通过转录组学数据Meta分析揭示水稻干旱胁迫响应的枢纽基因及关键通路

《Computational Biology and Chemistry》：Uncovering Hub Genes and Key Pathways Responsive to Drought Stress in Rice via Meta-analysis of Transcriptomic Data

　　

• •
  在三个独立的干旱耐性水稻转录组数据集中鉴定出一组一致表达的差异表达基因（DEGs）核心集。
• •
  解析了关键的胁迫级联反应，具体包括脱落酸信号通路、蛋白质折叠和光合作用抑制。
• •
  根据蛋白质-蛋白质相互作用网络和MCC分析的结果，锁定了关键调节因子，包括LEA蛋白、脱水素和HSP70。
• •
  使用随机森林模型实现了高分类准确率，并优先排序顶级预测生物标志物。
• •
  通过染色体定位和qRT-PCR数据确认了调控作用及空间分布。

章节摘要

背景

非生物胁迫包括干旱、涝害、极端温度、土壤pH失衡和重金属毒性等因素，对作物产生不利影响。这些胁迫因素扰乱基因表达和代谢途径，从根本上改变植物代谢（Saharan等，2022）。在这些胁迫中，干旱是一种显著的非生物胁迫，自水稻起引起生理变化并造成重大作物损失（Todaka等，2017）。干旱对水分吸收产生负面影响。

基因表达数据收集

为了研究水稻对干旱胁迫的分子反应，系统地整理了来自NCBI基因表达综合数据库（GEO）库的转录组数据集（https://www.ncbi.nlm.nih.gov/gds/) 数据通过Affymetrix GeneChip生成，来源为GPL2025平台（https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL2025) 以确保方法学一致性和便于直接跨实验比较，包括三个独立系列——GSE25176、

数据质量评估和分位数标准化

为了实现多个研究之间的准确整合和比较，对收集到的微阵列基因表达数据进行了全面的质量评估和标准化（Fukagawa和Ziska，2019）。分析的数据集包括干旱耐性粳稻品种IRAT109（GSE25176）、IR64（GSE26280）的叶片，以及从NCBI GEO库获取的水培Dagaddeshi幼苗（GSE41647）。每个数据集都包含对照和

局限性和未来展望

本研究基于三个公开可用的微阵列数据集。仅将干旱

耐性水稻基因型纳入分析。因此，鉴定出的基因与这些基因型中的干旱响应相关，不应被视为区分离耐旱型和耐旱敏感型基因型的基因。对耐旱型和耐旱敏感型基因型进行比较转录组分析可能提供有关基因型特异性干旱响应的额外信息。

结论

本研究呈现了对干旱耐性水稻基因型转录组数据集的综合meta分析，整合生物信息学、网络分析和机器学习，揭示干旱胁迫响应中的关键分子参与者。鉴定出一组557个一致的差异表达基因核心集，功能富集分析突出脱落酸信号通路、蛋白质折叠和光合作用抑制作为核心适应机制。通过MCC的蛋白质-蛋白质相互作用网络分析揭示了

伦理批准和参与同意

不适用。本研究基于公开可用的转录组数据集，不涉及人类参与者、动物实验或任何需要伦理批准的新数据收集。

未引用参考文献

（Abdumalikov等，2024；Hicks等，2018；Sriram S，2025）

资金

作者声明未获得本工作的特定资助。

CRediT作者贡献声明

Sneh Gautam：写作——审阅与编辑、监督、调查。Rishi Mrinal：写作——审阅与编辑、可视化、验证、方法论、调查、形式化分析。Ankita Chauhan：写作——审阅与编辑、验证、方法论、形式化分析。Niharika Pandey：写作——审阅与编辑、可视化、验证。Sachin Joshi：写作——审阅与编辑、写作——原始草稿、可视化、验证、监督、软件、资源、项目管理，

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性财务利益或个人关系。

致谢

作者感谢通过NCBI GEO公开其转录组数据集的研究人员，使本次整合性转录组meta分析成为可能。作者还感谢Govind Pant农业与科技大学（Pantnagar）分子生物学与遗传工程系以及Vivekananda专业研究所技术校区提供的机构支持。

利益冲突

作者声明不存在利益冲突。

发表同意

所有作者均已

Sachin Joshi|Parneeta Chaudhary|Rishi Mrinal|Ankita Chauhan|Niharika Pandey|Sneh Gautam|Pushpa Lohani