基于机器学习的大豆抵抗大豆疫霉侵染数据分析

发布时间：2021-11-13 20:10

　　大豆是一种在世界范围内广泛种植的含有丰富蛋白质的重要粮食作物,提高大豆产量是一个关系民生的大问题。每年由大豆疫霉（Phytophthora sojae）侵染导致的大豆根腐病在世界范围内造成十余亿美元的经济损失,但当前仍没有发现可以完全防治该病症的方法,对其防治工作主要是以研究抗性品种为重点,结合化学药剂的综合防治措施。然而抗性品种通常推广数年后将不再具有抗性,且随着抗性品种的增加,选育工作也变得更加复杂。近年来,越来越多的研究表明,植物与致病菌间存在Small RNA（sRNA）层面的跨界互作机制,这为大豆根腐病的防治工作提供了新的研究思路。目前关于大豆与大豆疫霉在sRNA层面上的作用机制尚不明朗。因此,从sRNA水平分析大豆被大豆疫霉侵染后的抵抗作用,进而在sRNA水平开展防治工作,对大豆根腐病的防治、大豆的增产增收具有重要意义。本文首先详述了研究背景、意义、国内外进展情况以及相关统计方法和机器学习算法。其次根据丰度、增长率统计被大豆疫霉侵染后差异表达显著的大豆sRNA序列,认为其为抗病关键sRNA序列,并作为后续模型构建的数据基础。然后基于机器学习方法分析并挖掘出关键sRNA在序列... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

原始序列预处理流程图

第3章sRNA数据收集与差异表达统计分析17图3.2FastQC序列评估结果上图为FastQC对序列评估的结果，左侧为空白组大豆sRNA数据，右侧为被大豆疫霉侵染的实验组sRNA数据，其中图3.2(a)和图3.2(b)分别为对照组和实验组sRNA序列长度分布情况，由于sRNA中起调控作用的多为长度分布在18-25nt的microRNA，本文选取18-25nt长度的序列进行后续分析。图3.2(c)和图3.2(d)为质量评估结果，纵坐标表示序列数量，横坐标为序列平均碱基质量，一般认为质量大于30时效果较好，可以发现绝大部分序列质量位于36-40之间，数据质量良好。上述步骤中，两组的sRNA数量在经过去接头、去低质量和长度控制后的数量统计如下表所示，其中InfectBefore.fastq为对照组micrRNA序列，InfectAfter.fastq为实验组sRNA序列。表3.2实验组与对照组大豆sRNA处理过程中数量统计类别去接头(条数)长度/质量控制(条数)种类InfectBefore.fastq88284813226820902702InfectAfter.fastq2240577160739281251487从上表中可以看出，侵染组由于混合了大豆和大豆疫霉的sRNA，所以数量高于对照组，为保证后续工作的精确性，本文对于长度和质量控制比较严格。

泶锪恐枭?冶?达量较高的序列是对大豆抵抗机制起作用的阳性样本，而侵染前后几乎不变的为阴性样本，最后对选择的数据集进行T检验。其中增长率的计算方法如下所示:=...........(3.1)本文阳性样本通过增长率和表达量情况共同筛选，其中一部分为侵染组和对照组共有的样本中增长率大于10且表达量大于200的732条序列；另一部分为侵染组中出现、对照组没有会出现，但是可以匹配到大豆基因组且不能匹配到大豆疫霉基因组的表达量大于100的36条序列，共计768条序列作为正样本。其中提取出的侵染前后均出现的部分正样本数据如图3.4中左侧图所示，其中红色坐标柱表示侵染后的表达量，蓝色的坐标柱表示侵染前的表达量，从图中可以看出差异情况非常显著。图3.4差异表达显著序列在两组数据中对比和差值分布为进一步探究选定的732条序列在侵染前后的差异性，本文对其使用配对T检验方法对其进行检验。两组数据表达量差值分布图如上图右图所示，从图中可以看出，两组数据的差值分布情况基本满足正态分布，此处可以使用配对T检验分析。经过T检验得到的t值为8.756，P值为6.9390e-18远小于0.05，说明侵染前后两组数据差异是非常显著的。3.5本章小结本章节首先分别对未被大豆疫霉侵染的对照组大豆sRNA和被大豆疫霉侵染的大豆sRNA原始数据进行了去接头序列、去低质量序列、质量控制和长度控制等预处理操作得到有效序列。在得到两组有效序列后，为了使两组数据具有可比性，使用四分位数标准化法对其进行标准化处理，统计所有仅属于大豆的序列在两组序列中的表达情况。基于表达量和增长率筛选出差异表达sRNA数据集，并对其进行差异倍数验证。


本文编号：3493642