English
实验室动态
当前位置: 首页 > 正文
玉米团队构建SAM关键homeobox基因调控网络解析玉米株高发育的分子机制
来源: 时间:2024-09-20

(来源:南湖新闻网)茎顶端分生组织(SAM)作为植物地上组织的来源,对植物形态发生和发育至关重要。已有的关于玉米功能突变体的研究揭示了若干与SAM生长发育及分化相关的关键基因,其中很大一部分属于homeobox转录因子家族基因。Homeobox TFs在生物体的生长发育中扮演的复杂调控角色,如Kn1、Rs1和Gn1等基因的功能重要性等已在多种植物物种中得到证实。Homeobox家族转录因子(TFs)通过与靶基因互作构成复杂的转录调控网络,调控植物细胞内众多生物学过程,Homeobox家族调控组的研究有望深化对植物发育机制的理解。

9月19日,华中农业大学作物遗传改良全国重点实验室李林教授团队联合西北农林科技大学薛吉全教授团队在Genome Biology在线发表了题为“A dynamic regulome of shoot-apical-meristem-related homeobox transcription factors modulates plant architecture in maize”的研究论文。该研究从玉米自交系B73中收集了46个转录组和16个翻译组数据集,结合tsCUT&Tag、ATAC-seq和机器学习模型,成功绘制了SAM关键homeobox TFs的基因调控网络,全面系统解析了homeobox TFs调控株高功能基因的分子机制。该调控网络为深入系统剖析控制玉米SAM生长发育和株型形态建成的潜在分子机制提供了可能。

研究团队首先收集了一组已报道的影响SAM生长分化的功能基因(图1A),基于实验室前期已发表的玉米多组学整合网络(Han et al 2023),通过其在共表达和共翻译水平上的互作,筛选了已知SAM功能基因的直连分子网络(图1B)。该分子网络基因显著富集在KNOX、WOX和ZF-HD亚家族,表明这些亚家族可能在SAM的生长分化中发挥重要的作用(图1C)。为深入解析玉米SAM相关转录因子(TFs)在组织分化和发育中的分子机制,该研究对3个TF亚家族进行了tsCUT&Tag实验,共鉴定出30,915个可重复的TF结合位点。基于tsCUT&Tag数据构建了28个玉米SAM相关homeobox转录因子的基因调控网络,包含235,043个边和18,463个节点。该网络为进一步解析玉米SAM相关homeobox转录因子的功能提供了宝贵资源。

图1 与已知SAM功能基因共表达和共翻译的基因富集情况

为构建组织特异性动态调控网络,基于黄化幼苗叶片ATAC-seq和tsCUT&Tag数据,团队设计并训练了一个机器学习模型,以预测SAM组织的调控位点。最后集成多个数据集构建了SAM动态网络(图2A)。该网络主要富集与“分生组织发育”“分生组织起始”“分生组织维持”“芽系统发育”“激素介导的信号通路”(赤霉素、乙烯和生长素)“组织发育”(花、果实、种子、叶)和细胞分化相关的基因(图2B)。这些发现突显了SAM动态网络的生物学意义,并为迄今为止未分类基因的功能提供了新的见解。

图2 Homeobox TFs的SAM动态调控网络

株高是重要的理想株型农艺性状之一,其被复杂的调控机制所影响。该研究系统整理了已发表与株高相关的功能基因,并将这些基因按照功能模块化的特点,划分为多个生物学途径模块(图3A),最终生成了包含homeobox TFs与78个已知株高功能基因的株高功能网络,充分展示了homeobox TFs如何通过多种不同的生物学途径对植株高度产生影响,并且大多数株高功能基因似乎也都受到了多个homeobox TFs的调控和影响(图3A-3C)。例如,生长素合成途径中的Vt2基因同时受到KNOX亚家族的两个成员Knox6Hb20的调控,同时Knox6还可以调控Hb20基因的表达。这些证据揭示了homeobox TFs控制植株高度的分子网络的复杂性(图3D-3F)。

图3 Homeobox TFs与已知株高基因的株高功能网络

为了测试从网络预测到的基因功能,进而解析调控株高的分子网络。研究利用CRISPR/Cas9编辑敲除,成功获得wox13a功能丧失突变体。结果显示,突变体植株的株高和穗位高都显著降低。结合tsCUT&Tag和突变体RNA-seq分析,鉴定到一个下游靶标为经典株型功能基因Gn1,进一步实验证实了WOX13A诱导Gn1表达,调控玉米的株高发育。

华中农业大学作物遗传改良全国重点实验室已毕业博士罗姿(现湖南省农科院),已出站博士后吴雷明(现安徽农业大学教授)和博士研究生苗馨心为该论文的第一作者,华中农大李林教授和西北农林科技大学薛吉全教授团队徐淑兔副教授为通讯作者,中山大学杨芳教授也参与了该研究工作。该研究在早期阶段获得了明尼苏达大学Gary J. Muhelbauer教授的帮助与指导。在机器学习相关模型的构建中,华中农业大学人工智能团队李伟夫副教授和吴昊博士生为研究提供了帮助。该研究得到了国家重点研发计划-农作物重要农艺性状基因组大数据辅助设计育种项目、国家自然科学基金创新群体项目和中央高校优秀青年团队培育项目的资助。

论文链接:https://genomebiology.biomedcentral.com/articles/10.1186/s13059-024-03391-8#Sec2

南湖新闻网链接:http://news.hzau.edu.cn/info/1010/17871.htm