文献解读农业系列第八期|《有害突变在多倍体棉花中积累速度快于二倍体棉花,且在亚基因组间不平衡》

简介: 该研究为基因组多倍体化提供了一个全基因组视角,对理解有害突变的进化命运具有重要的意义。

关键词:基因组变异检测;全基因组测序;基因组多倍体化;


文献简介

  • 标题(英文):Deleterious Mutations Accumulate Faster in Allopolyploid Than Diploid Cotton (Gossypium) and Unequally between Subgenomes
  • 标题(中文):有害突变在多倍体棉花中积累速度快于二倍体棉花,且在亚基因组间不平衡
  • 发表期刊:《Molecular Biology and Evolution》
  • 作者单位:爱荷华州立大学
  • 发表年份:2022
  • 文章地址https://doi.org/10.1093/molbev/msac024

图1 文献介绍

基因组多倍体化是自然界中重要的突变过程之一。群体遗传学理论预测,由于冗余基因拷贝的掩蔽效应,隐性有害突变在多倍体中的积累速度快于二倍体,但该预测至今未得到证实。该研究使用多倍体(6种)和二倍体(1种)棉花(共46个样本)对有害突变从核酸和蛋白两个层面进行了研究,证明了有害突变在多倍体中的积累速度比其二倍体中更快。另外,研究表明,在异体多倍体中,有害突变的比例不同,表明同源掩蔽在亚基因组间作用不平衡。


测序流程

图2 同源多倍体棉花和祖二倍体棉花系统发育和地理学分布

该研究对46个棉花样本进行了全基因组测序,使用Sentieon软件进行变异检测生成gVCF文件并进行联合基因分型。通过比较多倍体棉花与祖二倍体棉花系统发育保守位点的突变特点,证实了前人多倍体有害突变积累快于二倍体的观点。通过亚基因组水平的研究发现,在At亚基因组上包含更多的有害的非同义突变,表明在棉花异倍体中的两个亚基因组可能通过进化过程不对称形成,包括驯化下的种间渗入和选择等。

图3 Sentieon的作用

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验,致力于解决生物数据分析中的速度与准确度瓶颈,为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案,共同推动基因技术的发展。 截至2023年3月份,Sentieon已经在全球范围内为1300+用户提供服务,被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用,引用次数超过700篇。此外,Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠,在业内获得广泛认可。


文献结论

图4 文献讨论

这项研究利用棉属植物为模型,通过基因组学和系统发育学的比较分析,验证了同种异体多倍体植物中有害突变积累的长期假设,为理解多倍体生物的进化提供了重要证据。


总结

综上所述,该研究为基因组多倍体化提供了一个全基因组视角,对理解有害突变的进化命运具有重要的意义。


目录
相关文章
|
网络协议 大数据 数据挖掘
文献丨多组学大数据构建小麦穗发育转录调控网络,TRN+GWAS挖掘关键转录调控(二)
文献丨多组学大数据构建小麦穗发育转录调控网络,TRN+GWAS挖掘关键转录调控(二)
|
大数据 数据挖掘 Go
文献丨多组学大数据构建小麦穗发育转录调控网络,TRN+GWAS挖掘关键转录调控(一)
文献丨多组学大数据构建小麦穗发育转录调控网络,TRN+GWAS挖掘关键转录调控
|
数据可视化 大数据 数据挖掘
文献丨多组学大数据构建小麦穗发育转录调控网络,TRN+GWAS挖掘关键转录调控(三)
文献丨多组学大数据构建小麦穗发育转录调控网络,TRN+GWAS挖掘关键转录调控(三)
|
算法 调度
【数学建模】2022数维杯比赛(模拟退火优化算法、NSII求解)大规模新型冠状病毒疫情最优应对策略研究(Matlab代码实现)
【数学建模】2022数维杯比赛(模拟退火优化算法、NSII求解)大规模新型冠状病毒疫情最优应对策略研究(Matlab代码实现)
119 0
|
传感器 机器学习/深度学习 安全
3D点云识别安全吗? 密歇根大学等提出稳健性分析数据集应对严重失真
3D点云识别安全吗? 密歇根大学等提出稳健性分析数据集应对严重失真
173 0
3D点云识别安全吗? 密歇根大学等提出稳健性分析数据集应对严重失真
|
决策智能
博弈论第十一集总结(进化稳定—合作,突变,与平衡 “ 观后感)
博弈论第十一集总结(进化稳定—合作,突变,与平衡 “ 观后感)
81 0
|
算法 新能源 区块链
【纳什博弈、ADMM】基于纳什博弈和交替方向乘子法的多微网主体能源共享研究(Matlab代码实现)
【纳什博弈、ADMM】基于纳什博弈和交替方向乘子法的多微网主体能源共享研究(Matlab代码实现)
256 0
|
机器学习/深度学习 数据采集 数据可视化
数据挖掘:降低汽油精制过程中的辛烷值损失模型(二)
数据挖掘:降低汽油精制过程中的辛烷值损失模型(二)
230 0
数据挖掘:降低汽油精制过程中的辛烷值损失模型(二)
|
机器学习/深度学习 传感器 算法
北大&北航团队揭示电子转移规律,深度学习定量预测96种元素在任意压力下的电负性
北大&北航团队揭示电子转移规律,深度学习定量预测96种元素在任意压力下的电负性
171 0
|
数据采集 数据可视化 数据挖掘
数据挖掘:降低汽油精制过程中的辛烷值损失模型(一)(上)
数据挖掘:降低汽油精制过程中的辛烷值损失模型(一)(上)
421 0
数据挖掘:降低汽油精制过程中的辛烷值损失模型(一)(上)
下一篇
DataWorks