番茄防御反应转录组元分析鉴定核心激素响应特征与关键候选基因

《Scientific Reports》：Integrative meta-transcriptomics and machine learning reveal defence networks and regulatory hubs in response to tomato bacterial pathogens

摘要

番茄（Solanum lycopersicum）是一种具有经济价值的蔬菜作物，但其生产受到细菌病原体的严重威胁，这些病原体包括Clavibacter michiganensis subsp. michiganensis（Cmm）和Pseudomonas syringae。植物的防御反应受复杂的激素网络调控，尤其是水杨酸和茉莉酸，这些激素能够激活部分重叠且依赖于具体情境的信号通路。尽管已有大量转录组研究探讨了激素和病原体相关反应，但番茄防御反应背后的保守转录特征仍不十分清楚。为了解决这一问题，我们采用五种互补方法（固定效应模型、随机效应模型、秩积统计量、Stouffer’s Z-score和Fisher方法）对大规模RNA-seq数据进行了整合性元分析，鉴定出178个上调基因和177个下调基因，这些基因共同构成了一个核心的激素响应特征。功能富集分析揭示了广泛的代谢和调控重编程现象，涉及氨基酸代谢、脂质相关过程、囊泡运输、氧化还原调控以及防御相关信号通路。蛋白质-蛋白质相互作用分析突出了高度关联的基因，如P5CS（Solyc08G000796）和谷胱甘肽还原酶（Solyc09G002031），这些基因与脯氨酸代谢和氧化还原稳态密切相关。加权基因共表达网络分析（WGCNA）结合基于机器学习的特征选择方法，有助于优先筛选出潜在候选基因，包括木葡聚糖内转移糖基化酶/水解酶（Solyc09G000233）以及其他特征不明确的基因。此外，随机森林模型独立地筛选出几个关键基因，如Solyc10G001545、Solyc10G002708、Solyc07G002639、Solyc12G001296，这些基因与防御相关的转录变化有显著关联。综上所述，我们的研究结果表明，番茄的防御反应涉及一个复杂的调控网络，整合了代谢调节、信号通路、氧化还原平衡以及细胞壁相关反应。转录组元分析、网络生物学和机器学习的结合为优先筛选候选基因以及针对番茄防御反应的功能研究提供了理论基础。