中国农科院作物所等利用深度学习模型挖掘互花米草耐盐基因

近日，中国农业科学院作物科学研究所/南繁研究院大数据智能设计育种创新团队在The Plant Journal上发表题为“Deep learning-enabled discovery and characterization of HKT genes in Spartina alterniflora”的研究论文，利用深度学习模型DeepGOPlus在植物基因组水平精准挖掘耐盐基因，以互花米草HKT基因为案例，挖掘到多个可能参与互花米草耐盐的决定基因。

传统筛选基因方法基于常规序列比对，需要人为设定参数和阈值进行筛选，会导致基因筛选结果不准确。相比较于常规序列比对，根据蛋白质功能对基因进行分类的方法为解决常规方法出现的问题提供了途径。而基于深度学习模型对基因按功能准确分类能够提高基因的精确筛选。

盐生植物互花米草在系统发育上与玉米、水稻等谷类作物亲缘关系较近，高效利用互花米草耐盐关键基因进行遗传改良是提高作物耐盐性和产量的优异策略。该研究在互花米草基因组水平利用DeepGOPlus对耐盐关键基因HKT (High-affinity K+ transporter)进行精确筛选，发现基因复制事件促进了SaHKT基因的扩张，它们比其他物种HKT基因具有更强的钾离子亲和能力，同时介导互花米草钠、钾离子的转运。该深度学习方法能够从庞大的基因组数据中识别出功能基因的特征序列，并对其进行准确定位和特性分析，不仅提高了基因挖掘和鉴定的准确性，也为进一步深入研究基因功能的作用机制提供了强有力工具。

基于深度学习进行基因挖掘和实验验证的流程图

团队成员中国农业科学院作物科学研究所/南繁院与烟台大学联合培养硕士研究生杨茂庚、博士后陈守坤、助理研究员黄章平为本文共同第一作者，团队首席李慧慧研究员、北京大学现代农学院刘春明教授、烟台大学生命科学学院陈世华教授为共同通讯作者。该研究得到国家重点研发计划、中国农科院南繁专项基金、国家自然科学基金、中国农业科学院创新工程、阿里巴巴公益基金共同资助。

原文链接：https://onlinelibrary.wiley.com/doi/10.1111/tpj.16397

转自：“iPlants”微信公众号

如有侵权，请联系本站删除！