Биоинформатический метод определения однонуклеотидных полиморфизмов на примере гена WIN у Glycine max

Обложка

Цитировать

Полный текст

Аннотация

В данной работе предлагается гипотетический метод поиска SNPs (однонуклеотидных полиморфизмов) на примере гена рибонуклеазы WIN. Рибонуклеаза – фермент, который участвует в реакциях защиты против грибковых инфекций у сои, а также в других реакциях по защите от биотического стресса. Принадлежность к группе РНК-аз обусловливает ее специфические свойства, а именно способность к деградации чужеродных нуклеиновых кислот. Данная способность позволяет индуцировать общий неспецифический иммунный ответ растения на вторжение антигенных структур. В современной биотехнологии стоит задача разработки молекулярных методов и подходов, которые позволят увеличить резистентные свойства культуры или ускорить процессы ее адаптации в полевых условиях. Ключом к решению этой задачи может служить использование технологий искусственного индуцирования однонуклеотидных полиморфизмов в тех участках генома, которые кодируют белки, способные принимать участие в защитных реакциях против биотического стресса. В ходе проведенного исследования нам удалось предположить 5 однонуклеотидных полиморфизмов с использованием методов биоинформационного анализа в рамках описываемой нами методики. Локализация и детекция SNPs является сложной задачей ввиду наличия изменения одного нуклеотида. Поэтому в практике биотехнологов имеется задача проведения предиктивного анализа с целью локализации потенциальной последовательности нахождения однонуклеотидного полиморфизма. После выяснения гипотетического расположения SNPs появляется возможность дальнейшего их детектирования с использованием сложных молекулярных методов, таких как ПЦР в реальном времени или локальное секвенирование. Данная технология даст возможность исследователям получить мощный инструмент для проведения селекционных работ с целью выведения сортов сои с заранее заданными свойствами. Подобные теоретические и предсказательные модели позволят более оперативно реагировать на изменяющуюся обстановку в условиях антропогенной и техногенной нагрузки на экологическую растительную среду.

Об авторах

П. Д. Тимкин

Всероссийский научно-исследовательский институт сои

Email: tpd@vniisoi.ru

А. А. Пензин

Всероссийский научно-исследовательский институт сои

Email: paa@vniisoi.ru

Список литературы

  1. Lander E. S. Initial sequencing and analysis of the human genome. Nature. 2001;409:860-921. https://doi.org/10.1038/35057062.
  2. Makki R. M., Saeedi A. A., Khan T. K., Ali H. M., Ramadan A. M. Single nucleotide polymorphism analysis in plastomes of eight Catharanthus roseus cultivars. Biotechnology & Biotechnological Equipment. 2019;33(1):419-428. https://doi.org/10.1080/13102818.2019.1579671.
  3. Sukhumsirichart W. Polymorphisms. In: Genetic Diversity and Disease Susceptibility. Liu Ya. (ed.). 2018, 164 p. https://doi.org/10.5772/intechopen.76728.
  4. Morgil H., Gercek Y. C., Tulum I. Single nucleotide polymorphisms (SNPs) in plant genetics and breeding. In: The Recent Topics in Genetic Polymorphisms. Çalışkan M., Erol O., Öz G. C. (eds.). 2020, 148 p. https://doi.org/10.5772/intechopen.91886.
  5. Achard F., Butruille M., Madjarac S., Nelson P. T., Duesing J., Laffont J.-L., et al. Single nucleotide polymorphisms facilitate distinctness-uniformity-stability testing of soybean cultivars for plant variety protection. Crop Science. 2020;60(5):2280-2303. https://doi.org/10.1002/csc2.20201.
  6. Freudenthal J. A., Ankenbrand M. J., Grimm D. G., Korte A. GWAS-flow: a GPU accelerated framework for efficient permutation based genome-wide association studies. BioRxiv. 2019;1:783100. https://doi.org/10.1101/783100.
  7. Fan C., Zhai H., Wang H., Yue Y., Zhang M., Li J., et al. Identification of QTLs controlling grain protein concentration using a high-density SNP and SSR linkage map in barley (Hordeum vulgare L.). BMC Plant Biology. 2017;17:122. https://doi.org/10.1186/s12870-017-1067-6.
  8. Zhang W., Xu W., Li S., Zhang H., Liu X., Cui X., et al. GmAOC4 modulates seed germination by regulating JA biosynthesis in soybean. Theoretical and Applied Genetics. 2022;135(2):439-447. https://doi.org/10.1007/s00122-021-03974-0.
  9. Mathur R., Rana B. S., Jha A. K. Single nucleotide polymorphism (SNP). In: Encyclopedia of Animal Cognition and Behavior. Vonk J., Shackelford T. (eds.). Cham., Springer; 2018, 7539 p. https://doi.org/10.1007/978-3-319-47829-6_2049-1.
  10. Tchaikovskii V., Desnick R. J., Bishop D. F. Molecular expression, characterization and mechanism of ALAS2 gain-of-function mutants. Molecular Medicine. 2019;24(25):4. https://doi.org/10.1186/s10020-0190070-9.
  11. Martynenko N., Lavrentieva S., Tarasova O. Influence of Septoria glycines Hemmi on the enzymes’ activity of hydrolytic Glycines max (L.) Merr seed complex. Fundamental and Applied Research in Biology and Agriculture: International Scientific and Practical Conference. 2021;254:02020. https://doi.org/10.1051/e3sconf/202125402020.
  12. Howe K. L., Contreras-Moreira B., De Silva N., Maslen G., Akanni W., Allen J., et al. Ensembl genomes 2020 – enabling non-vertebrate genomic research. Nucleic Acids Research. 2020;48(D1):D689-D695. https://doi.org/10.1093/nar/gkz890.
  13. Rensink W. A., Buell C. R. Arabidopsis to rice. Applying knowledge from a weed to enhance our understanding of a crop species. Plant Physiology. 2004;135(2):622-629. https://doi.org/10.1104/pp.104.040170.
  14. Coelho S. M., Peters A. F., Charrier B., Roze D., Destombe C., Valero M., et al. Complex life cycles of multicellular eukaryotes: new approaches based on the use of model organisms. Gene. 2007;406(1-2):152-170. https://doi.org/10.1016/j.gene.2007.07.025.
  15. Meyerowitz E. M. Prehistory and history of Arabidopsis research. Plant Physiology. 2001;125(1):15-19. 16. Leonelli S. Arabidopsis, the botanical Drosophila: from mouse cress to model organism. Endeavour. 2007;31(1):34-38. https://doi.org/10.1016/j.endeavour.2007.01.003.
  16. Lan Y., Sun R., Ouyang J., Ding W., Kim M. J., Wu J., et al. AtMAD: Arabidopsis thaliana multi-omics association database. Nucleic Acids Research. 2021;49(D1):D1445-D1451. https://doi.org/10.1093/nar/gkaa1042.
  17. Jampala P., Garhewal A., Lodha M. Functions of long non-coding RNA in Arabidopsis thaliana. Plant Signaling & Behavior. 2021;16(9):1925440. https://doi.org/10.1080/15592324.2021.1925440.
  18. Yu X., Vandivier L. E., Gregory B. D. NAD-seq for profiling the NAD+ capped transcriptome of Arabidopsis thaliana. STAR Protocols. 2021;2(4):100901. https://doi.org/10.1016/j.xpro.2021.100901.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».