分类的DETs的预测准确性.

主要成果:

• 确定了超过21000个DET,其中热应激和盐度引起了最明显和应激因子特异性的反应.
• 在所有五种压力因素中,只有39个DET被一致监管.
• 机器学习模型将热冲击蛋白转录 (hsp47,hspa4l) 确定为热应激的关键预测因素,实现了高分类准确性.
• 分享的DET显示压力分类的预测能力有限.

结论:

• 鱼类中压力的分子特征在很大程度上特定于个别的环境压力因素.
• 转录基因生物标记物,特别是热冲击蛋白,对于监测鱼群气候引起的压力具有重大潜力.
• 将这些生物标志物纳入繁殖计划和保护工作可以提高鱼类在不断变化的环境中的弹性和福利.