植物免疫响应的大规模转录组学分析

发布时间：2019-04-13 12:54

【摘要】：自然条件下,植物在其生长发育过程中不可避免地遭受多种生物胁迫的危害,使得其产量受到严重影响。因此迫切需要探索植物响应生物胁迫的分子机理,为培育抗病经济作物提供理论知识和方法。近年来随着高通量组学(如转录组和互作组)技术的飞速发展,产生了大量的组学数据,这为全面研究植物免疫机制提供了丰富的数据基础。植物免疫响应是一套复杂的系统,涉及大量转录重编程。毫无疑问,采用系统生物学的研究手段,通过开展大规模组学数据的整合分析,将有利于更好地理解植物免疫的分子机制。本文从上述目的出发,围绕植物免疫这一重要科学问题,开展了一系列的转录组数据分析。根据生活方式的不同,植物病原体可以分为活体、死体和半活体营养型。有研究表明植物响应活体和死体营养型病原体入侵时激活的免疫机制有所不同。系统地了解植物免疫响应两类病原体入侵时免疫机制的异同,将有助于更好地理解植物免疫。因此,作者以感染活体营养型真菌Golovinomyces orontii和死体营养型真菌Botrytis cinerea的拟南芥为研究对象,比较分析了拟南芥响应两种病原体入侵时激活的免疫机制。通过将时间序列转录组数据整合到互作组中,构建出G.orontii条件网络gCPIN和cinerea条件网络bCPIN。通过分析两个条件网络的hub节点发现gCPIN和bCPIN中的hub节点在植物免疫中发挥重要作用。且两个条件网络中hub节点的进化速率也显著不同。网络模块分析发现了两个功能模块,分别是注释为生长发育的DevRC模块和免疫响应的DefRC模块。虽然两个模块同时存在于两个条件网络中,但是连接两个模块的互作对间的表达相关性在两种条件下截然相反。进一步分析发现生长素可能参与调控这两个功能模块间的相关性差异。基于目前的分析结果,推测生长素参与调控植物免疫过程中植物生长和防御间的平衡关系。基于高维时间序列数据,作者首次发现差异共表达是植物免疫过程中普遍存在的现象。此外作者还鉴别出1,315个差异共表达基因,并发现这些基因显著富集植物免疫相关基因。进一步研究表明差异共表达分析和差异表达分析互为补充,这为分析植物免疫相关转录数据提供了一种新策略。通过整合转录调控网络,鉴别出30个调控植物免疫过程中差异共表达现象的转录因子。基于代谢通路内基因对之间表达相关性的变化,挖掘出36个代谢通路,部分通路在植物免疫过程中发挥重要作用。这部分研究系统地刻画了植物免疫过程中的差异共表达现象,同时也为理解植物免疫机制提供了新的视角。植物代谢不仅与植物生长发育息息相关,也在植物免疫中发挥重要作用。初级代谢为植物免疫提供能量,次级代谢则产生大量的抗病次级代谢物。作者试图通过整合大规模的转录组数据比较分析拟南芥响应14种不同病原体入侵时,代谢通路的表达变化。从代谢基因角度分析发现14种病原体感染后,代谢相关基因的表达都发生了显著变化,并鉴别出23个频繁发生差异表达的代谢基因。从代谢通路角度,利用基因集富集分析找到26个代谢通路,这些通路在14种病原体感染的大部分条件下发生差异表达。聚类分析和与非生物胁迫的比较分析进一步证明这26个代谢通路在植物免疫中的重要性和特异性。基于CLR(Context likelihood of relatedness)算法,预测出171个转录因子和26个通路间的353条转录调控关系,这为更好地理解植物调控免疫过程中植物代谢的分子机制提供了可能。综上所述,本文基于大规模转录组数据,从系统生物学角度比较分析了植物免疫响应。转录组和互作组的整合分析发现植物响应两类病原体入侵时激活的蛋白互作网络中的hub节点和网络模块的差异。植物免疫过程中的差异共表达分析证明了差异共表达现象的普遍性,并基于此分析方法鉴别出一些候选基因用于进一步的实验验证。代谢通路的表达模式分析鉴别出26个频繁发生差异表达的代谢通路,期望通过酶分子改造方法调整植物代谢,以便达到在不影响作物正常生长发育的前提下提高作物抗病能力的目的。本文基于大规模转录组数据,采用多种不同的研究手段比较分析植物免疫响应,加深了对植物与病原体互作的认识。此外本文中用到的研究手段也适用于其他重要的生物学问题。
[Abstract]:......
【学位授予单位】：中国农业大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：S432.2;Q943.2

【参考文献】