研究成果
1 强光对紫苏叶RA积累的影响
为了研究光对紫苏叶RA含量的影响,采用不同的光处理方法,包括白光(WL)、白光+蓝光(WL+BL)、白光+红光(WL+RL) )、暗色(dark)、弱光(LL)、正常光(GL)和高光(HL)。 HL处理7天后,紫苏叶中RA含量显着增加。在其他光照处理中,RA含量没有显着变化。选取两个不同的紫苏品种作为实验材料。后续研究采用HL治疗1 h和48 h作为治疗条件。
在0和1 h强光处理组中,两个紫苏品种的叶片均表现出健康、平坦的外观。然而,连续暴露在强光下48小时后,两个品种的叶子在胁迫下都明显卷曲(图1A)。采用高效液相色谱法进一步研究了紫苏叶中酚酸的含量。首先,测量RA和CA的水平。强光处理1 h后,RA含量略有增加。值得注意的是,连续强光处理48 h(HL48h)后,两个品种的RA含量均显着积累(图1B)。同样,CA 含量也显示出类似的趋势(图1C)。然后测定总酚酸(TP)含量。强光处理下,两个品种紫苏叶中总磷含量显着增加。 HL48h处理后,两个品种紫苏叶的TP含量分别达到1.59倍和1.88倍。在HL48 组中观察到最高的反应。这些结果表明,强光处理显着诱导紫苏叶中TP(RA和CA)的积累。
图1 不同HL处理下金银花叶片表型及RA含量变化
2. 迷迭香酸生物合成及调控相关上调基因的鉴定
为了研究强光处理期间参与RA 生物合成的关键调控基因,对分别接受强光处理0、1 和48 小时的两个紫苏品种进行转录组测序。皮尔逊相关系数(R)值和主成分分析(PCA)都表明每组内的重复样本之间具有高度相似性。与HL0h相比,HL1h处理后有592个基因上调,而与HL0h和HL1h相比,HL48h处理后有1,060个基因上调(图2A)。 KEGG分析结果显示,592个DEG中大部分基因富集于SMs生物合成相关通路。此外,一些基因显示出与苯丙氨酸、酪氨酸和色氨酸生物合成以及苯丙氨酸代谢相关的途径的富集(图2B)。此外,酪氨酸代谢途径中也富集了特定基因(图2C)。 GO富集分析还表明,592个DEG和1,060个DEG可能与HL胁迫下RA的积累过程有关。
此外,在两个紫苏品种中还发现了参与RA合成途径的编码基因,包括PAL、C4H、4CL、RAS、TAT、HPPR和CYP98A。大多数这些基因在强光处理下上调(图2D)。在PF626品种中,更多的RA合酶基因在HL1h组中上调,而在PF68品种中,这些基因主要在HL48h组中上调。尽管对强光胁迫的反应时间存在差异,但两个品种中参与RA 合成途径的基因均存在大幅上调的趋势。但值得注意的是,PF626品种中编码RA合成途径相关基因的基因比PF68品种对强光胁迫更加敏感。
图2 差异表达分析及RA生物合成途径
3. 利用WGCNA分析确定RA生物合成的调控因素
为了阐明与RA 生物合成相关的调控因素,我们使用WGCNA 进行了相关分析。该分析产生了八个不同的基因模块,每个模块都显示出与两种酚酸含量的不同相关性(图3A)。在这些模块中,MEbrown模块与RA具有最大的正相关性,而MEblack模块与CA具有最大的负相关性(图3A)。 MEbrown 模块由1,960 个基因组成,是本研究的重点。这些基因主要富集于与光合作用、触角蛋白合成、叶绿素代谢以及苯丙氨酸和酪氨酸合成相关的途径(图3B)。在该模块中,发现了参与RA 合成的3 个基因(PfTAT1、PfTAT2 和PfC4H)和93 个转录因子。此外,构建的共表达网络显示NAC2、MYB8、TCP1、TCP3、GRAS1、MYB_related1、C3H3和Dof转录因子占据了该模块的中心位置(图3,C和D)。 PfNAC2 作为候选基因中的诱导基因出现(图3E)。 PfNAC2 蛋白具有保守的NAC A-D 结构域,与辣椒中的NAC035 蛋白(XP016538913.1) 同源。此外,PfGBF3蛋白也在592个基因组中上调并被鉴定为DEG(图2A)。 PfGBF3 属于bZIP 转录因子家族,与拟南芥中的BL 信号响应因子AtGBF1(OAP09286.1、OAP09285.1)同源。
此外,转录组分析和RT-qPCR验证证实HL1h组中PfNAC2和PfGBF3基因的表达显着增加。相反,HL48h组中PfTAT1、PfTAT2和PfC4H基因的转录水平显着增加(图3F)。强烈的共表达关系和观察到的诱导表达趋势表明PfNAC2和PfGBF3可能在调节RA生物合成基因PfTAT1、PfTAT2和PfC4H的表达中发挥正向调节作用。
图3 已鉴定的RA 生物合成调节因子
4. PfNAC2 和PfGBF3 对RA 生物合成基因的调节
对PfC4H、PfTAT1 和PfTAT2 启动子序列上游2000 bp 内的顺式作用元件进行了分析。在PfC4H、PfTAT1 和PfTAT2 基因的启动子中发现了三个NAC 和bZIP 转录因子的结合元件,即CACGTG 基序、ABRE 和G-box 顺式元件。酵母单杂交(Y1H) 测定发现PfGBF3 和PfNAC2 促进由PfC4H 启动子驱动的LacZ 表达。此外,还进行了双荧光素酶测定(图4D),证明了它们的相互作用(图4E)。该结果表明PfNAC2和PfGBF3转录因子均可与启动子结合并激活PfC4H基因的表达。
有趣的是,在PfNAC2 基因的启动子序列中也发现了GBF3 转录因子的结合位点G-box (TACGTG) 元件。酵母单杂交实验发现PfGBF3促进了PfNAC2启动子驱动的LacZ的表达(图5B),双荧光素酶实验也验证了这一实验。这些结果表明PfGBF3激活PfNAC2和PfC4H的表达。
图4 PfGBF3和PfNAC2转录因子激活PfC4H的转录
图5 PfGBF3转录因子激活PfNAC2的转录
5.PfNAC2、PfGBF3和PfC4H促进紫苏中RA的合成
为了进一步证实其调控功能,在紫苏植物中进行了农杆菌介导的瞬时表达实验和稳定转化实验。将农杆菌注射到子叶中以进行瞬时基因表达。孵育7天后,测量RA含量。与对照相比,过表达PfNAC2、PfGBF3和PfC4H的植物叶片中RA水平较高(图6A),但TP含量没有显着差异(图6B)。上述结果表明,PfNAC2、PfGBF3和PfC4H均能促进紫苏类植物RA的积累。
随后PfNAC2基因的稳定转化产生了三个携带PfNAC2的转基因品系,并证实PfNAC2成功整合到紫苏基因组中。在表达PfNAC2 的转基因系中没有观察到显着的表型差异(图6C)。然而,三个PfNAC2 系中的RA 含量分别显着增加(图6D)。与对照相比,转基因品系的TP含量也有所增加(图6E)。此外,还鉴定了基因的表达水平。转基因植物中PfNAC2基因的表达量增加了2.32-3.53倍(图6F)。有趣的是,转基因PfNAC2植株中PfGBF3基因分别增加了6.62倍、8.78倍和13.6倍,表明PfNAC2对PfGBF3具有负反馈作用。此外,在转基因PfNAC2 植物中,PfC4H 基因分别上调2.68 倍、3.17 倍和5.11 倍(图6F)。此外,编码C4H的PfC4H2、PfC4H3和PfC4H4在转基因PfNAC2植株中的表达量也上调,这与PfC4H的表达趋势一致。稳定的转基因PfNAC2系不仅能显着刺激RA的积累,而且能显着刺激TP的积累,表明PfNAC2是紫苏叶酚类代谢物生物合成的重要正调节因子。可以认为该调节途径在紫苏叶中诱导PfC4H。表达量增加。
图6 PfNAC2通过农杆菌介导的稳定转基因系统促进RA合成
麦威总结
通过转录组和代谢组联合分析,对两个紫苏品种在强光处理0h、1h和48h下进行分析。 1小时和48小时的强光处理分别导致592个和1,060个基因上调。在这些基因中,共表达了3个结构基因和93个转录因子。值得注意的是,NAC家族成员PfNAC2、GBF家族成员PfGBF3和肉桂酸4-羟化酶基因PfC4H在强光胁迫下表现出显着的共表达和上调。转录激活分析表明PfGBF3 结合并激活PfNAC2 启动子。此外,PfNAC2和PfGBF3均与PfC4H启动子结合,从而正向调节PfC4H的表达。 PfNAC2、PfGBF3 和PfC4H 的瞬时过表达以及PfNAC2 的稳定转基因表达导致紫苏中RA 积累的大幅增加。因此,PfGBF3作为光敏感因子,正向调节PfNAC2和PfC4H,并且PfNAC2在强光胁迫下也调节PfC4H并促进RA积累。阐明紫苏强光条件下RA积累的调控机制,为开发高产RA系统和理解光诱导代谢积累模型奠定了基础。
本文采摘于网络,不代表本站立场,转载联系作者并注明出处:https://www.iotsj.com//kuaixun/5769.html
用户评论
这篇文章厉害啊!感觉WGCNA真的是个好方法,能挖掘到很多隐藏的基因关系真是太棒了!
有16位网友表示赞同!
想学学WGCNA,看看能不能应用到自己的研究中!
有15位网友表示赞同!
Plant Physiol 高影响力期刊,发表 solcher一篇 WGCNA 研究文章,肯定很给面子。
有20位网友表示赞同!
学习学习,以后也能用 WGCNA 找基因套路,出高分论文!
有20位网友表示赞同!
挖掘新基因?这也太酷了吧!我感觉自己对植物生理知识的掌握还不太够啊。
有13位网友表示赞同!
WGCNA, 可以用来分析基因共表达网络吗?
有12位网友表示赞同!
Plant Physiol 杂志真厉害,这篇文章也写得很好理解。
有6位网友表示赞同!
想了解更多关于 WGCNA 的细节,这个研究方法是不是很复杂呢?
有6位网友表示赞同!
高分论文的秘诀原来是找到合适的分析手段!
有12位网友表示赞同!
基因套路? 这听起来好神秘!我也想去试试看
有8位网友表示赞同!
看了这篇 WGCNA 文章,我对基因组学研究又有了新的认识。
有11位网友表示赞同!
WGCNA 的应用真的很广泛啊!感觉以后很多研究都离不开它了。
有15位网友表示赞同!
原来用分析网络可以发现基因之间的关系呢!太神奇了!
有7位网友表示赞同!
羡慕能发表在 Plant Physiol 上的研究团队,他们的工作成果令人敬佩。
有13位网友表示赞同!
希望这篇 WGCNA 文章能为植物生理学的研究带来新的突破和启发。
有13位网友表示赞同!
基因共表达网络分析真的很有意思!
有8位网友表示赞同!
感觉学习 WGCNA 需要花费不少时间,但为了能够发表高分论文,还是需要好好学习一下!
有10位网友表示赞同!
WGCNA 和其他的生物信息学方法相比,有哪些优势呢?
有13位网友表示赞同!