تجزیه‌وتحلیل پاسخ ترانسکریپتوم به بیماری میوه سبز مرکبات با استفاده از داده‌کاوی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه اگرواکولوژی، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه داراب، داراب، ایران

2 استادیار، گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه داراب، داراب، ایران

3 دانشجوی پسادکتری، گروه زیست فناوری، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران

چکیده

بیماری میوه سبز مرکبات مخرب‌ترین بیماری مرکبات در بیش‌تر کشورهای تولیدکننده مرکبات در سراسر جهان می‌باشد و باعث خسارات اقتصادی قابل‌توجهی در مناطق به‌شدت آسیب‌دیده می‌شود. به‌منظور شناسایی ژن‌هایی که احتمالاً در تحمل به بیماری نقش دارند داده‌های ریزآرایه مربوط به ژنوتیپ‌های متحمل و حساس به بیماری میوه سبز مرکبات با شماره دسترسی GSE30502 از مخزن GEO پایگاه داده NCBI دریافت شدند و توسط7.6 RapidMiner Studio با هشت الگوریتم وزن‌دهی (Information gain، Information gain ratio، Deviation، Correlation، Chi squared statistic، Gini Index، Uncertainty و Relief) موردبررسی قرار گرفتند. پس از شناسایی پروب‌های کلیدی توسط الگوریتم‌های وزن‌دهی، هیت‌مپ‌ و خوشه‌بندی سلسله مراتبی برای ارزیابی قدرت پروب‌های شناسایی شده در تمایز ژنوتیپ متحمل و حساس به بیماری با استفاده از ابزار تحت وب Clustvis انجام شد. تجزیه پروب‌ها توسط الگوریتم‌های وزن‌دهی منتج به شناسایی 145 پروب گردید. براساس هیت‌مپ‌، تضاد قابل‌توجهی در بیان پروب‌های شناسایی شده، بین نمونه‌‌های مربوط به ژنوتیپ متحمل و نمونه‌های مربوط به ژنوتیپ حساس وجود داشت. هم‌چنین براساس خوشه‌بندی سلسله مراتبی، نمونه‌های مربوط به ژنوتیپ متحمل و ژنوتیپ حساس در خوشه‌های جداگانه‌ای قرار گرفتند. جستجو برای تعیین عوامل رونویسی و پروتئین کینازها با استفاده از سایت iTAK منجر به شناسایی پنج عامل رونویسی و چهار پروتئین کیناز مختلف گردید. به‌علاوه فراوانی رونوشت‌های ژن­های درگیر در پاسخ فوق حساسیت در ژنوتیپ متحمل نسبت به ژنوتیپ حساس بیش‌تر بود که می‌تواند مؤید فعال بودن واکنش فوق‌حساسیت به‌عنوان یکی از راهکارهای اصلی دفاعی در برابر بیماری میوه سبز مرکبات باشد. ژن‌های شناسایی شده در این پژوهش، می‌توانند به‌عنوان کاندیداهای اساسی برای بررسی نقش دقیق آن‌ها در تحمل به بیماری میوه سبز مرکبات و هم‌چنین به‌عنوان اهداف بالقوه برای رویکردهای بیوتکنولوژیکی مورداستفاده قرار گیرند. 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Analysis of Transcriptomic Responses to Citrus Greening Disease Via Data Mining

نویسندگان [English]

  • Zahra Zinati 1
  • Hosein Amin 2
  • Sima Sazegari 3
1 Assistant Professor, Department of Agroecology, College of Agriculture and Natural Resources of Darab, Darab University, Darab, Iran
2 Assistant Professor, Department of Plant Production, College of Agriculture and Natural Resources of Darab, Darab University, Darab, Iran
3 Postdoc Student, Department of Biotechnology, Faculty of Agriculture, Shiraz University, Shiraz, Iran
چکیده [English]

Citrus greening disease is the most destructive citrus disease in most citrus-producing countries around the world and causes significant economic losses in severely affected areas. In order to reveal the genes that may be involved in disease tolerance, microarray data of gene expression of susceptible and tolerant genotypes to citrus greening disease with accession number GSE30502 was retrieved from GEO repository database NCBI and analyzed by RapidMiner Studio 7.6 by eight weighting algorithms (Information gain, Information gain ratio, Deviation, Correlation, Chi squared statistic, Gini Index, Uncertainty, Relief). After identifying key probes by weighting algorithms, heatmap and hierarchical clustering were performed to evaluate the strength of detected probes in differentiating tolerant and susceptible genotypes using Clustvis web tool. Applying weighting algorithms resulted in the identification of 145 probes. According to the heatmap, there was a significant contrast in the expression of the identified probes between the samples of the tolerant genotype and the samples of the susceptible genotype. Also, based on hierarchical clustering, samples related to tolerant genotype and susceptible genotype were placed in separate clusters. A search to determine transcription factors and protein kinases using the iTAK site resulted in the identification of five transcription factors and four different protein kinases. Besides, the abundance of transcripts of the genes involved in hypersensitivity response were higher in the tolerant genotype than in the susceptible genotype, suggesting the activation of hypersensitivity reaction as one of the principal defense strategies against citrus greening disease. The genes identified in this study can be introduced as key candidates to investigate their exact role in citrus greening disease tolerance as well as potential targets for biotechnology approaches.

کلیدواژه‌ها [English]

  • Weighting algorithms
  • Microarray
  • Disease tolerance genes
  • Transcription factor
  • Protein kinase