《Biochemistry and Biophysics Reports》:Integration of inter-simple sequence repeats with machine learning approach for diversity analysis and authentication of Iranian cotton cultivars
编辑推荐:
棉花(Gossypium hirsutum L.)近几十年来经历了广泛的育种改良,导致遗传基础变窄,这为种质资源的准确区分和品种鉴定带来了挑战。本研究主要针对缺乏可靠、可扩展且可解释的工具来区分亲缘关系相近的伊朗棉花品种这一局限性。为了克服这一限制,该研究将种
棉花(Gossypium hirsutum L.)近几十年来经历了广泛的育种改良,导致遗传基础变窄,这为种质资源的准确区分和品种鉴定带来了挑战。本研究主要针对缺乏可靠、可扩展且可解释的工具来区分亲缘关系相近的伊朗棉花品种这一局限性。为了克服这一限制,该研究将种间重复序列(ISSR)标记与机器学习(ML)算法相结合,以评估遗传多样性并建立品种鉴定的诊断标准。使用14个ISSR引物对18个商业品种进行了基因分型,并利用二元计分数据(条带的有无)计算了遗传多样性参数,包括观测等位基因数(Na)、有效等位基因数(Ne)、香农信息指数(I)和期望杂合度(He)。引物13、10和26被确定为信息量最高的位点,在各多样性参数中均产生了最高值。非加权组平均法(UPGMA)聚类和主坐标分析(PCoA)揭示了五个品种群组,其中几个种质(如Jahesh、Fakhr、Sahel)表现出显著的遗传独特性。为了加强品种鉴定,研究人员利用ML分类器分析了ISSR数据。决策树模型生成了透明的基于条带的规则,而随机森林特征选择则突出了关键的诊断位点(Primer24_525, Primer2_766)。该组合框架实现了高分类准确率和重现性,能够可靠地区分亲缘关系相近的品种。这些发现证明了将多位点ISSR标记与ML相结合在品种鉴定、种子认证和遗传资源管理方面的新颖性和实用价值,同时也强调了以前未充分开发的遗传多样性,可为伊朗的棉花育种计划提供参考。
论文解读:基于ISSR与机器学习的伊朗棉花品种多样性解析与鉴定
研究背景、问题与目的
棉花(Gossypium hirsutum L.)作为全球最重要的天然纤维作物,在现代育种进程中因长期依赖少数精英品种而导致遗传基础狭窄,限制了其适应潜力。传统的形态学鉴定受环境影响大,分辨率低;虽然分子标记技术已广泛应用,但在资源有限的情况下,如何低成本且高精度地鉴别亲缘关系极近的栽培品种仍是难题。特别是在伊朗,地方品种与现代栽培种并存,缺乏有效的分子鉴别体系阻碍了准确的多样性评估和知识产权保护。因此,本研究旨在通过将成本效益高的ISSR标记与机器学习算法相结合,构建一套透明、可解释的诊断系统,以解决伊朗棉花品种鉴定中的瓶颈问题,相关成果发表在《Biochemistry and Biophysics Reports》上。
主要关键技术方法
研究人员选取了代表伊朗广泛种植的18个商业棉花品种,从国家育种站获取种子。采用改良的CTAB法提取基因组DNA,利用14个经预实验验证的ISSR引物进行PCR扩增,产物经琼脂糖凝胶电泳分离后,对清晰的条带进行二元计分(1/0)。遗传多样性参数(Na, Ne, I, He, uHe, PIC)利用GenAlEx v6.5计算,群体结构通过NTSYS-pc v2.1进行UPGMA聚类分析和PCoA可视化。机器学习分析则在Python环境中利用scikit-learn库实现,采用随机森林(Random Forest)进行特征选择,并构建决策树(Decision Tree)模型,通过十折交叉验证评估分类准确率、精确率、召回率和F1分数。
研究结果
3.1. 多样性分析
通过对14个ISSR引物的扩增结果分析,研究人员发现不同引物的信息量差异显著。引物13在所有多样性参数中表现最佳,其观测等位基因数(Na)和有效等位基因数(Ne)均为2.0,香农信息指数(I)高达0.657,期望杂合度(He)为0.465。相比之下,引物34的各项指标最低(Na=1.375, I=0.219, He=0.143)。多态性信息含量(PIC)分析进一步证实,引物10(0.253)和引物13(0.249)具有最高的鉴别能力,表明这些引物能够有效揭示伊朗棉花品种间的遗传变异。
4. 基于ISSR标记的亲缘系统发育关系
UPGMA树状图将18个品种分为五个不同的簇。Khordad和Latif形成一个高自举支持率(≈90)的末端对,而Sahel和Mehr也表现出强支持(≈86)。PCoA分析显示前两个坐标轴累计解释了35.9%的遗传变异(坐标1占21.6%,坐标2占14.3%)。分析结果显示,Kashmar、Armaghan等品种聚集在坐标1的正值区域,表现出高度的遗传相似性;而Jahesh和Fakhr则明显偏离主群,沿坐标2的负值方向分布,突显了其独特的遗传背景。
4.2. 基于决策树的棉花品种鉴定
结合ISSR数据与决策树算法,研究人员建立了一个高效的品种鉴定框架。决策树的根节点由最具信息量的诊断位点Primer24_525定义。通过该树的分支规则,左侧分支(Primer24_525缺失并结合Primer2_350)成功分组了Latif、Hekmat、Mehr等品种;右侧分支(Primer24_525存在并结合Primer2_766)则识别了Kashmar、Sepid、Shayan等品种。模型性能评估显示,总体准确率达到83.3%(15/18)。其中,Kashmar、Armaghan、Taban等12个品种实现了完美的分类(精确率=1.00,召回率=1.00,F1-score=1.00),证明了该方法在种子认证和种质管理中的实际应用潜力。
讨论与结论总结
讨论部分指出,尽管棉花遗传基础狭窄,但ISSR标记因其成本低、重现性好,仍能有效揭示多位点多态性。本研究的创新之处在于将高多样性的ISSR引物(如13、10、26)与机器学习结合,克服了传统距离法无法提供明确分类规则的缺点。决策树模型识别出的关键位点(如Primer24_525)可作为分子签名用于品种保护。尽管ISSR作为显性标记无法区分纯合与杂合状态,存在一定的局限性,但在资源有限的育种计划中仍具优势。
结论部分强调,该研究通过整合ISSR与机器学习,为棉花种质管理和种子认证提供了一个经济实用的框架。研究发现Primers 13、10和26具有卓越的信息捕捉能力,而Jahesh、Fakhr等遗传独特的品种是拓宽育种遗传基础的宝贵资源。未来研究建议将ISSR数据与共显性标记(如SSR、SNP)及高通量测序平台(GBS或NGS)相结合,以进一步提升群体结构分析的精度和鉴定准确性,助力建立国家棉花指纹数据库。