AI-PlaNet：一个集成平台，用于基于机器学习的方法发现葫芦科作物中响应非生物胁迫的基因

《Biochemical Genetics》：AI-PlaNet: An Integrative Platform for Machine Learning–Based Discovery of Abiotic Stress-Responsive Genes in Cucurbit Crops

AI-PlaNet平台整合黄瓜、甜瓜和西瓜多组学数据，通过机器学习预测胁迫基因并构建可视化工具辅助育种。

　　

摘要

在气候变化背景下，非生物胁迫对葫芦科作物的生产力构成了严重威胁。尽管已经为黄瓜、甜瓜和西瓜在干旱、高温和盐胁迫条件下生成了大量转录组数据集，但这些数据仍然分散且难以在不同物种和胁迫类型之间进行解释。在这里，我们介绍了AI-PlaNet，这是一个用于多组学整合和基于机器学习发现葫芦科植物应激响应基因的资源平台。我们整理并标准化了来自九项独立研究的328个RNA-seq样本，并构建了共表达网络以识别与胁迫相关的模块。通过多物种比较分析，我们发现了134个在干旱、盐胁迫和高温胁迫中保守的枢纽基因。整合代谢组数据进一步揭示了转录与代谢之间的协调作用，尤其是在干旱响应的关键时期。利用基于启动子特征、网络指标和表达动态训练的梯度提升模型，我们实现了较高的预测准确性（AUC = 0.94），用于分类核心应激基因。SHAP分析使得特征归因具有可解释性，强调了ABRE基序密度和枢纽基因的连接性作为关键预测因子。AI-PlaNet包含一个交互式可视化面板，将基因表达、共表达背景和基于模型的优先级得分联系起来。该平台为葫芦科植物的非生物胁迫基因挖掘提供了一个可重用且可扩展的框架，并为功能基因组学和抗胁迫育种策略提供了宝贵的资源。

图形摘要

在气候变化背景下，非生物胁迫对葫芦科作物的生产力构成了严重威胁。尽管已经为黄瓜、甜瓜和西瓜在干旱、高温和盐胁迫条件下生成了大量转录组数据集，但这些数据仍然分散且难以在不同物种和胁迫类型之间进行解释。在这里，我们介绍了AI-PlaNet，这是一个用于多组学整合和基于机器学习发现葫芦科植物应激响应基因的资源平台。我们整理并标准化了来自九项独立研究的328个RNA-seq样本，并构建了共表达网络以识别与胁迫相关的模块。通过多物种比较分析，我们发现了134个在干旱、盐胁迫和高温胁迫中保守的枢纽基因。整合代谢组数据进一步揭示了转录与代谢之间的协调作用，尤其是在干旱响应的关键时期。利用基于启动子特征、网络指标和表达动态训练的梯度提升模型，我们实现了较高的预测准确性（AUC = 0.94），用于分类核心应激基因。SHAP分析使得特征归因具有可解释性，强调了ABRE基序密度和枢纽基因的连接性作为关键预测因子。AI-PlaNet包含一个交互式可视化面板，将基因表达、共表达背景和基于模型的优先级得分联系起来。该平台为葫芦科植物的非生物胁迫基因挖掘提供了一个可重用且可扩展的框架，并为功能基因组学和抗胁迫育种策略提供了宝贵的资源。

图形摘要