整合转录组学与机器学习技术揭示了影响猪肉品质特征的关键调控基因

《BMC Genomics》：Integrative transcriptomics and machine learning reveal key regulatory genes for meat quality traits in pigs

　　

摘要

背景

肉质特征通常受多个基因的调控，每个基因的作用都较为微小。在本研究中，为了确定与肉质特征相关的候选基因，我们对猪的长背肌（LD）进行了转录组分析，并应用机器学习（ML）模型来分析RNA-seq数据。我们还进行了基因集富集分析（ssGSEA）、加权基因共表达网络分析（WGCNA）以及对潜在目标基因的功能验证，以更好地支持我们的研究结果在生物学上的意义。

结果

本研究从142头火寿黑（HSH）猪和191头安庆六端白（AQLB）猪中收集了LD肌肉样本。根据肉质特征的估计育种值（EBV）分析结果，我们选择了101头HSH猪和99头AQLB猪进行转录组分析。通过结合ssGSEA和WGCNA的综合性分析框架，我们识别出了197个候选基因。这些基因与多种代谢途径显著相关，包括脂肪酸延长与代谢、氨基酸分解代谢、蛋白质周转以及生物合成过程。为了进一步精确定位关键调控基因，我们系统评估了十种机器学习模型，最终选择了XGBoost、随机森林（Random Forest）和Lasso回归进行后续分析。这种方法确定了CYSLTR1和LPCAT2为关键调控基因。为了研究CYSLTR1和LPCAT2在肌内脂肪（IMF）沉积中的功能作用，我们通过siRNA介导的方式分别敲低了CYSLTR1或LPCAT2，建立了猪的肌内脂肪细胞模型。RNA-Seq分析显示，在siLPCAT2组中有339个差异表达基因（DEGs），而在siCYSLTR1组中有2,376个DEGs。热图分析表明，参与三酰甘油（TAG）生物合成的基因在siCYSLTR1组中上调，而在siLPCAT2组中下调。KEGG通路富集分析进一步显示，与LPCAT2相关的DEGs主要富集在MAPK信号通路、mTOR信号通路、不饱和脂肪酸生物合成和甘油脂代谢通路中——这些通路与细胞增殖、营养感知和脂质重塑密切相关。相比之下，与CYSLTR1相关的DEGs显著富集在脂质代谢、动脉粥样硬化和脂肪细胞因子信号通路中——这些过程直接涉及脂肪细胞分化、脂质储存以及脂肪组织内的炎症相互作用。总体而言，这些发现阐明了CYSLTR1和LPCAT2在肌内脂肪生成中的不同但互补的调控作用，并为通过靶向这些基因来调节IMF含量和改善猪肉品质特征提供了机制上的支持。

结论

总之，CYSLTR1和LPCAT2被确定为调控肌内脂肪沉积的关键基因。功能富集和通路分析表明，这两个基因通过协调调节与脂质代谢相关的通路（包括脂肪酸合成、甘油三酯组装和磷脂重塑）来影响IMF的积累。这些发现为改善猪肉品质特征（特别是大理石纹和嫩度）提供了基于机制的证据和可行的生物学见解。