基因树冲突与系统发育基因组学研究_邹新慧
叶绿体基因组的比较分析及系统发育研究
村乡科技XIANGCUN KEJI82XIANGCUN KEJI 2021年8月（下）叶绿体基因组的比较分析及系统发育研究邢钰1冯慧喆2（1.西南林业大学林学院，云南昆明650224；2.枣庄学院，山东枣庄277160）［摘要］传统的植物分类学是基于形态、生理等特征进行的，它的分类结果为植物群和亲缘关系的判断提供了重要的理论依据。
但随着基因测序技术的发展，越来越多的传统分类被推翻。
通过对叶绿体基因组系统发育的分析、系统发育关系的构建，从而得出植物亲缘关系的结论，俨然已成为植物分类学的必要过程。
本文结合国内外对不同物种分子方面的系统发育研究，以及笔者在叶绿体基因组组装方面的经验，对目前分子方面的研究进展、分析过程进行了总结性的阐述。
［关键词］核基因与质基因；叶绿体基因组分析；分类与系统发育［中图分类号］Q943［文献标识码］B［文章编号］1674-7909（2021）24-82-21传统物种分类学与基因组学系统发育的研究研究物种的进化关系不仅可以为分类学提供理论依据和发展方向，还可以通过揭示物种之间亲缘关系的远近和进化关系，从而精确地估计物种的进化地位，进而更好地理解和保护生物的多样性。
传统物种分类学的研究主要是基于对物种各部分形态的比较分析，如植物的分类学中对根、茎、叶、花、果实、种子等形态的观察判断。
现如今，通过分子系统发育分析结果的检验，证明了传统物种分类学的很多结论都是错误的［1］。
但是，由于形态学分析在野外采集初期中非常重要，且分子方面的分析研究耗时较长，所以传统物种分类学仍不能被摒弃，并且将其与分子分析相结合，将会极大地提高物种系统发育学研究的准确性。
以往对植物系统发育学研究的研究主要集中在核型分类学分析、花粉形态分析、叶柄和果实解剖学分析等，而目前对进化关系的研究，主要是结合形态学特性的分析结果与分子系统发育的关系，且后者的分析仅基于DNA 序列的系统发育分析，特别是基于核基因组内核糖体DNA 的内部转录间隔（ITS ）区域。
生态基因组学研究进展
生态基因组学研究进展生态基因组学是生态学和基因组学的交叉学科，旨在了解生物群落的遗传多样性和功能。
在过去的几十年中，随着DNA测序技术的发展和DNA信息学分析的进步，生态基因组学已经成为一个极为活跃的领域，为我们认识和保护生物多样性以及理解生态系统的生物地球化学循环提供了新的手段。
1. 生态基因组学的研究对象生态基因组学研究的对象是生态系统中的微生物、植物、动物等所有生物，这些生物群落构成了地球上生命的重要组成部分。
生态基因组学不仅可以描述不同群落的种类和多样性，还可以分析生物间的互动关系，以及群落内的基因流及功能调节机制。
2. 生态基因组学的应用领域生态基因组学的应用领域十分广泛。
例如，生态基因组学被应用于环境污染监测中，通过对生物群落中污染物代谢和分解的基因进行分析，可以准确地了解污染物在生态系统中的分布和转化过程，进而提供有效的污染治理措施。
此外，生态基因组学也被应用于疾病的研究中。
通过对人体微生物群落基因组的深度分析，可以确定某些疾病发生的原因和机制，为科学家们发掘新型疾病治疗方案提供了新的研究思路。
3. 生态基因组学的研究进展（1）微生物革命：微生物是生态系统中最广泛存在的生物类群之一。
通过生态基因组学的研究，科学家们已经揭示了微生物控制生态系统能量和物质循环的机制以及其在生物群落功能中的重要地位。
同时，也让我们更加深入地了解了细菌以及其他微生物与宿主机体在基因和代谢水平上的关系。
（2）大规模基因组数据的挖掘：生态基因组学需要处理的基因组数据量非常大，这对于数据挖掘和信息发现提出了很高的要求。
随着机器学习、深度学习等技术的不断发展，科学家们已经成功地挖掘出了许多社区信息以及生物代谢网络等信息。
同时也发现了一些新的群落与物种，为我们认识生物多样性提供了新思路和方法。
（3）生态环境遗传学的崛起：环境遗传学是生态基因组学中的重要分支之一。
它的研究对象是生态系统与环境的相互作用中产生的基因组变异和进化过程，以及这些变异对群落组成和功能的影响。
沙棘CAT家族基因的生物信息学分析
沙棘CAT家族基因的生物信息学分析【摘要】本研究通过生物信息学分析了沙棘CAT家族基因的序列比对、结构和功能预测、进化、以及表达调控网络。
在方法上，采用了多种生物信息学工具和数据库进行分析。
结果表明沙棘CAT家族基因在结构和功能上具有一定的保守性，与其他物种的CAT基因存在一定的同源性。
进化分析显示沙棘CAT基因家族在演化过程中可能受到选择压力的影响。
通过表达调控网络分析揭示了沙棘CAT基因在不同组织和生长发育阶段的表达模式。
总结认为，沙棘CAT家族基因在适应环境胁迫和生长发育过程中发挥着重要的功能。
未来的研究应该继续深入挖掘沙棘CAT基因的调控机制和在抗逆性中的作用，为沙棘的品种改良和栽培提供理论依据。
【关键词】沙棘CAT家族基因, 生物信息学分析, 序列比对, 结构和功能预测, 进化分析, 表达调控网络分析, 结论, 研究展望, 启示。
1. 引言1.1 研究背景沙棘（Hippophae rhamnoides L.）是一种重要的经济树种，被广泛种植于中国西北干旱地区。
沙棘具有丰富的营养价值和药用价值，被誉为“神奇的植物”，在农业、食品和医药领域有着广泛的应用。
CAT（catalase）是一类重要的抗氧化酶，在植物中起着重要的保护作用，可以帮助植物对抗各种逆境的压力。
随着生物信息学技术的快速发展，基因组学和转录组学数据的大量积累为研究沙棘CAT家族基因提供了重要的资源。
目前对沙棘CAT 家族基因的生物信息学分析尚未进行详细的研究。
深入分析沙棘CAT家族基因的序列、结构、功能以及进化等特性，对于揭示沙棘的抗氧化机制、提高沙棘的抗逆能力具有重要意义。
本文旨在利用生物信息学方法对沙棘CAT家族基因进行全面分析，探讨其在植物抗逆过程中的作用机制，为进一步揭示沙棘的生长发育、抗逆适应等生物学过程提供理论依据。
通过对沙棘CAT家族基因的系统研究，有望为沙棘的遗传改良和种质改良提供重要的参考信息，推动沙棘产业的发展。
一种CCA-层次聚类的基因聚类算法
第28卷㊀第5期2023年10月㊀哈尔滨理工大学学报JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY㊀Vol.28No.5Oct.2023㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀一种CCA -层次聚类的基因聚类算法林倩闽(厦门理工学院电气工程与自动化学院,福建厦门361024)摘㊀要:针对基因芯片技术带来的海量基因表达数据,为了充分挖掘其蕴含的生物信息和潜在的生物机制,提出一种基于CCA -层次聚类的基因聚类算法(CCA-Hc )㊂该算法在层次聚类的基础上引入典型相关分析,优化相似性矩阵计算方法㊂首先,利用典型相关分析方法结合基因的多个特征信息进行基因相关性度量,得到基因相似性矩阵㊂然后将该相似性矩阵作为层次聚类的邻近矩阵进行凝聚层次聚类㊂在Oryza sativa L.(水稻)的基因表达数据集上进行CCA-Hc 聚类效果测试实验,结果表明,与采用欧式距离的传统层次聚类算法(EUC-Hc )相比,CCA-Hc 的内部稳定性指标和生物功能性指标均优于EUC-Hc ,具有更佳的鲁棒性和聚类准确性,更有利于去发现基因间的共表达关系㊂关键词:基因表达数据;聚类算法;典型相关分析;层次聚类DOI :10.15938/j.jhust.2023.05.011中图分类号:TP391文献标志码:A文章编号:1007-2683(2023)05-0085-06A Gene Clustering Algorithm Based on the CCA-Hierarchical ClusteringLIN Qianmin(School of Electrical Engineering and Automation,Xiamen University of Technology,Xiamen 361024,China)Abstract :Aiming at the massive gene expression data brought by gene chip technology,in order to fully mine the biological information and potential biological mechanisms contained in it,this paper proposes a gene clustering algorithm based on CCA-hierarchical clustering (CCA-Hc).The algorithm introduces canonical correlation analysis on the basis of hierarchical clustering,and optimizes the calculation method of similarity matrix.First,the canonical correlation analysis method is used to measure the gene correlation by combining the multiple feature information of the gene,and the gene similarity matrix is obtained.Then the similarity matrix is used as the neighbor matrix of hierarchical clustering for agglomerative hierarchical clustering.The CCA-Hc clustering effect test experiment was performed on the gene expression dataset of Oryza sativa L.(rice).The results show that,compared with the traditional hierarchical clustering algorithm using Euclidean distance (EUC-Hc),CCA-Hc is superior to EUC-Hc in both internal stability index and biological functional index,and has better robustness and clustering accuracy.It is more conducive to discoveringthe co-expression relationship between genes.Keywords :gene expression data;clustering algorithm;canonical correlation analysis;hierarchical clustering㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀收稿日期:2022-06-08基金项目:福建省科技厅引导性项目(2019H0039);福建省中青年教师教育科研项目(JAT210341).通信作者:林倩闽(1992 ),女,硕士,助理实验师,E-mail:1023447133@.0㊀引㊀言随着高通量测序技术的不断快速发展,出现越来越多复杂度高㊁数据量大的生物数据㊂不同测序技术可以得到不同水平的生物数据,如通过基因组测序得到DNA 水平的生物数据,转录组测序得到RNA 水平的生物数据㊂基因表达数据是通过DNA微阵列技术(又称为基因芯片技术)检测得到,是不同细胞在不同条件下的基因动态表达水平[1]㊂基因是携带遗传物质的DNA片段,在不同细胞中会有不同的表达方向[2],从而可以控制不同的性状㊂为此基因表达数据蕴含着丰富且重要的生物机制,具有很大的研究价值㊂在基因表达数据分析中,聚类分析方法被广大研究者选用,用以发现具有相似表达行为的基因集,基因间的共表达㊁共调控关系等,对于推断未知的基因功能及在疾病诊断方面具有重要意义[2]㊂目前基因聚类算法根据聚类对象可以分为基于基因㊁基于样本聚类以及基于基因样本的双聚类[3-4]㊂根据聚类方式的不同,又可以分为以K-means算法[5]㊁K-MEDOIDS[6]为代表的基于分区的聚类算法,以BIRCH算法[7]㊁CURE算法[8]为代表的基于层次的聚类算法,以DBSCAN算法[9]㊁OPTICS算法[10]为代表的基于密度的聚类算法和以CLIQUE算法[11]为代表的基于网格的聚类算法㊂在对基因表达数据进行聚类分析时,主要是度量基因之间的相关性,把相关性程度高的基因聚在一起㊂很多基因聚类研究中把皮尔森相关系数㊁欧式距离㊁曼哈顿距离等作为相关性程度的度量方式[12]㊂这些度量方式是基于基因的整体表达水平进行的,即一个基因只由一个一维的数据矩阵表示㊂而在实际的的测序过程中,往往会在不同的细胞周期进行实验测量基因的表达水平,使得一个基因会有多组数据,每组数据代表该基因的一个特征㊂大部分的研究中采用求和的方式把基因多个特征的数据进行累加,进而分析基因之间的相关性㊂这种方法存在的问题是忽略了基因各个特征对表达水平的影响,从而对聚类结果造成影响㊂为了解决上述问题,本文把典型相关分析(Ca-nonical Correlation Analysis,CCA)引入到层次聚类中来,搭建出基于CCA-层次聚类的基因聚类算法(CCA-Hc)㊂典型相关分析是一种计算变量之间相关性的统计学分析方法,能结合变量的多个特征,得到变量的整体相关性[13]㊂利用典型相关分析度量基因之间的相关性,能充分考虑基因的多个特征信息,使得聚类结果中的基因集相似性程度更高㊂同时采用凝聚层次聚类,可以从聚类树状图中直观地分析聚类结果,从而整体上提高聚类效果㊂最后用GEO数据库上的基因数据集来验证CCA-Hc算法的有效性㊂1㊀CCA-Hc算法设计1.1㊀典型相关分析给定基因微阵列数据矩阵A nˑm=(G,T),n表示基因个数,m表示条件的种类数㊂每个基因可以看成是一个变量,使用典型相关分析方法分析变量相关性时,假设变量X有p个特征,变量Y有q个特征,pɤq,每个特征均对应m个不同条件的数据,则X=[x1, ,x p]T(1) Y=[y1, ,y q]T(2)变量X的数据矩阵为x11x12x13 x1mx21x22x23 x2mx31x32x33 x3m︙︙︙︙x p1x p2x p3 x pméëêêêêêêêùûúúúúúúú变量Y的数据矩阵为y11y12y13 y1my21y22y23 y2my31y32y33 y3m︙︙︙︙y q1y q2y q3 y qméëêêêêêêêùûúúúúúúú变量X和变量Y的协方差矩阵为ð=Cov(X,Y)=Var(X)Cov(X,Y)Cov(Y,X)Var(Y)()=ð11ð12ð21ð22()(3)变量X和变量Y的线性表达式记为U㊁V,表示为:U=a1x1+a2x2+ +a p x p=a T X(4) V=b1y1+b2y2+ +b q y q=b T Y(5)变量X和变量Y进行典型相关性分析时,可用这两个变量的线性表达式U㊁V之间相关系数的最大值来度量变量之间的相关性程度,即max a,b corr(U,V)=a Tð12b(a Tð11aˑb Tð22b)1/2(6)在求解上述最值表达式时,运用拉格朗日数乘法求解瑞利熵矩阵(ð-111ð12ð-122ð21)得到p个特征值,68哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀记为λ1,λ2 λp ㊂这p 个特征值即变量X 和变量Y之间的典型相关系数㊂每一个相关系数再应用卡方检验进行显著性检验,得到p 个卡方检验p-value 值,记为p 1,p 2 p p ㊂为了更好地表示变量之间的典型相关程度,引入一个关于典型相关系数和p-value 值的权重函数W 来表示,定义为:W =ðp i =1λi I (log P i )ðp i =1I (log P i )(7)其中I (log P i )=0P >0.05-log PP ɤ0.05{这样每两个变量之间就能得到一个w 值来度量它们的相关性程度㊂对基因表达数据的n 个基因进行如上方法的典型相关分析后,最终得到一个n ˑn 的相似性矩阵㊂1.2㊀层次聚类目前常用的聚类算法有基于分区㊁基于层次㊁基于密度和基于网络4种类型[2],其中基于层次聚类的算法因原理通俗易懂㊁结果直观且精度高等优点而被广泛使用[14]㊂层次聚类分为自下而上的凝聚聚类和自上而下的分裂聚类两种[15],其中凝聚层次聚类运用最为广泛,同时凝聚层次聚类在无预先定义类别数的分类中具有明显优势[16]㊂故本文采用的是凝聚层次聚类,可以用树状图和嵌套簇图来表示,例如图1所示㊂图1㊀凝聚层次聚类的树状图和嵌套簇图Fig.1㊀Dendrogram and Nested Cluster Diagramfor Agglomerative Hierarchical Clustering下面介绍凝聚层次聚类的聚类过程:步骤1:视每一个数据点(如基因变量)为一个集群;步骤2:计算邻近矩阵,把类间距离最接近的两个集群进行合并;步骤3:重复步骤2,直到所有数据点合并完成㊂步骤2中的类间距离即两个集群之间的距离,传统的层次聚类类间距离计算方法有如下几种[17]:1)两个集群中距离最近的两个样本距离;2)两个集群中距离最远的两个样本距离;3)两个集群中所有样本之间的距离再求平均值;完成所有聚类步骤后会生产一个树状图(又叫聚类树)㊂采用不同的变量相关性程度度量方式和不同的类间距离计算方法都将对聚类结果造成影响㊂1.3㊀CCA-HC 算法传统的层次聚类算法其计算复杂度为O (n 3),由于在聚类过程中需要不断地重复计算类间距离㊁不断地更新邻近矩阵,从而消耗大量的时间与资源[18]㊂对于数据量庞大的基因微阵列数据,迫切需要对算法进行优化,降低复杂度㊂本文提出了一种基于CCA 和层次聚类的基因聚类算法(CCA-HC),优化相似性矩阵计算方法,把典型相关分析的输出作为层次聚类的输入,即把典型相关分析得到的相似性矩阵作为层次聚类的邻近矩阵㊂CCA-HC 在度量基因相关性程度时采用典型相关分析的方法,在层次聚类方式上选择自下而上的凝聚层次聚类㊂CCA-HC 充分利用了典型相关分析和层次聚类的优点,能够结合基因的多个特征来量化基因之间的相关性,使得聚类结果中的基因集相似性程度更高,也能自主选择集群数目以得到更佳的聚类效果[18]㊂2㊀实验与结果分析2.1㊀实验数据为了评价章节一中提出算法的聚类效果,在GEO 数据库上下载Oryza sativa L.(水稻)的基因表达数据集,得到的原始数据集共有45063个基因,样本数为41㊂由于原始数据集基因数庞大,对其计算分析时不论在存储空间还是计算程序上都提出了较高的要求,为此进行适当的数据预处理显得尤为重要㊂本文在数据预处理方面开展的主要工作有:把基因名未知的数据剔除;过滤掉样本表达量过低的基因;采用log2的对数函数对原始数据进行标准化处理等㊂经过如上处理后得到4564ˑ41的数据矩阵,用于后续的实验分析㊂预处理后的实验数据集78第5期林倩闽:一种CCA -层次聚类的基因聚类算法统计情况如表1所示㊂表1㊀预处理后的实验数据集统计情况表Tab.1㊀Statistical table of experimental dataset after preprocessing数据集基因数样本数基因功能类别Oryza sativa L.456441881.5㊀评价标准基因表达数据的聚类效果可以从聚类结果中同一集群的相关性程度以及聚类算法的稳定性等方面进行评价,用生物功能性指标和内部稳定性指标来描述㊂1.生物功能性指标生物同源性指标(biological homogeneity index, BHI)是用来评估聚类集群在生物功能意义上的同源性程度[19]㊂在基因本体(gene ontology,GO)数据库上下载水稻的基因功能类数据,可以得知每个水稻基因所对应的生物组织功能,用来分析同一聚类集群中的基因在功能上的相关性㊂BHI公式计算如下:BHI(K,B)=1KðK k=11nk(n k-1)ðiʂjɪC k I(B(i)=B(j))(8)式中:C为聚类结果中的任一集群;B为基因功能类集合,当基因i和基因j所对应的功能类存在交集,则I(B(i)=B(j))=1,否则为0㊂最终得到的BHI 是介于0~1的值,BHI值越大,表示基因聚类集群的生物功能相关性越大,聚类效果更佳[19]㊂2.内部稳定性指标内部稳定性指标在于评价聚类算法的鲁棒性,通过改变基因微阵列数据的某几列进行聚类,进而比较基于不同数据的聚类结果㊂优值系数(figure of merit,FOM)是内部稳定性指标中的一种,表示数据列改变后基因之间的平均群内方差[20]㊂FOM公式计算如下:FOM(l,K)=1NðK k=1ðiɪC k(l)dist(x i,l, x C k(l))(9)式中:FOM的取值范围是0到无穷大,FOM值越小表示该聚类算法的稳定性越好[20]㊂2.3㊀结果与分析为验证CCA-Hc的聚类效果,对比采用欧式距离的传统层次聚类算法(EUC-Hc),运用相同数据集进行实验㊂为了获得更加准确的聚类效果,本实验设置不同的聚类集群参数,确定聚类集群数目K 分别为2㊁4㊁6㊁7㊁9㊁11㊁12这7组实验,并通过BHI 和FOM指标对这7组实验的聚类结果进行评估, BHI和FOM指标值分别见表2和表3㊂表2㊀不同聚类集群数目下的BHI指标值Tab.2㊀BHI index values under different number of clusters 算法类型\集群数目CCA-Hc EUC-Hc差异率K=20.4660.233100.05%K=40.4630.34633.77%K=60.4670.37723.90%K=70.4670.41213.34%K=90.4650.4357.12%K=110.4640.4512.72%K=120.4630.456 1.48%表3㊀不同聚类集群数目下的FOM指标值Tab.3㊀FOM index values under different number of clusters算法类型\集群数目CCA-Hc EUC-Hc差异率K=22.6974.633-41.78%K=42.6974.298-37.26%K=62.6964.047-33.37%K=72.6963.995-32.52%K=92.6963.816-29.35%K=112.6953.693-27.03%K=12 2.695 3.636-25.89%㊀㊀表2中的差异率指的是CCA-Hc的BHI指标比EUC-Hc的BHI指标相差的百分比,同理可以计算表3中的差异率㊂根据表2和表3的实验指标数据发现,对于7组不同的聚类集群数目实验,本文提出的CCA-Hc 的BHI指标均高于EUC-Hc,FOM指标均低于EUC-Hc,这表明CCA-Hc的鲁棒性更好,聚类结果中同一集群的基因相关性更大,聚类效果更加显著㊂同时还发现,集群数目对CCA-Hc的影响较小,K选不同的值,BHI指标值稳定在0.463~0.467之间,FOM88哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀指标值稳定在2.695~2.697之间,而集群数目对EUC-Hc 算法的影响相对比较明显㊂图2为CCA-Hc 在Oryza sativa L.数据集的聚类树状图,可以自行在所需的层级对树状图进行 剪枝 操作以获得合适的聚类效果[21]㊂图2㊀CCA-Hc 在Oryza sativa L.数据集的聚类树状图Fjg.2㊀Clustering dendrogram of CCA-Hc in Oryzasativa L.dataset3㊀结㊀论本文为了充分有效地挖掘基因表达数据所蕴含的生物机制,提出一种基于CCA -层次聚类的基因聚类算法(CCA-Hc)㊂把典型相关分析方法引入到凝聚层次聚类中来进行多特征基因的聚类分析,成为本文的创新之处㊂该算法利用典型相关分析方法度量基因之间的相关性程度,能够充分考虑基因的多个特征信息㊂同时采用凝聚层次聚类可自主选择聚类集群数目,直观显示聚类结果㊂基于Oryza sativa L.(水稻)的基因表达数据集,本文对比了CCA-Hc 和EUC-Hc 的聚类效果,使用BHI 和FOM 两个评价指标进行衡量,结果表明CCA-Hc 的鲁棒性和聚类准确性均更好,更有利于去探索基因表达数据潜在的生物机制㊂参考文献:[1]㊀欧阳玉梅.基因表达数据聚类分析技术及其软件工具[J].生物信息学,2010,8(2):104.OUYANG Yumei.Gene Expression Data Cluster Analysis Technology and Software Tools [J ].Bioinformatics,2010,8(2):104.[2]㊀高华成.基于数据降维框架的基因聚类算法[D].南京:南京邮电大学,2021.[3]㊀姚登举,詹晓娟,张晓晶.一种加权K -均值基因聚类算法[J ].哈尔滨理工大学学报,2017,22(2):112.YAO Dengju,ZHAN Xiaojuan,ZHANG Xiaojing.A Weighted K-Means Gene Clustering Algorithm[J].Jour-nal of Harbin University of Science and Technology,2017,22(2):112.[4]㊀方匡南,陈远星,张庆昭,等.双向聚类方法综述[J].数理统计与管理,2020,39(1):22.FANG Kuangnan,CHEN Yuanxing,ZHANG Qingzhao,et al.Review of Bidirectional Clustering Methods [J].Journal of Applied Statistics and Management,2020,39(1):22.[5]㊀吴明阳,张芮,岳彩旭,等.应用K-means 聚类算法划分曲面及实验验证[J].哈尔滨理工大学学报,2017(1):54.WU Mingyang,ZHANG Rui,YUE Caixu,et al.Appli-cation of K-means Clustering Algorithm for Surface Divi-sion and Experimental Verification[J].Journal of HarbinUniversity of Science and Technology,2017(1):54.[6]㊀LACKO D,HUYSMANS T,VLEUGELS J,et al.ProductSizing with 3D Anthropometry and K-medoids Clustering[J].Computer-Aided Design,2017:S0010448517301173.[7]㊀ZHANG T,RAMAKRISHNAN R,LIVNY M.BIRCH:ANew Data Clustering Algorithm and Its Applications[J].Data Mining and Knowledge Discovery,1997,1(2):141.[8]㊀FUSHIMI T,MORI R.High-Speed Clustering of Region-al Photos Using Representative Photos of Different Re-gions[C].2018IEEE /WIC /ACM International Confer-ence on Web Intelligence (WI),IEEE,2018:520.[9]㊀Al-MAMORY S O,KAMIL I S.A New Density BasedSampling to Enhance DBSCAN Clustering Algorithm[J].Journal of Computer Science,2019,32(4):315.[10]ANKERST M,BREUNIG M M,KRIEGEL H P,et al.OPTICS:Ordering Points to Identify the Clustering Struc-ture[C]//SIGMOD 1999,Proceedings ACM SIGMOD International Conference on Management of Data,June 1-3,1999,Philadelphia,Pennsylvania,USA.ACM,1999:2008,99.[11]王飞,王国胤,李智星,等.一种基于网格的密度峰值聚类算法[J ].小型微型计算机系统,2017(5):1034.WANG Fei,WANG Guoyin,LI Zhixing,et al.A Grid-based Density Peak Clustering Algorithm[J].Journal of98第5期林倩闽:一种CCA -层次聚类的基因聚类算法Chinese Computer Systems,2017(5):1034. [12]YAO J,CHANG C,SALMI M L,et al.Genome-scaleClusteranalysis of Replicated Microarrays Using ShrinkageCorrelation Coefficient[J].BMC Bioinformatics,2008,9:288.[13]HONG S,CHEN X,JIN L,et al.Canonical CorrelationAnalysis for RNA-seq Co-expression Networks[J].Nu-cleic Acids Res,2013,41(8):e95.[14]万静,郑龙君,何云斌,等.高维数据的高密度子空间聚类算法[J].哈尔滨理工大学学报,2020,25(4):84.WAN Jing,ZHENG Longjun,HE Yunbin,et al.High-Density Subspace Clustering Algorithm for High-Dimen-sional Data[J].Journal of Harbin University of Scienceand Technology,2020,25(4):84.[15]刘昊.基于聚类算法的生物分析软件的设计与实现[D].上海:复旦大学,2013.[16]乔锦荣,原新鹏,梁旭东,等.凝聚层次聚类方法在降水预报评估中的应用[J].干旱气象,2022,40(4):690.QIAO Jinrong,YUAN Xinpeng,LIANG Xudong,et al.Application of Agglomerative Hierarchical ClusteringMethod in Precipitation Forecast Evaluation[J].AridMeteorology,2022,40(4):690.[17]JASKOWIAK P A,CAMPELLO R J,COSTA I G.Onthe Selection of Appropriate Distances for Gene Expres-sion Data Clustering[J].BMC Bioinformatics,2014,15(2):1.[18]季姜帅,裴颂文.面向异质基因数据的智能层次聚类算法研究[J].小型微型计算机系统,2021,43(9):1808.JI Jiangshuai,PEI Songwen.Research on Intelligent Hi-erarchical Clustering Algorithm for Heterogeneous GeneticData[J].Journal of Chinese Computer Systems,2021,43(9):1808.[19]DATTA S,DATTA S.Methods for Evaluating ClusteringAlgorithms for Gene Expression Data Using a ReferenceSet of Functional Classes[J].BMC Bioinformatics,2006,7(1):1.[20]DATTA parisons and Validation of Statistical Clus-tering Techniques for Microarray Gene Expression Data[J].Bioinformatics,2003,19(4):459. [21]HULOT A,CHIQUET J,JAFFRÉZIC F,et al.Fast TreeAggregation for Consensus Hierarchical Clustering[J].BMC Bioinformatics,2020,21(1):12.(编辑:温泽宇)09哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀。
5种蚌螨ITS2基因片段序列及其系统发育分析
Ｉｓ 因序 列长 度 为 ２８ｂ （ ｇｐ ， 中保 守位 Ｔ ２基 ５ ｐ 含 ａ ） 其 点 １６个 ， ８ 可变 位点 ５ ７个 （ ２ ， 变异 率达 到 ２ ． 表 ）总 ２
１ ， 间变 异 率 在 ７ ４ ～１ ． ％ 之 间 ； ％ 种 ．％ ４９ 转换 位 点 １ 个 ， 换位 点 ｌ １ 颠 ８个 ， 换 位 点 低 于 颠 换 位 点 ， 转 转
换 颠换 比值 为 ０６ ； Ｇ、 Ｔ４种 碱基 的平 均 含 量 ．１Ａ、 Ｃ、
分 别 为 ２ ． ％ 、７ ２ 、８ １ 、５ ２ ； 均 嘧 啶 ９ ５ １ ． ％ １． ％ ３ ． ％ 平
Ａ ７ ７３ ） 使 用 Ｐ Ｕ ４ Ｏ ｌ 件 中 的 最 大 似 然 Ｙ ０ ２０ ， Ａ Ｐ ． ｂ０软 法（ ） ＭＬ 和邻 接 法 （ Ｊ 构 建 系 统 树 ， 对 系统 树 采 Ｎ） 并
毛序 的微 小变 化加 以区分 ， 对 判定 一 些 蚌螨 这
厚蚌螨 （ ｃ ｓｐｓ 采 集 于 南 昌 市 郊 池 塘 ， ｒ ｓ ｅ） ａｉ 其
近 似种 的分类 地 位 产 生 了影 响 。 因此 ， 子 标记 技 分 术 也用 于对蚌 螨 的近似种 与 隐蔽种 的鉴定 ¨ Ｊ 卜 。
１ ２ 实验方 法 ．
该区段适合用来 分析动物亲缘 关系较 近 的种 、 种下分
类 阶元 以及地 理种群之 间的系统关系 。 近几 十年来 ， 国内外 已有许 多使 用 ＩＳ Ｔ ２序列 研
１２ １ 基 因组 Ｄ Ａ的提 取 ．． Ｎ
每种蚌 螨 取 １只个 体
的 研 磨 缓 管 中 ， 入 ３ 加 ０
用 １０ ０次 ｂ ｏ ｔ ｐ检 验分 析 。 ０ ｏｔ ｒ ｓａ
基因组学与功能基因研究解析脆弱性与兼容性演化
基因组学与功能基因研究解析脆弱性与兼容性演化引言：基因组学和功能基因研究是现代生物学中重要的领域，通过对基因组中的DNA序列和功能基因的研究，可以揭示生物的进化途径、遗传变异和生物多样性等重要信息。
本文将探讨基因组学和功能基因研究在解析生物的脆弱性与兼容性演化方面所起的作用。
一、基因组学研究解析生物脆弱性演化生物的脆弱性是指在面对外界环境变化或内部生理状态改变时，其生存和繁衍能力受到的影响。
脆弱性与基因组中的特定基因或DNA序列相关。
通过基因组学研究，可以发现这些与脆弱性相关的基因或DNA序列，并进一步揭示其演化及功能机制。
1.1 基因组中的脆弱性相关基因基因组学研究已经发现了一些与生物脆弱性相关的基因。
例如，在人类基因组中，BRCA1和BRCA2等基因与乳腺癌的发生有关。
这些基因突变会导致DNA修复机制异常，增加了患乳腺癌的风险。
此外，基因组学研究还发现了一些与肿瘤易感性、心脏病等疾病相关的脆弱性基因。
1.2 基因组演化中的脆弱性基因组演化的过程中，一些脆弱性相关的基因可能会发生改变，导致物种在特定环境中更易受到威胁。
例如，研究发现一些细菌具有特定基因的缺失，使其对抗生素产生了抗性。
然而，这种抗性也使得这些细菌在没有抗生素的环境中更加脆弱，因为它们失去了原始基因所提供的其他功能。
二、功能基因研究解析生物兼容性演化生物的兼容性是指对于不同基因型的个体之间，其相互交配和繁衍后代的能力。
基因组中的功能基因参与了生物个体的各种生理过程，包括生殖和免疫等。
通过对功能基因的研究，可以了解不同个体间的兼容性及其在进化中的作用。
2.1 生殖兼容性相关基因研究发现，不同个体之间的生殖兼容性与功能基因有关。
例如，在植物中，花粉结构和花粉粘性等功能基因的差异会影响花粉传播和受精过程，进而影响不同个体之间的兼容性。
类似地，在动物中，精子和卵子的结构和功能基因的差异也会影响生殖兼容性。
2.2 免疫兼容性相关基因免疫系统中的功能基因对于生物个体之间的免疫兼容性起着重要作用。
植物杂种不亲和和抗病毒自卫系统的分子机制
植物杂种不亲和和抗病毒自卫系统的分子机制植物杂交是一种常见的生殖方式，在实际应用中也被广泛使用。
但是，由于植物杂交引起的免疫不亲和性，许多杂交后代表现出了弱菌株症状，从而受到了病毒的侵袭。
因此，研究植物杂种不亲和和抗病毒自卫系统的分子机制具有重要意义，对于提高杂交后代的品质和增强植物的抗病性都具有指导意义。
一、植物杂交导致不亲和性的原因植物杂交带来的不亲和性主要是由杂交后代的基因组不兼容引起的。
在杂交过程中，两个不同种的植物都可能会向合子中提供不同的基因。
如果这些基因不兼容，就会导致活性变异，从而影响植株的发育和抗病能力。
另外，植物杂交还会引起表观遗传变异，即DNA序列不变，但是染色体上的化学标记发生了变化。
这些变化可能会影响基因的表达，从而导致不兼容和不亲和性。
二、植物杂交导致的抗病毒自卫系统植物杂交不仅会导致不亲和性，还能诱导一些抗病毒自卫系统的产生。
这些自卫系统包括RNA干扰和磷酸化酪氨酸蛋白酶（RLP）介导的信号转导。
1. RNA干扰RNA干扰是一种在许多生物中都存在的自卫机制。
它通过小RNA分子和RNA依赖性RNA聚合酶（RdRP）在基因表达和转录后水平调控中起作用。
在植物中，RNA干扰主要用于保护免疫系统免受病毒感染的威胁。
RNA干扰分为两种类型：小干扰RNA（siRNA）和微RNA（miRNA）。
其中，siRNA是在病毒RNA或RNA依赖性RNA的复制过程中产生的，而miRNA则由植物自身产生。
这些小RNA在靶标mRNA中引起翻译的停止或腐解，从而抑制病毒的繁殖。
2. 磷酸化酪氨酸蛋白酶（RLP）信号转导RLP是植物中一类常见的跨膜受体蛋白。
这些蛋白通常包含一个外部结构域和一个细胞质内的酪氨酸激酶结构域。
当受到外部信号诱导时，外部结构域会吸附与其互补的配体，并激活酪氨酸激酶结构域从而诱导细胞内的信号转导。
在植物中，这些受体通常与病毒蛋白结合，从而激活一些信号转导。
这些信号转导可能会引起细胞壁强化、产生防御素等，以增强植物对病毒的抵御能力。
遗传变异与物种形成和生态位的演化
染色体变异
染色体结构变异：包括缺失、 重复、倒置、易位等
染色体数目变异：包括整倍体 和非整倍体变异
染色体畸变：包括染色体断裂、 融合、环化等
染色体变异对物种形成的影响： 可能导致新物种的形成，影响 生态位的演化
遗传变异的来源和意义
来源：基因突变、基因重 组、染色体变异等
意义：遗传变异是物种演 化的基础，是生物多样性
关系：生态位演化影响物种的形成和演化，物种的形成和演化也影响生态位的变化
4
遗传变异与物种形 成和生态位演化的
关系
遗传变异对物种形成的影响
遗传变异可以导致生物的性 状改变，从而影响其适应性 和竞争力。
遗传变异可以导致物种的分 化，形成新的物种。
遗传变异是物种形成的基础， 它为自然选择提供了原材料。
物种的演化：物种在自然选 择和遗传漂变等作用下，逐 渐适应环境并形成新的物种
物种形成的机制
自然选择：筛选出适应环境 的个体，推动物种形成
突变和基因重组：产生新的 遗传物质，为物种形成提供 原材料
隔离：阻止不同种群间的基 因交流，促进物种形成
生态位分化：不同种群适应 不同的生态环境，导致物种
形成
物种形成的实例
遗传变异与物种形成和 生态位的演化
XX,a click to unlimited possibilities
汇报人：XX
目录
01 遗 传 变 异
02 物 种 形 成
03 生 态 位 的 演 化 05 未 来 展 望
04
遗传变异与物种形 成和生态位演化的
关系
1
遗传变异
基因突变
定义：DNA序 列的改变
遗传变异、物种形成与生态位演化的相互作用
应用SuperTRI方法重建百合目的系统发育关系
应用SuperTRI方法重建百合目的系统发育关系施菲;张丽;陈士超【摘要】Ropiquet et al. (2009) proposed a new approach called SuperTRI (SuperTree with Reliability Indices) to combine all phylogenetic information available for the construction of ?' large, synthetic phylogenetic trees. This approach overcomes some limitations of Supermatrix analysis and Supertree analysis,and allows larger scale hypotheses to be more reliable and with stronger statistical power. In this paper,we applied SuperTRI to construct a liliales phylogenetic tree. Compared to those found with the supermatrix approach, the results indicated:(1) the topology of SuperTRI tree is similar to those of the Supermatrix tree, but gives lower branch support values relatively, where reproducibility index for judging node reliability is the easiest way to understand and also the most intuitive method shown by the phylogenetic tree;(2) our results confirmed that Liliaceae,Smilaceae,Philesiaceae and Ripogonaceae are one monophyletic clade.Melanthiaceae is another monophyletic clade,and Colchicaceae,Alstroe-meriaceae and Petermanniaceae are another. However,the phylogenetic relationship between the three clades remains uncertain. Corsiaceae and Campynemataceae are a sister group and the first branch in the order.%SuperTRI是Ropiquet等(2009)发表的一种新的超树方法,可以通过合并所有系统发育信息来共同组建大的系统发育树.该方法克服了超矩阵法和传统超树法的一些限制,使提出的系统发育假说可信度更高,更具有统计说服力.本文应用SupperTRI方法重建了百合目(Liliales)主要类群的系统发育关系,并与超矩阵法的分析结果进行了比较.结果显示:(1) SuperTRI方法产生了与超矩阵法相似的拓扑结构,但节点支持率相对较低,其中再现性指数对评判分支的可信性更容易理解,在系统树图示方法上也更直观；(2)SuperTRI系统树证实百合科、菝葜科、垂花科和菝葜藤科为一单系分支；黑药花科为一独立分支；秋水仙科、六出花科、刺藤科为一单系分支,但这3个大分支间的关系未明；支持白玉簪科和金梅草科互为姐妹群,是百合目最基部类群.【期刊名称】《植物科学学报》【年(卷),期】2012(030)001【总页数】7页(P15-21)【关键词】百合目;系统发育;超矩阵;SuperTRI;超树【作者】施菲;张丽;陈士超【作者单位】同济大学生命科学与技术学院,上海200092;同济大学生命科学与技术学院,上海200092;同济大学生命科学与技术学院,上海200092;同济大学丽水中药研究院,浙江丽水323000【正文语种】中文【中图分类】Q941DNA测序技术的发展以及大规模基因组测序工作的普及给系统发育研究带来了海量的分子数据。
基因组学和计算机技术在种群遗传学研究中的应用
基因组学和计算机技术在种群遗传学研究中的应用近年来，随着科学技术的飞速发展，基因组学和计算机技术的应用在种群遗传学研究中越来越受到关注。
基因组学是指对生物体内所有基因的全面研究，包括基因的组织结构、表达和功能等方面。
计算机技术则是指利用计算机系统进行数据处理、分析和模拟的一种技术。
而种群遗传学则是研究物种内个体遗传变异的分布规律及其演化过程的学科。
本文将重点探讨基因组学和计算机技术在种群遗传学研究中的应用。
一、基因组学在种群遗传学研究中的应用基因组学在种群遗传学研究中的应用主要体现在以下几个方面：1. 杂交破裂现象的检测杂交破裂是指不同亲代间交配产生的后代染色体或染色体片段出现缺失、异常相连以及易位等现象。
基因组学研究表明，在自然种群中，杂交破裂相对较为普遍。
通过对种群内个体基因组序列的比对，可以发现杂交破裂产生的新群体。
这种方法不仅可以用于研究物种间的亲缘关系，还可以对人类的进化历程进行研究。
2. 遗传多样性的评估种群的遗传多样性是指一个种群内个体之间的遗传差异。
基因组学可以通过对多个个体基因组序列的比对，发现一些特殊的基因型，例如高频基因型和低频基因型，以此来评估一个种群的遗传多样性。
这种方法可以用于生物多样性的保护和物种起源的研究，也可以对人类群体的起源和迁徙进行研究。
3. 整合遗传信息建立物种演化树通过对多个物种的基因组序列的比对，可以构建一个物种演化树。
物种演化树是一种树形结构，它用于描述物种的进化历程和亲缘关系。
物种演化树可以为生物分类学和系统发育学提供重要的信息，促进物种分类和演化研究的进展。
二、计算机技术在种群遗传学研究中的应用计算机技术在种群遗传学研究中的应用主要体现在以下几个方面：1. 群体遗传学分析群体遗传学是研究种群内个体遗传变异决定因素和演化过程的学科。
计算机技术可以对大规模的个体数据进行处理和分析，以评估种群内遗传变异的水平、遗传流动的强弱和群体的演化历程等信息。
比如可以利用计算机技术进行群体遗传结构分析、基因型与表型的相关性分析、基因频率的估计和遗传漂变速率的计算等。
一株侵染掌叶半夏的大豆花叶病毒的全基因组序列测定和vsiRNA特征分析
一株侵染掌叶半夏的大豆花叶病毒的全基因组序列测定和vsiRNA特征分析作者：胡逸超卢晓静李璞廖咏梅何新华邹承武陈琦来源：《南方农业学报》2021年第12期摘要：【目的】探究侵染掌叶半夏（Pinellia pedatisecta）的大豆花叶病毒（Soybean mosaic virus，SMV）衍生的干扰小RNA（virus-derived small interfering RNA，vsiRNA）序列特征，为掌叶半夏抵御病毒的作用机制研究提供参考。
【方法】以一株来自广西的具有典型病毒病症状的掌叶半夏为材料，取其褪绿斑驳的叶片采用TRIzol法提取总RNA，并进行小RNA 深度测序（Small RNA Deep Sequencing）;利用快速扩增cDNA末端（Rapid Amplification of cDNA Ends，RACE）和分段克隆技术获得病毒的全长基因组序列，利用MEGA 7.0将其与有代表性的病毒序列构建系统发育进化树并分析亲缘关系;以克隆测序获得的基因组序列作为参考进行vsiRNA特征分析。
【结果】小RNA深度测序共获得4851249条高质量的读段（reads），长度为21、22和24 nt的reads具有较高的丰度，占比分别为33.4%、13.7%和11.3%。
该病毒分离物的基因组全长为9735 nt，编码3105个氨基酸，其基因组全序列与SMV HZ1分离物核苷酸序列相似性为86.93%，暂命名为SMV NN;系统发育进化树显示，SMV NN 与分离自半夏的SMV HZ1分离物的亲缘关系最近。
将vsiRNA定位到克隆测序后获得的SMV NN的基因组上，分析该病毒的vsiRNA特征，结果发现长度为21和22 nt的vsiRNA具有较高的丰度，病毒全基因组的正链和负链均能被vsiRNA覆盖，且分别在HC-Pro和P3蛋白编码区具有最强热点。
【结论】掌叶半夏主要通过dicer样核糖核酸酶4（dicer-like ribonuclease 4，DCL4）和Argonaute蛋白1（Argonaute1，AGO1）对SMV的HC-Pro和P3蛋白编码区进行剪切，主要产生长度为21和22 nt的vsiRNA，从而抑制SMV在植株体内的复制。
果树逆境胁迫相关miRNA的研究进展
㊀南京农业大学学报㊀２０２１ꎬ４４(２):２０１－２０７ｈｔｔｐ://ｎａｕｘｂ.ｎｊａｕ.ｅｄｕ.ｃｎ㊀ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙＤＯＩ:１０.７６８５/ｊｎａｕ.２０２００５０２２收稿日期:２０２０－０５－１４基金项目:国家自然科学基金项目(３１８７２０７４)ꎻ国家重点研发计划项目(２０１９ＹＦＤ１０００１００)ꎻ江苏高校优势学科建设工程资助项目作者简介:渠慎春ꎬ教授ꎬ博导ꎬ主要从事果树生物技术研究ꎬＥ￣ｍａｉｌ:ｑｓｃｎｊ＠ｎｊａｕ.ｅｄｕ.ｃｎꎮ∗通信作者ꎮ渠慎春ꎬ耿晓月ꎬ余心怡ꎬ等.果树逆境胁迫相关ｍｉＲＮＡ的研究进展[Ｊ].南京农业大学学报ꎬ２０２１ꎬ４４(２):２０１－２０７.ＱＵＳｈｅｎｃｈｕｎꎬＧＥＮＧＸｉａｏｙｕｅꎬＹＵＸｉｎｙｉꎬｅｔａｌ.ＲｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｎｓｔｒｅｓｓｒｅｓｉｓｔａｎｃｅｒｅｌａｔｅｄｍｉＲＮＡｏｆｆｒｕｉｔｔｒｅｅｓ[Ｊ].ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬ２０２１ꎬ４４(２):２０１－２０７.特约综述果树逆境胁迫相关ｍｉＲＮＡ的研究进展渠慎春∗ꎬ耿晓月ꎬ余心怡ꎬ曹丽芳(南京农业大学园艺学院ꎬ江苏南京２１００９５)摘要:ｍｉＲＮＡ是一类长度为１８~２４ｎｔ的内源性非编码小ＲＮＡꎮ在逆境胁迫下ꎬｍｉＲＮＡ通过与目标基因碱基互补配对ꎬ对目标基因ｍＲＮＡ进行剪切或翻译抑制ꎬ从而使果树响应各种逆境胁迫ꎮ本文介绍了植物ｍｉＲＮＡ的合成和作用机制ꎬ对果树ｍｉＲＮＡ在响应生物和非生物胁迫(干旱㊁冷害㊁盐胁迫㊁营养元素缺失)的研究进展进行了综述ꎬ并对ｍｉＲＮＡ在果树抗逆方面的研究前景进行了分析ꎮ关键词:果树ꎻｍｉＲＮＡꎻ抗逆ꎻ研究进展中图分类号:Ｓ６６㊀㊀㊀㊀文献标志码:Ａ㊀㊀㊀㊀文章编号:１０００－２０３０(２０２１)０２－０２０１－０７ＲｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｎｓｔｒｅｓｓｒｅｓｉｓｔａｎｃｅｒｅｌａｔｅｄｍｉＲＮＡｏｆｆｒｕｉｔｔｒｅｅｓＱＵＳｈｅｎｃｈｕｎ∗ꎬＧＥＮＧＸｉａｏｙｕｅꎬＹＵＸｉｎｙｉꎬＣＡＯＬｉｆａｎｇ(ＣｏｌｌｅｇｅｏｆＨｏｒｔｉｃｕｌｔｕｒｅꎬＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬＮａｎｊｉｎｇ２１００９５ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ｍｉＲＮＡｉｓａｃｌａｓｓｏｆｅｎｄｏｇｅｎｏｕｓｎｏｎｃｏｄｉｎｇｓｍａｌｌＲＮＡｗｉｔｈｔｈｅｌｅｎｇｔｈｏｆａｂｏｕｔ１８－２４ｎｔ.ＵｎｄｅｒｓｔｒｅｓｓｃｏｎｄｉｔｉｏｎｓꎬｍｉＲＮＡｓｃａｎｃｕｔｏｒｓｕｐｐｒｅｓｓｔｈｅｔｒａｎｓｌａｔｉｏｎｏｆｔａｒｇｅｔｇｅｎｅｍＲＮＡｂｙｒｅｇｕｌａｔｉｎｇｃｏｍｐｌｅｍｅｎｔａｒｙｐａｉｒｉｎｇｗｉｔｈｔａｒｇｅｔｇｅｎｅｓꎬｓｏｔｈａｔｔｈｅｆｒｕｉｔｔｒｅｅｓｒｅｓｐｏｎｄｔｏｖａｒｉｏｕｓａｄｖｅｒｓｉｔｙｓｔｒｅｓｓｅｓ.ＴｈｉｓａｒｔｉｃｌｅｉｎｔｒｏｄｕｃｅｄｔｈｅｓｙｎｔｈｅｓｉｓａｎｄｍｅｃｈａｎｉｓｍｏｆｐｌａｎｔｍｉＲＮＡꎬａｎｄｓｕｍｍａｒｉｚｅｄｔｈｅｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｆｆｒｕｉｔｔｒｅｓｓｍｉＲＮＡｉｎｒｅｓｐｏｎｓｅｔｏｂｉｏｔｉｃａｎｄａｂｉｏｔｉｃｓｔｒｅｓｓｅｓ(ｓｕｃｈａｓｄｒｏｕｇｈｔꎬｃｏｌｄｄａｍａｇｅꎬｓａｌｔｓｔｒｅｓｓａｎｄｎｕｔｒｉｅｎｔｄｅｆｉｃｉｅｎｃｙ).ＡｌｓｏꎬｔｈｅｒｅｓｅａｒｃｈｐｒｏｓｐｅｃｔｏｆｍｉＲＮＡｉｎｆｒｕｉｔｔｒｅｅｒｅｓｉｓｔａｎｃｅｔｏｓｔｒｅｓｓｗａｓａｎａｌｙｚｅｄ.Ｋｅｙｗｏｒｄｓ:ｆｒｕｉｔｔｒｅｅｓꎻｍｉＲＮＡꎻｓｔｒｅｓｓｒｅｓｉｓｔａｎｃｅꎻｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｍｉＲＮＡ(ｍｉｃｒｏＲＮＡ)是一类来自真核生物㊁长度为１８~２４ｎｔ的内源性非编码小分子ＲＮＡꎬ由具有发卡结构的单链ＲＮＡ前体剪切形成ꎬ在植物基因表达调控中发挥重要功能[１－２]ꎮ１９９３年ｍｉＲＮＡｌｉｎ￣４在秀丽隐杆线虫(Ｃａｅｎｏｒｈａｂｄｉｔｉｓｅｌｅｇａｎｓ)中首次被发现ꎬ但直到２００２年第１个植物ｍｉＲＮＡ才在拟南芥中被发现[３－４]ꎮｍｉＲＮＡ通过与目标ｍＲＮＡ特异性碱基配对ꎬ对其目标ｍＲＮＡ切割降解或翻译抑制ꎬ从而发挥转录后的负调控功能[５]ꎮｍｉＲＮＡ的目标基因多为转录因子ꎬ主要参与植物的生长发育㊁信号转导及响应逆境胁迫等基本生物过程[６]ꎮ植物在生长发育过程中会受到多种环境胁迫的影响ꎬ大多数生物和非生物胁迫会引起氧化胁迫ꎬ损伤细胞结构最终导致植物死亡[６]ꎮｍｉＲＮＡ介导植物防御的分子机制复杂而多样ꎬ既能调控寄主目标基因的表达ꎬ也能跨界操纵病原菌基因的表达[７]ꎮ１㊀植物ｍｉＲＮＡ的合成及作用机制１.１㊀植物ｍｉＲＮＡ的合成植物ｍｉＲＮＡ由内源ｍｉＲＮＡ(ＭＩＲ)基因编码ꎬ经过转录㊁加工和ＲＮＡ诱导沉默复合体(ＲＮＡ￣ｉｎｄｕｃｅｄｓｉｌｅｎｃｉｎｇｃｏｍｐｌｅｘꎬＲＩＳＣ)过程ꎮ细胞核内ＭＩＲ基因在ＲＮＡ聚合酶Ⅱ的作用下转录形成具有５ᶄ端 帽子 和３ᶄ端ｐｌｏｙＡ尾巴结构的初级产物ｐｒｉ￣ｍｉＲＮＡ[８]ꎮｐｒｉ￣ｍｉＲＮＡ结构中含有不完全的双链发夹特殊结构ꎬ该结构在Ｄｉｃｅｒ￣ｌｉｋｅ１(ＤＣＬ１)酶及其辅助因子作用下被特异性识别并加工形成具有茎环发夹结构的前体ｐｒｅ￣ｍｉＲＮＡ[９－１０]ꎮ在ＤＣＬ１等酶的作用下ꎬｐｒｅ￣ｍｉＲＮＡ茎环结构被加工形成具有ｍｉＲＮＡ/ｍｉＲＮＡ∗复合体结２０２南㊀京㊀农㊀业㊀大㊀学㊀学㊀报第４４卷构的双链ｍｉＲＮＡ[１１]ꎮｍｉＲＮＡ/ｍｉＲＮＡ∗双链进一步由甲基转移酶(Ｈｕａｅｎｈａｎｃｅｒ１ꎬＨＥＮ１)在３ᶄ端甲基化以防止ｍｉＲＮＡ的降解ꎮ随后ꎬＨａｓｔｙ(ＨＳＴ)转运蛋白将甲基化修饰的双链ｍｉＲＮＡ由细胞核转运至细胞质中ꎮ在解旋酶作用下ꎬ双链ｍｉＲＮＡ解旋形成２条单链ꎬ其中ｍｉＲＮＡ单链与Ａｒｇｏｎａｕｔｅ１(ＡＧＯ１)蛋白结合ꎬ进一步形成ＲＮＡ诱导沉默复合体(ＲＮＡ￣ｉｎｄｕｃｅｄｓｉｌｅｎｃｉｎｇｃｏｍｐｌｅｘꎬＲＩＳＣ)复合体ꎬ通过碱基配对与目标ｍＲＮＡ结合ꎬ对其目标ｍＲＮＡ进行切割降解或翻译抑制[１２]ꎻｍｉＲＮＡ∗链可能被降解ꎬ但在某些条件下ꎬｍｉＲＮＡ∗也可能不被降解ꎬ发挥一定功能[１３]ꎮ１.２㊀植物ｍｉＲＮＡ的作用机制在逆境胁迫下ꎬ植物ｍｉＲＮＡ不具有核酸酶功能ꎬ而是通过多种机制对基因进行转录后的表达调控[１４]ꎮｍｉＲＮＡ对目标基因的调控方式以切割降解为主ꎬ少部分表现为翻译抑制[１５]ꎮ当目标ｍＲＮＡ与ｍｉＲＮＡ完全互补配对时ꎬ在ｍｉＲＮＡ的介导下ꎬＲＩＳＣ复合体特异性识别目标ｍＲＮＡ[１６]ꎬ引导ＡＧＯ１蛋白上的具有ＲＮａｓｅＨ￣ｌｉｋｅ内切酶活性的ＰＩＷＩ结构域将其直接裂解ꎬ从而减少目标ｍＲＮＡ的积累ꎮ随后ꎬｍｉＲＮＡ参与的ＲＩＳＣ复合体继续识别并切割其他目标ｍＲＮＡꎮ与动物不同ꎬ植物ｍｉＲＮＡ对目标基因的作用位点大部分位于其ＣＤＳ区ꎮ也有证据表明ꎬ一些ｍｉＲＮＡ能够与目标ｍＲＮＡ的３ᶄ或５ᶄＵＴＲ区相结合来调控其表达ꎮ当目标ｍＲＮＡ与ｍｉＲＮＡ之间存在一定错配时ꎬ植物ｍｉＲＮＡ能够抑制目标ｍＲＮＡ的翻译ꎮ目标基因的表达量变化在转录水平上不能直接被检测ꎬ只反映在蛋白水平上ꎮｍｉＲＮＡ对目标基因翻译的调控是通过抑制ｍＲＮＡ翻译起始过程实现的ꎬ这一过程也依赖ＡＧＯ蛋白的存在ꎮ拟南芥膜整合蛋白Ａｌｔｅｒｅｄｍｅｒｉ￣ｓｔｅｍｐｒｏｇｒａｍｍｅ１(ＡＭＰ１)位于内质网上ꎬ与ＡＧＯ１以及一种外周蛋白形成复合物后ꎬ能够将目标ｍＲＮＡ从膜结合多聚核糖体上解除ꎮ迄今为止ꎬ只有ＡＧＯ１和ＡＧＯ１０被证明在翻译抑制中发挥作用[１７]ꎬ在植物中并未找到更多有关ｍｉＲＮＡ参与调控目标基因蛋白合成的作用因子ꎬｍｉＲＮＡ介导目标ｍＲＮＡ翻译抑制的具体作用机制还有待进一步挖掘ꎮ２㊀果树逆境胁迫相关的ｍｉＲＮＡ果树在生长发育过程中会经历多种环境胁迫ꎬ影响其产量和果实品质ꎬ造成一定的经济损失ꎮ研究表明ꎬｍｉＲＮＡ在果树胁迫响应和抗逆性提高等方面扮演着重要的角色[１８－１９]ꎮ在逆境胁迫下ꎬ植物自身ｍｉＲＮＡ与ＡＧＯ蛋白形成的ＲＮＡ诱导沉默复合体ꎬ与目标ｍＲＮＡ互补配对结合ꎬ可以调节相应目标基因的表达ꎬ使下游抗逆相关基因的表达发生改变ꎬ进而影响相关代谢产物的生物合成ꎬ从而抵御逆境的胁迫[２０]ꎮ在此过程中ꎬ一个ｍｉＲＮＡ可能调控多个目标基因[２１]ꎬ而一个目标基因也可受多个ｍｉＲＮＡ调控[２２]ꎮ２.１㊀果树生物胁迫相关ｍｉＲＮＡ细菌㊁真菌㊁病毒和昆虫是影响果树生长发育的主要生物胁迫因素ꎬ它们可导致每年约３０％的果树减产ꎮ果树体内大量ｍｉＲＮＡ会对生物胁迫做出响应ꎬ调控其目标基因的上调或下调表达[２３]ꎬ使果树的生理㊁生化和代谢过程发生相应变化[２４]ꎮ苹果中ｍｄｍ－火疫病是由梨火疫欧式杆菌引起的一种细菌性病害ꎮＫａｊａ等[２５]从苹果火疫病抗病品种和感病品种中得到１２个小分子ＲＮＡ文库并对其进行深度测序ꎬ发现ｍｄｍ￣ｍｉＲ１６９ａ㊁ｍｄｍ￣ｍｉＲ１６０ｅ㊁ｍｄｍ￣ｍｉＲ１６７ｂ￣ｇ和ｍｄｍ￣ｍｉＲ１６８ａꎬｂ可能与苹果抗火疫病抗性有关ꎻ此外ꎬ还证明苹果中ｍｄｍ￣ｍｉＲ１６８ａꎬｂ的目标基因是ＲＮＡ诱导沉默复合体的核心组成成分ＡＧＯꎬ其在苹果火疫病感病品种中表达量更高ꎻ而ｍｄｍ￣ｍｉＲ１６７ｂ￣ｇ随着树体生长在苹果火疫病感病砧木中具有更高的表达量ꎮｍｄｍ￣ｍｉＲ１６９ａ㊁ｍｄｍ￣ｍｉＲ１６０ｅ㊁ｍｄｍ￣ｍｉＲ１６７ｂ￣ｇ和ｍｄｍ￣ｍｉＲ１６８ａꎬｂ通过靶向应激反应蛋白参与应激反应ꎬ从而在抗火疫病中发挥重要作用[２５]ꎮ苹果茎痘病毒(ＡＳＰＶ)是苹果和梨树最常见的病毒之一ꎮＺｈａｎｇ等[２６]发现 杜梨 和 红宝石 梨感染ＡＳＰＶ后ｐｂｒ￣ｍｉＲ１５６㊁ｐｂｒ￣ｍｉＲ１６４㊁ｐｂｒ￣ｍｉＲ３９９和ｐｂｒ￣ｍｉＲ４８２上调表达ꎬ它们的目标基因ＰｙｒｕｓｂｒｅｔｓｃｈｎｅｉｄｅｒｉＲｉｂｏｓｏｍａｌｐｒｏｔｅｉｎＳ６(ｐｂＲＰＳ６)㊁ＰｙｒｕｓｂｒｅｔｓｃｈｎｅｉｄｅｒｉＮＡＭ/ＡＴＡＦ/ＣＵＣ(ｐｂＮＡＣ)㊁ＰｙｒｕｓｂｒｅｔｓｃｈｎｅｉｄｅｒｉＴｏｌｌ￣ｌｉｋｅｒｅｃｅｐｔｏｒ(ｐｂＴＬＲ)和ＰｙｒｕｓｂｒｅｔｓｃｈｎｅｉｄｅｒｉＲＸ￣ｃｏｉｌｅｄ￣ｃｏｉｌ(ｐｂＲＸ￣ＣＣ)在ＡＳＰＶ感染与无病毒株系中的表达没有显著差异ꎬ表明相应ｍｉＲＮＡ数量的增加抑制了ＡＳＰＶ抗性相关目标基因的表达ꎬ推测这些ｍｉＲＮＡ及其目标基因参与梨的病毒防御途径ꎮ虫害是影响果树生长发育的生物胁迫之一ꎬ化学杀虫剂的使用是控制虫害的主要方法ꎮ昆虫繁殖能力和适应性强㊁生命周期短ꎬ许多昆虫自身对化学杀虫剂具３０２㊀第２期渠慎春ꎬ等:果树逆境胁迫相关ｍｉＲＮＡ的研究进展有抗性ꎬ这些因素导致虫害防治工作更加困难ꎮｍｉＲＮＡ可调节昆虫对化学杀虫剂的抗性ꎬｍｉＲ￣１目标靶向ＧｌｕｔａｔｈｉｏｎｅＳ￣ｔｒａｎｓｆｅｒａｓｅｆａｍｉｌｙｍｅｍｂｅｒ４(ＧＳＴｍ４)影响朱砂叶螨对丁氟螨酯的抗性[２７]ꎬ而ｍｉＲ￣２和ｍｉＲ￣１３调控ＣｙｔｏｃｈｒｏｍｅＰ４５０９Ｊ３５(ＣＹＰ９Ｊ３５)和ＣｙｔｏｃｈｒｏｍｅＰ４５０３２５ＢＧ３(ＣＹＰ３２５ＢＧ３)的表达ꎬ介导淡色库蚊对溴氰菊酯的抗性[２８]ꎮ真菌性病害是我国果树生产中的主要病害ꎬ严重制约着我国果树产业的发展ꎮＮｕｃｌｅｏｔｉｄｅｂｉｎｄｉｎｇｓｉｔｅ￣ｌｅｕｃｉｎｒｉｃｈｒｅｐｅａｔｓ(ＮＢＳ￣ＬＲＲ)基因是抗病基因中最大的家族ꎮＺｈｕ等[２９]通过小ＲＮＡ深度测序发现桃ｍｉＲＮＡ目标基因中包括多个编码抗病蛋白的ＮＢＳ￣ＬＲＲ基因ꎬ由此推测ｍｉＲＮＡ在桃的抗病性调控中发挥重要的作用ꎮＭａ等[３０]研究发现ꎬ在４０个对斑点落叶病抗性的苹果品种中ꎬＮＢＳ￣ＬＲＲ基因在抗病品种 金冠 中的表达量明显高于感病品种 富士 ꎬ且与Ｍｄ￣ｍｉＲＬｎ１１的表达呈相反趋势ꎬ说明在病原菌侵染下ꎬＭｄ￣ｍｉＲＬｎ１１可能通过抑制目标基因Ｍｄ￣ＮＢＳ￣ＬＲＲ的表达来影响不同苹果品种对斑点落叶病的抗性ꎮ此外ꎬＺｈａｎｇ等[３１]利用高通量测序技术鉴定出一种ｎｏｖｅｌｍｉＲＮＡꎬ命名为Ｍｄ￣ｍｉＲｌｎ２０ꎬ其在苹果感病品种中的表达量显著高于抗病品种ꎬ而其目标基因Ｍｄ￣ＴＮ１￣ＧＬＳ则表现出相反的变化趋势ꎬ表明Ｍｄ￣ｍｉＲｌｎ２０和其目标基因的表达与苹果的炭疽叶枯病抗性密切相关ꎬＭｄ￣ｍｉＲｌｎ２０通过抑制Ｍｄ￣ＴＮ１￣ＧＬＳ的表达负调控苹果对炭疽叶枯病的抗性ꎮ白粉病侵染草莓后ꎬｍｉＲ３９０与目的基因ＴｒａｎｓａｃｔｉｎｇｓｉＲＮＡ３(ＴＡＳ３)间的表达模式与拟南芥类似ꎬ因此推测草莓中也存在ｍｉＲ３９０￣ＴＡＳ３￣ＡＲＦ调控模块ꎬｍｉＲ３９０可能通过间接负调控Ａｕｘｉｎｒｅｓｐｏｎｓｅｆａｃｔｏｒ(ＡＲＦ)的表达来提高对白粉病的抗性[３２]ꎮ白腐病是引起葡萄生长期果实腐烂的主要真菌病害ꎮ白腐病病原菌侵染后ꎬ刺葡萄中ｍｉＲ１７２ａ㊁ｍｉＲ１７２ｂ㊁ｍｉＲ８４５ａ㊁ｎｏｖｅｌ＿８１和ｍｉＲ１５９ａ发生特异表达ꎬ这些ｍｉＲＮＡ的目标基因包括与抗病相关的ＷＲＫＹ㊁ＳＱＵＡＭＯＳＡｐｒｏｍｏｔｅｒｂｉｎｄｉｎｇｐｒｏｔｅｉｎ￣ｌｉｋｅ(ＳＰＬ)㊁ＥＦ￣ＴＵｒｅｃｅｐｔｏｒ(ＥＦＲ)等转录因子及Ｌｅｕｃｉｎｅ￣ｒｉｃｈｒｅｐｅａｔ(ＬＲＲ)类抗病基因ꎬ可作为研究刺葡萄抗白腐病的目标[３３]ꎮ香蕉受到香蕉枯萎病菌ＦＯＣ４侵染后ꎬｍｉＲＮＡ１５９ａ㊁ｍｉＲＮＡ１６５ａ㊁ｍｉＲＮＡ３９９ａ的表达表现出明显的品种特异性和组织特异性[３４]ꎻＳｏｎｇ等[３５]通过对小ＲＮＡ进行转录组测序发现ꎬ香蕉枯萎病抗性品种与易感品种间部分ｍｉＲＮＡ表达差异十分显著ꎬ同时发现ｍｉＲＮＡ靶向枯萎病菌基因组中２个重要致病基因:阿魏酸酯酶基因(ＦｅｒｕｌｏｙｌｅｓｔｅｒａｓｅꎬＦＡＥ)和脯氨酸亚氨基肽酶基因(ＰｒｏｌｉｎｅｉｍｉｎｏｐｅｐｔｉｄａｓｅꎬＰＩＰ)ꎬ这为ｍｉＲＮＡ功能研究及ｍｉＲＮＡ与病原菌互作机制研究提供了良好的思路ꎮ本课题组通过高通量测序技术在感病品种 富士 苹果和抗性种质湖北海棠中得到了２４个响应苹果轮纹病侵染的ｍｉＲＮＡꎬ并用荧光定量ＰＣＲ手段鉴定了其中与胁迫相关的ｍｉＲ１６７㊁ｍｉＲ３９５㊁ｍｉＲ３９７和ｍｉＲ２１１１的表达模式ꎬ这些ｍｉＲＮＡ的表达在苹果轮纹病菌侵染的不同时期呈动态变化ꎬ初步鉴定这些ｍｉＲＮＡ可能在苹果对轮纹病防御过程中起重要作用[３６]ꎮ进一步研究发现ꎬｍｉＲ３９７ｂ可以调节与木质素生物合成相关基因ＭａｌｕｓｈｕｐｅｈｅｎｓｉｓＬａｃｃａｓｅ７(ＭｈＬＡＣ７)的表达ꎬ在湖北海棠中对苹果轮纹病的抗性起到负调控作用[３７]ꎮ以上这些特定的ｍｉＲＮＡ途径是否仅限于特定果树树种与相应病原菌的侵害ꎬ或者是所有植物与病原菌之间相互作用的通用调节机制ꎬ目前尚不清楚ꎮ值得注意的是ꎬ本课题组研究发现ꎬｍｉＲ１６８和其目标基因ＡＧＯ１(ＲＩＳＣ的核心组分)的表达ꎬ在湖北海棠抵御轮纹病侵染的过程中受到精确而复杂的调控ꎬｍｉＲ１６８/ＡＧＯ１表达稳态的改变会引起植株多种防御途径改变ꎬ对湖北海棠应对轮纹病的侵染起到重要作用[３８]ꎮ综上所述ꎬ这些特定果树ｍｉＲＮＡ参与植物防御功能机制的研究ꎬ为深入探索ｍｉＲＮＡ途径在植物生物胁迫应答中的重要调控作用奠定了基础ꎮ２.２㊀果树非生物胁迫相关ｍｉＲＮＡ２.２.１㊀干旱㊀干旱胁迫会对果树的产量和品质造成严重影响ꎮ在干旱胁迫下ꎬ果树体内相关ｍｉＲＮＡ会出现差异性表达并调控其目标基因ꎬ从而适应干旱环境ꎮ干旱胁迫可以诱导葡萄ｍｉＲ３９３在根部特异表达上调ꎬ并在侧根生长适应干旱胁迫的过程中发挥重要作用ꎬ在ｍｉＲ３９３启动子区域存在特定的干旱诱导顺式元件ꎬ在拟南芥中ꎬｍｉＲ３９３调控Ｔｒａｎｓｐｏｒｔｉｎｈｉｂｉｔｏｒｒｅｓｐｏｎｓｅ１/ＡｕｘｉｎＳｉｇｎａｌｉｎｇＦ￣ｂｏｘ２(ＴＩＲ１/ＡＦＢ２)的表达[３９]ꎬ但在葡萄叶片中ｍｉＲ３９３仅负调控ＴＩＲ１￣ｌｉｋｅ基因ꎬ说明在葡萄的根部ꎬ可能存在其他胁迫诱导调控机制干扰ｍｉＲＮＡ抑制活性[４０]ꎮ香蕉驯化干旱处理和直接干旱处理试验结果表明ꎬ驯化干旱处理后ｍｉＲＮＡ的表达量高于直接干旱处理ꎬ同时ｍｉＲ１６０ａ和ｍｉＲ１６４ａ的表达量显著高于其他ｍｉＲＮＡꎬ说明这２个ｍｉＲＮＡ可能在香蕉抗旱过程中扮演重要角色[４１－４２]ꎮ西藏沙棘中２种新型ｍｉＲＮＡ(ｎｏｖｅｌ＿ｍｉＲ＿２４和４０２南㊀京㊀农㊀业㊀大㊀学㊀学㊀报第４４卷ｎｏｖｅｌ＿ｍｉＲ＿８７)在正常生长情况下的表达水平与在干旱胁迫下的表达水平存在明显差异ꎬ它们的靶基因参与细胞代谢和应激反应ꎬ可用于提高西藏沙棘及其他高原植物的耐旱性[４３]ꎮ２.２.２㊀冷害㊀目前ꎬ果树中已有较多的ｍｉＲＮＡ被证实在温度胁迫中起到重要的调控作用ꎮＬｉｕ等[４４]通过高通量测序发现在野生香蕉中ｍｉＲ１７２㊁ｍｉＲ３９５和ｍｉＲ４０８对冷胁迫发生应激反应ꎬ说明这些ｍｉＲＮＡ可能在冷胁迫中发挥关键作用ꎻ同时ꎬ对ｍｉＲＮＡ目标位点的基因本体论(ｇｅｎｅｏｎｔｏｌｏｇｙꎬＧＯ)和京都基因与基因组百科全书(ＫｙｏｔｏｅｎｃｙｃｌｏｐｅｄｉａｏｆｇｅｎｅｓａｎｄｇｅｎｏｍｅｓꎬＫＥＧＧ)分析表明ꎬｍｉＲ１７２可能在冷胁迫反应中发挥中心协调作用ꎬ特别是在蛋白激酶ＣＫ２(Ｃａｓｅｉｎｋｉｎａｓｅ２)和昼夜节律调节中ꎮＬａｔｅｅｍｂｒｙｏｇｅｎｅｓｉｓａｂｕｎｄａｎｔ(ＬＥＡ)蛋白可以在冷胁迫下保护细胞内的蛋白和ＤＮＡ并提高植物抗冻能力[４５]ꎬ而ｄｏｍａｉｎｃｏｎｔａｉｎｉｎｇｐｒｏｔｅｉｎ(ＮＡＣ)家族转录因子通过调节Ｃ￣ｒｅｐｅａｔｂｉｎｄｉｎｇｆａｃｔｏｒ(ＣＢＦ)相关途径参与耐寒性调控[４６]ꎮ冷胁迫下ꎬ葡萄中ｍｉＲ１７２ａ表达上调ꎬｍｉＲ１６４ｂ和ｍｉＲ５３５ａ表达下调ꎬｍｉＲ５３５ａ㊁ｍｉＲ１７２ａ㊁ｍｉＲ１６４ｂ分别靶向ＬＥＡ蛋白㊁Ａｐｅｔａｌａ２(ＡＰ２)乙烯应答转录因子和ＮＡＣ转录因子[４７]ꎮ相对于桃幼叶组织ꎬｍｉＲ１５６㊁ｍｉＲ１６４㊁ｍｉＲ１７２㊁ｍｉＲ３９３㊁ｍｉＲ３９６㊁ｍｉＲ４１４和ｍｉＲ２２７５在冬芽中有特异性表达[４８]ꎬ表明这些ｍｉＲＮＡ可能对低温胁迫有调控作用ꎮ２.２.３㊀盐胁迫㊀果树是对盐胁迫比较敏感的植物ꎬ盐胁迫对果树种子萌发㊁生长发育和产量造成不同程度的影响[４９]ꎮ在盐胁迫下ꎬ柑橘根系中有７６个ｍｉＲＮＡ和２５７４个ｍＲＮＡ存在差异表达ꎬ这些基因在功能上与碳水化合物代谢㊁激素信号转导㊁ｒｅａｃｔｉｖｅｏｘｙｇｅｎｓｐｅｃｉｅｓ(ＲＯＳ)系统和苯丙氨酸代谢有关ꎬＮＡＣ㊁ＭＹＢｄｏｍａｉｎｐｒｏｔｅｉｎ(ＭＹＢ)㊁Ｃ￣ｒｅｐｅａｔ￣ｂｉｎｄｉｎｇｆａｃｔｏｒ(ＣＢＦ)㊁ｅｔｈｙｌｅｎｅｒｅｓｐｏｎｓｅｆａｃｔｏｒｓ(ＥＲＦ)㊁ＷＲＫＹＤＮＡ￣ｂｉｎｄｉｎｇｐｒｏｔｅｉｎ(ＷＲＫＹ)㊁ｚｉｎｃｆｉｎｇｅｒｐｒｏｔｅｉｎ(ＺＦＰ)㊁ｃａｌｍｏｄｕｌｉｎ￣ｂｉｎｄｉｎｇｐｒｏｔｅｉｎ(ＣＡＭＴＡ)㊁ｂａｓｉｃ￣ｌｅｕｃｉｎｅｚｉｐｐｅｒｐｒｏｔｅｉｎ(ｂＺＩＰ)等转录因子参与盐胁迫过程ꎬ其中大部分显著上调表达ꎬ而少数ｍｉＲＮＡ靶向的转录因子下调表达[５０]ꎮＹａｉｓｈ等[５１]研究发现ꎬ在盐胁迫下枣椰树中ｍｉＲＮＡ表达存在差异ꎬ在叶片中ꎬ５４个已鉴定的ｍｉＲＮＡ受到显著影响ꎬ其中７０％的ｍｉＲＮＡ表达上调ꎻ而在根中ꎬ２５个已鉴定的ｍｉＲＮＡ受到显著影响ꎬ其中７６％的ｍｉＲＮＡ表达上调ꎬｍｉＲＮＡ的靶点如钾离子通道ＡｒａｂｉｄｏｐｓｉｓＫ＋ｔｒａｎｓｐｏｒｔｅｒ２￣ｌｉｋｅ(ＡＫＴ２￣ｌｉｋｅ)蛋白㊁液泡蛋白筛选相关蛋白㊁钙依赖性蛋白等已报道与耐盐相关ꎮＬｉ等[５２]发现ꎬ草莓果实受到盐胁迫６ｈ后ꎬＦａｎ￣ｍｉＲ７３表达量明显下降ꎬ而目标基因ＡＢＡ￣ｉｎｓｅｎｓｉｔｉｖｅ５(ＡＢＩ５)表达量上调ꎬ说明Ｆａｎ￣ｍｉＲ７３在草莓盐胁迫中发挥重要调控作用ꎮ２.２.４㊀营养元素缺失㊀果树在生长发育过程中各个阶段对营养元素的需求不同ꎬ营养元素的缺乏也是果树生长发育过程经常遇到的胁迫问题ꎮｍｉＲＮＡ通过调控目标基因的表达来调节相关营养元素的代谢ꎮ研究表明草莓果实可溶性固形物含量与磷含量呈正相关ꎬ低磷胁迫诱导草莓ｍｉＲ３９９ａ的积累ꎬ调节植株磷平衡ꎬ以改善果实品质[５３]ꎻ同时ꎬｍｉＲＮＡ可以通过改变根系结构ꎬ提高磷的转运和再利用效率ꎬ参与花青素和抗氧化物生物合成等来响应低磷胁迫[５４]ꎮＬｉａｎｇ等[５５]经Ｉｌｌｕｍｉｎａ测序发现柑橘中ｍｉＲ１５８㊁ｍｉＲ１０４４㊁ｍｉＲ１１５１㊁ｍｉＲ５２６１㊁ｍｉＲ６１９０和ｍｉＲ６４８５通过表达上调来减轻Ｍｇ胁迫ꎮ铁胁迫诱导小金海棠ｍｉＲ３９４ａ在根部和叶片中表达上调ꎬ但其表达模式不同ꎻｍｉＲ３９４ａ在根系中反应迅速而在叶片中反应相对较慢ꎬ缺铁时根部首先发生缺铁反应产生局部信号ꎬ信号传至地上部ꎬ引起地上部ｍｉＲ３９４ａ的表达从而使地上部更耐缺铁[５６]ꎮ葡萄ｖｖｉ￣ｍｉＲ３９８能介导Ｃｏｐｐｅｒ/ｚｉｎｃｓｕｐｅｒｏｘｉｄｅｄｉｓｍｕｔａｓｅ２(ＣＳＤ２)基因的裂解ꎬ通过转基因等手段对ＣＳＤ２进行功能验证ꎬ发现在烟草中过表达葡萄ＣＳＤ２能提高植株的铜胁迫抗性[５７]ꎻ此外ｖｖｉ￣ｍｉＲ１６０和ｖｖｉ￣ｍｉＲ１６７在铜胁迫下受到抑制ꎬ其目标基因ＡＲＦ可能通过充当信号分子参与铜胁迫[５８]ꎮ３㊀展望ｍｉＲＮＡ约占总基因的１％ꎬ这意味着还有许多ｍｉＲＮＡ尚未发现[５９]ꎮ近年来ꎬ随着对植物ｍｉＲＮＡ的深入研究ꎬ大量参与植物生物和非生物胁迫的ｍｉＲＮＡ被发现并鉴定出其功能ꎮ果树在生长发育过程中会遇到很多生物和非生物胁迫ꎬ其中病原菌的胁迫可能是毁灭性的[６０]ꎮ大多数果树树种基因组高度杂合ꎬ遗传背景非常复杂ꎬ采用常规的基因工程育种手段ꎬ常常面临转化效率低且外源基因表达不稳定的问题ꎬ难以获得生产所需的稳定一致的优良抗性新品系ꎮ因此在生产中ꎬ应从ｍｉＲＮＡ入手ꎬ从抗性基因表达调控的角度ꎬ引入和发展新的基因操作手段ꎬ在果树抗逆育种方面具有广泛的应用前景ꎮ目前ｍｉＲＮＡ参与植物抗逆的相关报道主要集中在拟南芥等模式植物中ꎬ而在果树等经济作物中报道相对较少ꎮ随着越来越多特定果树ｍｉＲＮＡ的挖掘和功能的深入研究ꎬｍｉＲＮＡ途径在果树抗性调控中的５０２㊀第２期渠慎春ꎬ等:果树逆境胁迫相关ｍｉＲＮＡ的研究进展重要作用将会进一步明确ꎬ这将有助于深入了解逆境胁迫下果树防御途径的多层次调控机制ꎬ为果树抗性育种和品种改良提供理论依据ꎮ参考文献Ｒｅｆｅｒｅｎｃｅｓ:[１]㊀ＢａｒｔｅｌＤＰ.ＭｉｃｒｏＲＮＡｓ:ｇｅｎｏｍｉｃｓꎬｂｉｏｇｅｎｅｓｉｓꎬｍｅｃｈａｎｉｓｍꎬａｎｄｆｕｎｃｔｉｏｎ[Ｊ].Ｃｅｌｌꎬ２００４ꎬ１１６(２):２８１－２９７.[２]ＶｏｉｎｎｅｔＯ.ＯｒｉｇｉｎꎬｂｉｏｇｅｎｅｓｉｓꎬａｎｄａｃｔｉｖｉｔｙｏｆｐｌａｎｔｍｉｃｒｏＲＮＡｓ[Ｊ].Ｃｅｌｌꎬ２００９ꎬ１３６(４):６６９－６８７.[３]ＬｌａｖｅＣꎬＫａｓｓｃｈａｕＫＤꎬＲｅｃｔｏｒＭＡꎬｅｔａｌ.Ｅｎｄｏｇｅｎｏｕｓａｎｄｓｉｌｅｎｃｉｎｇ￣ａｓｓｏｃｉａｔｅｄｓｍａｌｌＲＮＡｓｉｎｐｌａｎｔｓ[Ｊ].ＴｈｅＰｌａｎｔＣｅｌｌꎬ２００２ꎬ１４(７):１６０５－１６１９.[４]ＲｅｉｎｈａｒｔＢＪꎬＷｅｉｎｓｔｅｉｎＥＧꎬＲｈｏａｄｅｓＭＷꎬｅｔａｌ.ＭｉｃｒｏＲＮＡｓｉｎｐｌａｎｔｓ[Ｊ].Ｇｅｎｅｓ＆Ｄｅｖｅｌｏｐｍｅｎｔꎬ２００２ꎬ１６(１３):１６１６－１６２６. [５]ＺｈａｎｇＢＨ.ＭｉｃｒｏＲＮＡ:ａｎｅｗｔａｒｇｅｔｆｏｒｉｍｐｒｏｖｉｎｇｐｌａｎｔｔｏｌｅｒａｎｃｅｔｏａｂｉｏｔｉｃｓｔｒｅｓｓ[Ｊ].ＪｏｕｒｎａｌｏｆＥｘｐｅｒｉｍｅｎｔａｌＢｏｔａｎｙꎬ２０１５ꎬ６６(７):１７４９－１７６１.[６]ＳｕｎｋａｒＲꎬＬｉＹＦꎬＪａｇａｄｅｅｓｗａｒａｎＧ.ＦｕｎｃｔｉｏｎｓｏｆｍｉｃｒｏＲＮＡｓｉｎｐｌａｎｔｓｔｒｅｓｓｒｅｓｐｏｎｓｅｓ[Ｊ].ＴｒｅｎｄｓｉｎＰｌａｎｔＳｃｉｅｎｃｅꎬ２０１２ꎬ１７(４):１９６－２０３. [７]宋顺ꎬ黄东梅ꎬ王安邦ꎬ等.作物抗逆相关ｍｉＲＮＡ的研究进展[Ｊ].分子植物育种ꎬ２０１８ꎬ１６(７):２１８０－２１８６.ＳｏｎｇＳꎬＨｕａｎｇＤＭꎬＷａｎｇＡＢꎬｅｔａｌ.ＲｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｎｓｔｒｅｓｓｒｅｓｉｓｔａｎｃｅｒｅｌａｔｅｄｍｉＲＮＡｏｆｃｒｏｐ[Ｊ].ＭｏｌｅｃｕｌａｒＰｌａｎｔＢｒｅｅｄｉｎｇꎬ２０１８ꎬ１６(７):２１８０－２１８６(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[８]ＧｕｌｅｒｉａＰꎬＭａｈａｊａｎＭꎬＢｈａｒｄｗａｊＪꎬｅｔａｌ.ＰｌａｎｔｓｍａｌｌＲＮＡｓ:ｂｉｏｇｅｎｅｓｉｓꎬｍｏｄｅｏｆａｃｔｉｏｎａｎｄｔｈｅｉｒｒｏｌｅｓｉｎａｂｉｏｔｉｃｓｔｒｅｓｓｅｓ[Ｊ].ＧｅｎｏｍｉｃｓꎬＰｒｏｔｅｏｍｉｃｓ＆Ｂｉｏｉｎｆｏｒｍａｔｉｃｓꎬ２０１１ꎬ９(６):１８３－１９９.[９]ＬｉｕＱꎬＳｈｉＬＬꎬＦａｎｇＹＤ.Ｄｉｃｉｎｇｂｏｄｉｅｓ[Ｊ].ＰｌａｎｔＰｈｙｓｉｏｌｏｇｙꎬ２０１２ꎬ１５８(１):６１－６６.[１０]ＶａｕｃｈｅｒｅｔＨ.Ｐｏｓｔ￣ｔｒａｎｓｃｒｉｐｔｉｏｎａｌｓｍａｌｌＲＮＡｐａｔｈｗａｙｓｉｎｐｌａｎｔｓ:ｍｅｃｈａｎｉｓｍｓａｎｄｒｅｇｕｌａｔｉｏｎｓ[Ｊ].Ｇｅｎｅｓ＆Ｄｅｖｅｌｏｐｍｅｎｔꎬ２００６ꎬ２０(７):７５９－７７１.[１１]ＮａｑｖｉＡＲꎬＳａｒｗａｔＭꎬＨａｓａｎＳꎬｅｔａｌ.ＢｉｏｇｅｎｅｓｉｓꎬｆｕｎｃｔｉｏｎｓａｎｄｆａｔｅｏｆｐｌａｎｔｍｉｃｒｏＲＮＡｓ[Ｊ].ＪｏｕｒｎａｌｏｆＣｅｌｌｕｌａｒＰｈｙｓｉｏｌｏｇｙꎬ２０１２ꎬ２２７(９):３１６３－３１６８.[１２]ＢｒｏｄｅｒｓｅｎＰꎬＶｏｉｎｎｅｔＯ.ＲｅｖｉｓｉｔｉｎｇｔｈｅｐｒｉｎｃｉｐｌｅｓｏｆｍｉｃｒｏＲＮＡｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎａｎｄｍｏｄｅｏｆａｃｔｉｏｎ[Ｊ].ＮａｔｕｒｅＲｅｖｉｅｗｓＭｏｌｅｃｕｌａｒＣｅｌｌＢｉｏｌｏｇｙꎬ２００９ꎬ１０(２):１４１－１４８.[１３]ＬｉｕＹＸꎬＷａｎｇＭꎬＷａｎｇＸＪ.ＥｎｄｏｇｅｎｏｕｓｓｍａｌｌＲＮＡｃｌｕｓｔｅｒｓｉｎｐｌａｎｔｓ[Ｊ].ＧｅｎｏｍｉｃｓꎬＰｒｏｔｅｏｍｉｃｓ＆Ｂｉｏｉｎｆｏｒｍａｔｉｃｓꎬ２０１４ꎬ１２(２):６４－７１. [１４]ＬｉＣꎬＺｈａｎｇＢＨ.ＭｉｃｒｏＲＮＡｓｉｎｃｏｎｔｒｏｌｏｆｐｌａｎｔｄｅｖｅｌｏｐｍｅｎｔ[Ｊ].ＪｏｕｒｎａｌｏｆＣｅｌｌｕｌａｒＰｈｙｓｉｏｌｏｇｙꎬ２０１６ꎬ２３１(２):３０３－３１３.[１５]ＬｕＸＹꎬＨｕａｎｇＸＬ.ＰｌａｎｔｍｉＲＮＡｓａｎｄａｂｉｏｔｉｃｓｔｒｅｓｓｒｅｓｐｏｎｓｅｓ[Ｊ].ＢｉｏｃｈｅｍｉｃａｌａｎｄＢｉｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＣｏｍｍｕｎｉｃａｔｉｏｎｓꎬ２００８ꎬ３６８(３):４５８－４６２.[１６]赵爽ꎬ刘默芳.ＭｉｃｒｏＲＮＡ作用机制研究的新进展[Ｊ].中国科学Ｃ辑:生命科学ꎬ２００９ꎬ３９(１):１０９－１１３.ＺｈａｏＳꎬＬｉｕＭＦ.ＮｅｗｐｒｏｇｒｅｓｓｉｎｔｈｅｒｅｓｅａｒｃｈｏｎｔｈｅｍｅｃｈａｎｉｓｍｏｆａｃｔｉｏｎｏｆｍｉｃｒｏＲＮＡ[Ｊ].ＳｃｉｅｎｃｅｉｎＣｈｉｎａＳｅｒｉｅｓＣ:ＬｉｆｅＳｃｉｅｎｃｅｓꎬ２００９ꎬ３９(１):１０９－１１３(ｉｎＣｈｉｎｅｓｅ).[１７]ＬｉＳＢꎬＬｉｕＬꎬＺｈｕａｎｇＸＨꎬｅｔａｌ.ＭｉｃｒｏＲＮＡｓｉｎｈｉｂｉｔｔｈｅｔｒａｎｓｌａｔｉｏｎｏｆｔａｒｇｅｔｍＲＮＡｓｏｎｔｈｅｅｎｄｏｐｌａｓｍｉｃＲｅｔｉｃｕｌｕｍｉｎＡｒａｂｉｄｏｐｓｉｓ[Ｊ].Ｃｅｌｌꎬ２０１３ꎬ１５３(３):５６２－５７４.[１８]ＳｕｎｋａｒＲꎬＺｈｕＪＫ.Ｎｏｖｅｌａｎｄｓｔｒｅｓｓ￣ｒｅｇｕｌａｔｅｄｍｉｃｒｏＲＮＡｓａｎｄｏｔｈｅｒｓｍａｌｌＲＮＡｓｆｒｏｍＡｒａｂｉｄｏｐｓｉｓ[Ｊ].ＴｈｅＰｌａｎｔＣｅｌｌꎬ２００４ꎬ１６(８):２００１－２０１９.[１９]ＦｕｊｉｉＨꎬＣｈｉｏｕＴＪꎬＬｉｎＳꎬｅｔａｌ.ＡｍｉＲＮＡｉｎｖｏｌｖｅｄｉｎｐｈｏｓｐｈａｔｅ￣ｓｔａｒｖａｔｉｏｎｒｅｓｐｏｎｓｅｉｎＡｒａｂｉｄｏｐｓｉｓ[Ｊ].ＣｕｒｒｅｎｔＢｉｏｌｏｇｙꎬ２００５ꎬ１５(２２):２０３８－２０４３.[２０]刘哲ꎬ许园园ꎬ娄丽娜ꎬ等.植物抗逆和开花相关ｍｉＲＮＡ研究进展及在丝瓜上的应用[Ｊ].江苏农业科学ꎬ２０１８ꎬ４６(１６):６－９.ＬｉｕＺꎬＸｕＹＹꎬＬｏｕＬＮꎬｅｔａｌ.Ｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｆｐｌａｎｔｓｔｒｅｓｓｒｅｓｉｓｔａｎｃｅ￣ｒｅｌａｔｅｄａｎｄｆｌｏｗｅｒｉｎｇ￣ｒｅｌａｔｅｄｍｉＲＮＡａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎＬｕｆｆａ[Ｊ].ＪｉａｎｇｓｕＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓꎬ２０１８ꎬ４６(１６):６－９(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[２１]ＢａｒｉＲꎬＤａｔｔＰａｎｔＢꎬＳｔｉｔｔＭꎬｅｔａｌ.ＰＨＯ２ꎬｍｉｃｒｏＲＮＡ３９９ꎬａｎｄＰＨＲ１ｄｅｆｉｎｅａｐｈｏｓｐｈａｔｅ￣ｓｉｇｎａｌｉｎｇｐａｔｈｗａｙｉｎｐｌａｎｔｓ[Ｊ].ＰｌａｎｔＰｈｙｓｉｏｌｏｇｙꎬ２００６ꎬ１４１(３):９８８－９９９.[２２]冯浩.寄主ｍｉＲＮＡｓ调控小麦与条锈菌互作的分子机理[Ｄ].杨凌:西北农林科技大学ꎬ２０１４.ＦｅｎｇＨ.Ｍｏｌｅｃｕｌａｒｍｅｃｈａｎｉｓｍｏｆｗｈｅａｔ￣Ｐｕｃｃｉｎｉａｓｔｒｉｉｆｏｒｍｉｓｆ.ｓｐ.ｔｒｉｔｉｃｉｉｎｔｅｒａｃｔｉｏｎｓｒｅｇｕｌａｔｅｄｂｙｈｏｓｔｍｉＲＮＡｓ[Ｄ].Ｙａｎｇｌｉｎｇ:ＮｏｒｔｈｗｅｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙꎬ２０１４(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[２３]ＴｈｉｅｂａｕｔＦꎬＧｒａｔｉｖｏｌＣꎬＨｅｍｅｒｌｙＡＳꎬｅｔａｌ.ＭｉｃｒｏＲＮＡｎｅｔｗｏｒｋｓｉｎｐｌａｎｔ￣ｍｉｃｒｏｏｒｇａｎｉｓｍｉｎｔｅｒａｃｔｉｏｎｓ[Ｊ].ＴｒｏｐｉｃａｌＰｌａｎｔＢｉｏｌｏｇｙꎬ２０１５ꎬ８(１/２):４０－５０.[２４]ＫｈｒａｉｗｅｓｈＢꎬＺｈｕＪＫꎬＺｈｕＪＨ.ＲｏｌｅｏｆｍｉＲＮＡｓａｎｄｓｉＲＮＡｓｉｎｂｉｏｔｉｃａｎｄａｂｉｏｔｉｃｓｔｒｅｓｓｒｅｓｐｏｎｓｅｓｏｆｐｌａｎｔｓ[Ｊ].ＢｉｏｃｈｉｍｉｃａｅｔＢｉｏｐｈｙｓｉｃａＡｃｔａ(ＢＢＡ):ＧｅｎｅＲｅｇｕｌａｔｏｒｙＭｅｃｈａｎｉｓｍｓꎬ２０１２ꎬ１８１９(２):１３７－１４８.[２５]ＫａｊａＥꎬＳｚｃｚｅ'ｓｎｉａｋＭＷꎬＪｅｎｓｅｎＰＪꎬｅｔａｌ.ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆａｐｐｌｅｍｉＲＮＡｓａｎｄｔｈｅｉｒｐｏｔｅｎｔｉａｌｒｏｌｅｉｎｆｉｒｅｂｌｉｇｈｔｒｅｓｉｓｔａｎｃｅ[Ｊ].ＴｒｅｅＧｅｎｅｔｉｃｓ＆Ｇｅｎｏｍｅｓꎬ２０１５ꎬ１１:８１２.[２６]ＺｈａｎｇＱＬꎬＺｈａｎｇＹꎬＷａｎｇＳＮꎬｅｔａｌ.Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆｇｅｎｏｍｅ￣ｗｉｄｅｍｉｃｒｏＲＮＡｓａｎｄｔｈｅｉｒｒｏｌｅｓｉｎｄｅｖｅｌｏｐｍｅｎｔａｎｄｂｉｏｔｉｃｓｔｒｅｓｓｉｎｐｅａｒ[Ｊ].Ｐｌａｎｔａꎬ２０１９ꎬ２４９(３):６９３－７０７.[２７]ＺｈａｎｇＹꎬＦｅｎｇＫꎬＨｕＪꎬｅｔａｌ.ＡｍｉｃｒｏＲＮＡ￣１ｇｅｎｅꎬｔｃｉ￣ｍｉＲ￣１￣３ｐꎬｉｓｉｎｖｏｌｖｅｄｉｎｃｙｆｌｕｍｅｔｏｆｅｎｒｅｓｉｓｔａｎｃｅｂｙｔａｒｇｅｔｉｎｇａｇｌｕｔａｔｈｉｏｎｅＳ￣ｔｒａｎｓｆｅｒａｓｅ６０２南㊀京㊀农㊀业㊀大㊀学㊀学㊀报第４４卷ｇｅｎｅꎬＴＣＧＳＴＭ４ꎬｉｎＴｅｔｒａｎｙｃｈｕｓｃｉｎｎａｂａｒｉｎｕｓ[Ｊ].ＩｎｓｅｃｔＭｏｌｅｃｕｌａｒＢｉｏｌｏｇｙꎬ２０１８ꎬ２７(３):３５２－３６４.[２８]ＧｕｏＱꎬＨｕａｎｇＹꎬＺｏｕＦＦꎬｅｔａｌ.ＴｈｅｒｏｌｅｏｆｍｉＲ￣２~１３~７１ｃｌｕｓｔｅｒｉｎｒｅｓｉｓｔａｎｃｅｔｏｄｅｌｔａｍｅｔｈｒｉｎｉｎＣｕｌｅｘｐｉｐｉｅｎｓｐａｌｌｅｎｓ[Ｊ].ＩｎｓｅｃｔＢｉｏｃｈｅｍｉｓｔｒｙａｎｄＭｏｌｅｃｕｌａｒＢｉｏｌｏｇｙꎬ２０１７ꎬ８４:１５－２２.[２９]ＺｈｕＨꎬＸｉａＲꎬＺｈａｏＢＹꎬｅｔａｌ.Ｕｎｉｑｕｅｅｘｐｒｅｓｓｉｏｎꎬｐｒｏｃｅｓｓｉｎｇｒｅｇｕｌａｔｉｏｎꎬａｎｄｒｅｇｕｌａｔｏｒｙｎｅｔｗｏｒｋｏｆｐｅａｃｈ(Ｐｒｕｎｕｓｐｅｒｓｉｃａ)ｍｉＲＮＡｓ[Ｊ].ＢＭＣＰｌａｎｔＢｉｏｌｏｇｙꎬ２０１２ꎬ１２:１４９.[３０]ＭａＣꎬＬｕＹꎬＢａｉＳＬꎬｅｔａｌ.ＣｌｏｎｉｎｇａｎｄｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆｍｉＲＮＡｓａｎｄｔｈｅｉｒｔａｒｇｅｔｓꎬｉｎｃｌｕｄｉｎｇａｎｏｖｅｌｍｉＲＮＡ￣ｔａｒｇｅｔｅｄＮＢＳ￣ＬＲＲｐｒｏｔｅｉｎｃｌａｓｓｇｅｎｅｉｎａｐｐｌｅ(ｇｏｌｄｅｎｄｅｌｉｃｉｏｕｓ)[Ｊ].ＭｏｌｅｃｕｌａｒＰｌａｎｔꎬ２０１４ꎬ７(１):２１８－２３０.[３１]ＺｈａｎｇＹꎬＺｈａｎｇＱＬꎬＨａｏＬꎬｅｔａｌ.ＡｎｏｖｅｌｍｉＲＮＡｎｅｇａｔｉｖｅｌｙｒｅｇｕｌａｔｅｓｒｅｓｉｓｔａｎｃｅｔｏＧｌｏｍｅｒｅｌｌａｌｅａｆｓｐｏｔｂｙｓｕｐｐｒｅｓｓｉｎｇｅｘｐｒｅｓｓｉｏｎｏｆａｎＮＢＳｇｅｎｅｉｎａｐｐｌｅ[Ｊ].ＨｏｒｔｉｃｕｌｔｕｒｅＲｅｓｅａｒｃｈꎬ２０１９ꎬ６:９３.[３２]李贺ꎬ毛健鑫ꎬ戚华彩ꎬ等.草莓ｍｉＲ３９０靶基因ＴＡＳ３的克隆及表达分析[Ｊ].西北植物学报ꎬ２０１３ꎬ３３(１１):２１５３－２１５８.ＬｉＨꎬＭａｏＪＸꎬＱｉＨＣꎬｅｔａｌ.ＣｌｏｎｉｎｇａｎｄｅｘｐｒｅｓｓｉｏｎａｎａｌｙｓｉｓｏｆｍｉＲ３９０￣ｔａｒｇｅｔｅｄＴＡＳ３ｇｅｎｅｆｒｏｍｓｔｒａｗｂｅｒｒｙ[Ｊ].ＡｃｔａＢｏｔａｎｉｃａＢｏｒｅａｌｉ￣ＯｃｃｉｄｅｎｔａｌｉａＳｉｎｉｃａꎬ２０１３ꎬ３３(１１):２１５３－２１５８(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[３３]张颖ꎬ樊秀彩ꎬ姜建福ꎬ等.基于ｍｉｃｒｏＲＮＡ测序分析ｍｉＲＮＡ在刺葡萄抗白腐病中的作用[Ｊ].果树学报ꎬ２０１９ꎬ３６(２):１４３－１５２.ＺｈａｎｇＹꎬＦａｎＸＣꎬＪｉａｎｇＪＦꎬｅｔａｌ.ＡｎａｌｙｓｉｓｏｆｔｈｅｆｕｎｃｔｉｏｎｏｆｍｉＲＮＡｏｎｔｈｅｒｅｓｉｓｉｔａｎｃｅｔｏｗｈｉｔｅ￣ｒｏｔｄｉｓｅａｓｅｉｎＶｉｔｉｓｄａｖｉｄｉｉｂａｓｅｄｏｎｍｉｃｒｏＲＮＡｓｅｑｕｅｎｃｉｎｇ[Ｊ].ＪｏｕｒｎａｌｏｆＦｒｕｉｔＳｃｉｅｎｃｅꎬ２０１９ꎬ３６(２):１４３－１５２(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[３４]宋顺ꎬ黄东梅ꎬ李艳霞ꎬ等.３个植物保守ｍｉＲＮＡｓ响应香蕉不同品种的抗枯萎病特性表达分析[Ｊ].基因组学与应用生物学ꎬ２０１５ꎬ３４(１２):２７２８－２７３２.ＳｏｎｇＳꎬＨｕａｎｇＤＭꎬＬｉＹＸꎬｅｔａｌ.ＴｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｅｘｐｒｅｓｓｉｏｎａｎａｌｙｓｉｓｏｆｔｈｒｅｅｐｌａｎｔｓｃｏｎｓｅｒｖａｔｉｖｅｍｉＲＮＡｓｉｎｂａｎａｎａｖａｒｉｅｔｉｅｓｒｅｓｉｓｔａｎｃｅｔｏｔｈｅｂａｎａｎａｗｉｌｔｄｉｓｅａｓｅ[Ｊ].ＧｅｎｏｍｉｃｓａｎｄＡｐｐｌｉｅｄＢｉｏｌｏｇｙꎬ２０１５ꎬ３４(１２):２７２８－２７３２(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[３５]ＳｏｎｇＳꎬＣｈｅｎＸꎬＨｕａｎｇＤＭꎬｅｔａｌ.ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｉＲＮＡｓｄｉｆｆｅｒｅｎｔｉａｌｌｙｅｘｐｒｅｓｓｅｄｉｎＦｕｓａｒｉｕｍｗｉｌｔ￣ｒｅｓｉｓｔａｎｔａｎｄｓｕｓｃｅｐｔｉｂｌｅｂａｎａｎａｖａｒｉｅｔｉｅｓ[Ｊ].ＳｏｕｔｈＡｆｒｉｃａｎＪｏｕｒｎａｌｏｆＢｏｔａｎｙꎬ２０１６ꎬ１０６:２４４－２４９.[３６]ＹｕＸＹꎬＤｕＢＢꎬＧａｏＺＨꎬｅｔａｌ.Ａｐｐｌｅｒｉｎｇｒｏｔ￣ｒｅｓｐｏｎｓｉｖｅｐｕｔａｔｉｖｅｍｉｃｒｏＲＮＡｓｒｅｖｅａｌｅｄｂｙｈｉｇｈ￣ｔｈｒｏｕｇｈｐｕｔｓｅｑｕｅｎｃｉｎｇｉｎＭａｌｕｓˑｄｏｍｅｓｔｉｃａＢｏｒｋｈ[Ｊ].ＭｏｌｅｃｕｌａｒＢｉｏｌｏｇｙＲｅｐｏｒｔｓꎬ２０１４ꎬ４１(８):５２７３－５２８６.[３７]ＹｕＸＹꎬＧｏｎｇＨＹꎬＣａｏＬＦꎬｅｔａｌ.ＭｉｃｒｏＲＮＡ３９７ｂｎｅｇａｔｉｖｅｌｙｒｅｇｕｌａｔｅｓｒｅｓｉｓｔａｎｃｅｏｆＭａｌｕｓｈｕｐｅｈｅｎｓｉｓｔｏＢｏｔｒｙｏｓｐｈａｅｒｉａｄｏｔｈｉｄｅａｂｙｍｏｄｕｌａｔｉｎｇＭｈＬＡＣ７ｉｎｖｏｌｖｅｄｉｎｌｉｇｎｉｎｂｉｏｓｙｎｔｈｅｓｉｓ[Ｊ].ＰｌａｎｔＳｃｉｅｎｃｅꎬ２０２０ꎬ２９２:１１０３９０.[３８]ＹｕＸＹꎬＨｏｕＹＪꎬＣｈｅｎＷＰꎬｅｔａｌ.ＭａｌｕｓｈｕｐｅｈｅｎｓｉｓｍｉＲ１６８ｔａｒｇｅｔｓｔｏＡＲＧＯＮＡＵＴＥ１ａｎｄｃｏｎｔｒｉｂｕｔｅｓｔｏｔｈｅｒｅｓｉｓｔａｎｃｅａｇａｉｎｓｔＢｏｔｒｙｏｓｐｈａｅｒｉａｄｏｔｈｉｄｅａｉｎｆｅｃｔｉｏｎｂｙａｌｔｅｒｉｎｇｄｅｆｅｎｓｅｒｅｓｐｏｎｓｅｓ[Ｊ].ＰｌａｎｔａｎｄＣｅｌｌＰｈｙｓｉｏｌｏｇｙꎬ２０１７ꎬ５８(９):１５４１－１５５７.[３９]Ｓｉ￣ＡｍｍｏｕｒＡꎬＷｉｎｄｅｌｓＤꎬＡｒｎ￣ＢｏｕｌｄｏｉｒｅｓＥꎬｅｔａｌ.ｍｉＲ３９３ａｎｄｓｅｃｏｎｄａｒｙｓｉＲＮＡｓｒｅｇｕｌａｔｅｅｘｐｒｅｓｓｉｏｎｏｆｔｈｅＴＩＲ１/ＡＦＢ２ａｕｘｉｎｒｅｃｅｐｔｏｒｃｌａｄｅａｎｄａｕｘｉｎ￣ｒｅｌａｔｅｄｄｅｖｅｌｏｐｍｅｎｔｏｆＡｒａｂｉｄｏｐｓｉｓｌｅａｖｅｓ[Ｊ].ＰｌａｎｔＰｈｙｓｉｏｌｏｇｙꎬ２０１１ꎬ１５７(２):６８３－６９１.[４０]ＰａｇｌｉａｒａｎｉＣꎬＶｉｔａｌｉＭꎬＦｅｒｒｅｒｏＭꎬｅｔａｌ.ＴｈｅａｃｃｕｍｕｌａｔｉｏｎｏｆｍｉＲＮＡｓｄｉｆｆｅｒｅｎｔｉａｌｌｙｍｏｄｕｌａｔｅｄｂｙｄｒｏｕｇｈｔｓｔｒｅｓｓｉｓａｆｆｅｃｔｅｄｂｙｇｒａｆｔｉｎｇｉｎｇｒａｐｅｖｉｎｅ[Ｊ].ＰｌａｎｔＰｈｙｓｉｏｌｏｇｙꎬ２０１７ꎬ１７３(４):２１８０－２１９５.[４１]张恒.香蕉干旱胁迫下相关ｍｉｃｒｏＲＮＡ的表达差异研究[Ｄ].海口:海南大学ꎬ２０１６.ＺｈａｎｇＨ.Ａｎａｌｙｚｅｏｎｄｉｆｆｅｒｅｎｔｉａｌｅｘｐｒｅｓｓｉｏｎｏｆｄｒｏｕｇｈｔ￣ｒｅｓｉｓｔａｎｃｅｒｅｌａｔｅｄｍｉｃｒｏＲＮＡｓｉｎｂａｎａｎａ[Ｄ].Ｈａｉｋｏｕ:ＨａｉｎａｎＵｎｉｖｅｒｓｉｔｙꎬ２０１６(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[４２]张恒ꎬ冯仁军ꎬ王静毅ꎬ等.干旱胁迫下香蕉ｍｉＲＮＡｓ的表达分析[Ｊ].热带作物学报ꎬ２０１７ꎬ３８(１):８３－８８.ＺｈａｎｇＨꎬＦｅｎｇＲＪꎬＷａｎｇＪＹꎬｅｔａｌ.ＴｈｅｅｘｐｒｅｓｓｉｏｎａｎａｌｙｓｉｓｏｆｂａｎａｎａｍｉＲＮＡｓｕｎｄｅｒｄｒｏｕｇｈｔｓｔｒｅｓｓ[Ｊ].ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＴｒｏｐｉｃａｌＣｒｏｐｓꎬ２０１７ꎬ３８(１):８３－８８(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[４３]ＦａｎＧꎬＬｉｕＹꎬＤｕＨꎬｅｔａｌ.Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｄｒｏｕｇｈｔ￣ｒｅｓｐｏｎｓｉｖｅｍｉＲＮＡｓｉｎＨｉｐｐｏｐｈａｅｔｉｂｅｔａｎａｕｓｉｎｇｈｉｇｈ￣ｔｈｒｏｕｇｈｐｕｔｓｅｑｕｅｎｃｉｎｇ[Ｊ].３Ｂｉｏｔｅｃｈꎬ２０２０ꎬ１０(２):５３.[４４]ＬｉｕＷＨꎬＣｈｅｎｇＣＺꎬＣｈｅｎＦＬꎬｅｔａｌ.Ｈｉｇｈ￣ｔｈｒｏｕｇｈｐｕｔｓｅｑｕｅｎｃｉｎｇｏｆｓｍａｌｌＲＮＡｓｒｅｖｅａｌｅｄｔｈｅｄｉｖｅｒｓｉｆｉｅｄｃｏｌｄ￣ｒｅｓｐｏｎｓｉｖｅｐａｔｈｗａｙｓｄｕｒｉｎｇｃｏｌｄｓｔｒｅｓｓｉｎｔｈｅｗｉｌｄｂａｎａｎａ(Ｍｕｓａｉｔｉｎｅｒａｎｓ)[Ｊ].ＢＭＣＰｌａｎｔＢｉｏｌｏｇｙꎬ２０１８ꎬ１８(１):３０８.[４５]ＳａｓａｋｉＫꎬＣｈｒｉｓｔｏｖＮＫꎬＴｓｕｄａＳꎬｅｔａｌ.ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆａｎｏｖｅｌＬＥＡｐｒｏｔｅｉｎｉｎｖｏｌｖｅｄｉｎｆｒｅｅｚｉｎｇｔｏｌｅｒａｎｃｅｉｎｗｈｅａｔ[Ｊ].ＰｌａｎｔａｎｄＣｅｌｌＰｈｙｓｉｏｌｏｇｙꎬ２０１４ꎬ５５(１):１３６－１４７.[４６]ＡｎＪＰꎬＬｉＲꎬＱｕＦＪꎬｅｔａｌ.ＡｎａｐｐｌｅＮＡＣｔｒａｎｓｃｒｉｐｔｉｏｎｆａｃｔｏｒｎｅｇａｔｉｖｅｌｙｒｅｇｕｌａｔｅｓｃｏｌｄｔｏｌｅｒａｎｃｅｖｉａＣＢＦ￣ｄｅｐｅｎｄｅｎｔｐａｔｈｗａｙ[Ｊ].ＪｏｕｒｎａｌｏｆＰｌａｎｔＰｈｙｓｉｏｌｏｇｙꎬ２０１８ꎬ２２１:７４－８０.[４７]ＷａｎｇＰＦꎬＹａｎｇＹꎬＳｈｉＨＭꎬｅｔａｌ.ＳｍａｌｌＲＮＡａｎｄｄｅｇｒａｄｏｍｅｄｅｅｐｓｅｑｕｅｎｃｉｎｇｒｅｖｅａｌｒｅｓｐｅｃｔｉｖｅｒｏｌｅｓｏｆｃｏｌｄ￣ｒｅｌａｔｅｄｍｉｃｒｏＲＮＡｓａｃｒｏｓｓＣｈｉｎｅｓｅｗｉｌｄｇｒａｐｅｖｉｎｅａｎｄｃｕｌｔｉｖａｔｅｄｇｒａｐｅｖｉｎｅ[Ｊ].ＢＭＣＧｅｎｏｍｉｃｓꎬ２０１９ꎬ２０(１):７４０.[４８]ＢａｒａｋａｔＡꎬＳｒｉｒａｍＡꎬＰａｒｋＪꎬｅｔａｌ.ＧｅｎｏｍｅｗｉｄｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｃｈｉｌｌｉｎｇｒｅｓｐｏｎｓｉｖｅｍｉｃｒｏＲＮＡｓｉｎＰｒｕｎｕｓｐｅｒｓｉｃａ[Ｊ].ＢＭＣＧｅｎｏｍｉｃｓꎬ２０１２ꎬ１３(１):４８１.[４９]韩敏ꎬ陈新强ꎬ毛铃哲ꎬ等.盐胁迫对果树伤害及生理特性的影响[Ｊ].山西农经ꎬ２０１６(２):７７－７８.ＨａｎＭꎬＣｈｅｎＸＱꎬＭａｏＬＺꎬｅｔａｌ.Ｅｆｆｅｃｔｓｏｆｓａｌｔｓｔｒｅｓｓｏｎｄａｍａｇｅａｎｄｐｈｙｓｉｏｌｏｇｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｆｒｕｉｔｔｒｅｅｓ[Ｊ].ＳｈａｎｘｉＡｇｒｉｃｕｌｔｕｒａｌＥｃｏｎｏｍｙꎬ２０１６(２):７７－７８(ｉｎＣｈｉｎｅｓｅ).[５０]ＸｉｅＲＪꎬＺｈａｎｇＪꎬＭａＹＹꎬｅｔａｌ.ＣｏｍｂｉｎｅｄａｎａｌｙｓｉｓｏｆｍＲＮＡａｎｄｍｉＲＮＡｉｄｅｎｔｉｆｉｅｓｄｅｈｙｄｒａｔｉｏｎａｎｄｓａｌｉｎｉｔｙｒｅｓｐｏｎｓｉｖｅｋｅｙｍｏｌｅｃｕｌａｒｐｌａｙｅｒｓｉｎＣｉｔｒｕｓｒｏｏｔｓ[Ｊ].ＳｃｉｅｎｔｉｆｉｃＲｅｐｏｒｔｓꎬ２０１７ꎬ７:４２０９４.[５１]ＹａｉｓｈＭＷꎬＳｕｎｋａｒＲꎬＺｈｅｎｇＹꎬｅｔａｌ.Ａｇｅｎｏｍｅ￣ｗｉｄｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｔｈｅｍｉＲＮＡｏｍｅｉｎｒｅｓｐｏｎｓｅｔｏｓａｌｉｎｉｔｙｓｔｒｅｓｓｉｎｄａｔｅｐａｌｍ(Ｐｈｏｅｎｉｘ７０２㊀第２期渠慎春ꎬ等:果树逆境胁迫相关ｍｉＲＮＡ的研究进展ｄａｃｔｙｌｉｆｅｒａＬ.)[Ｊ].ＦｒｏｎｔｉｅｒｓｉｎＰｌａｎｔＳｃｉｅｎｃｅꎬ２０１５ꎬ６:９４６.[５２]ＬｉＤＤꎬＭｏｕＷＳꎬＬｕｏＺＳꎬｅｔａｌ.ＤｅｖｅｌｏｐｍｅｎｔａｌａｎｄｓｔｒｅｓｓｒｅｇｕｌａｔｉｏｎｏｎｅｘｐｒｅｓｓｉｏｎｏｆａｎｏｖｅｌｍｉＲＮＡꎬＦａｎ￣ｍｉＲ７３ａｎｄｉｔｓｔａｒｇｅｔＡＢＩ５ｉｎｓｔｒａｗｂｅｒｒｙ[Ｊ].ＳｃｉｅｎｔｉｆｉｃＲｅｐｏｒｔｓꎬ２０１６ꎬ６:２８３８５.[５３]ＷａｎｇＹꎬＺｈａｎｇＪＸꎬＣｕｉＷＸꎬｅｔａｌ.ＩｍｐｒｏｖｅｍｅｎｔｉｎｆｒｕｉｔｑｕａｌｉｔｙｂｙｏｖｅｒｅｘｐｒｅｓｓｉｎｇｍｉＲ３９９ａｉｎｗｏｏｄｌａｎｄｓｔｒａｗｂｅｒｒｙ[Ｊ].ＪｏｕｒｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｏｄＣｈｅｍｉｓｔｒｙꎬ２０１７ꎬ６５(３４):７３６１－７３７０.[５４]潘晓阳ꎬ张文睿ꎬ王丹ꎬ等.植物ｍｉＲＮＡ在调节低磷胁迫响应中的作用[Ｊ].植物遗传资源学报ꎬ２０２０ꎬ２１(３):５１７－５２４.ＰａｎＸＹꎬＺｈａｎｇＷＲꎬＷａｎｇＤꎬｅｔａｌ.ＴｈｅｒｏｌｅｓｏｆｐｌａｎｔｍｉｃｒｏＲＮＡｉｎｒｅｇｕｌａｔｉｎｇｔｈｅｒｅｓｐｏｎｓｅｔｏｌｏｗｐｈｏｓｐｈｏｒｕｓｓｔｒｅｓｓ[Ｊ].ＪｏｕｒｎａｌｏｆＰｌａｎｔＧｅｎｅｔｉｃＲｅｓｏｕｒｃｅｓꎬ２０２０ꎬ２１(３):５１７－５２４(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[５５]ＬｉａｎｇＷＷꎬＨｕａｎｇＪＨꎬＬｉＣＰꎬｅｔａｌ.ＭｉｃｒｏＲＮＡ￣ｍｅｄｉａｔｅｄｒｅｓｐｏｎｓｅｓｔｏｌｏｎｇ￣ｔｅｒｍｍａｇｎｅｓｉｕｍ￣ｄｅｆｉｃｉｅｎｃｙｉｎＣｉｔｒｕｓｓｉｎｅｎｓｉｓｒｏｏｔｓｒｅｖｅａｌｅｄｂｙＩｌｌｕｍｉｎａｓｅｑｕｅｎｃｉｎｇ[Ｊ].ＢＭＣＧｅｎｏｍｉｃｓꎬ２０１７ꎬ１８(１):６５７.[５６]于昌江ꎬ孙瑞ꎬ王忆ꎬ等.小金海棠缺铁胁迫相关ｍｉＲ３９４ａ的克隆与表达分析[Ｊ].中国农学通报ꎬ２０１２ꎬ２８(２８):１５８－１６２.ＹｕＣＪꎬＳｕｎＲꎬＷａｎｇＹꎬｅｔａｌ.ＣｌｏｎｉｎｇａｎｄｅｘｐｒｅｓｓｉｏｎａｎａｌｙｓｉｓｏｆｍｉＲ３９４ａｕｎｄｅｒｉｒｏｎｄｅｆｉｃｉｅｎｃｙｉｎＭａｌｕｓｘｉａｏｊｉｎｅｎｓｉｓ[Ｊ].ＣｈｉｎｅｓｅＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅＢｕｌｌｅｔｉｎꎬ２０１２ꎬ２８(２８):１５８－１６２(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[５７]冷翔鹏.葡萄应答铜胁迫的分子机理研究[Ｄ].南京:南京农业大学ꎬ２０１５.ＬｅｎｇＸＰ.Ｓｔｕｄｙｏｎｔｈｅｍｏｌｅｃｕｌａｒｍｅｃｈａｎｉｓｍｏｆｇｒａｐｅｉｎｒｅｓｐｏｎｓｅｔｏｃｏｐｐｅｒｓｔｒｅｓｓ[Ｄ].Ｎａｎｊｉｎｇ:ＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬ２０１５(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[５８]ＪｉｕＳＴꎬＬｅｎｇＸＰꎬＨａｉｄｅｒＭＳꎬｅｔａｌ.Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｃｏｐｐｅｒ(Ｃｕ)ｓｔｒｅｓｓ￣ｒｅｓｐｏｎｓｉｖｅｇｒａｐｅｖｉｎｅｍｉｃｒｏＲＮＡｓａｎｄｔｈｅｉｒｔａｒｇｅｔｇｅｎｅｓｂｙｈｉｇｈ￣ｔｈｒｏｕｇｈｐｕｔｓｅｑｕｅｎｃｉｎｇ[Ｊ].ＲｏｙａｌＳｏｃｉｅｔｙＯｐｅｎＳｃｉｅｎｃｅꎬ２０１９ꎬ６(１):１８０７３５.[５９]肖敏敏ꎬ陈信波.ｍｉｃｒｏＲＮＡ响应植物非生物胁迫的研究进展[Ｊ].分子植物育种ꎬ２０１８ꎬ１６(１０):３１５４－３１５９.ＸｉａｏＭＭꎬＣｈｅｎＸＢ.ＲｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｆｍｉｃｒｏＲＮＡｒｅｓｐｏｎｓｅｔｏｐｌａｎｔａｂｉｏｔｉｃｓｔｒｅｓｓ[Ｊ].ＭｏｌｅｃｕｌａｒＰｌａｎｔＢｒｅｅｄｉｎｇꎬ２０１８ꎬ１６(１０):３１５４－３１５９(ｉｎＣｈｉｎｅｓｅｗｉｔｈＥｎｇｌｉｓｈａｂｓｔｒａｃｔ).[６０]Ｇａｒｃíａ￣Ｇｕｚｍ ｎＧꎬＨｅｉｌＭ.Ｌｉｆｅｈｉｓｔｏｒｉｅｓｏｆｈｏｓｔｓａｎｄｐａｔｈｏｇｅｎｓｐｒｅｄｉｃｔｐａｔｔｅｒｎｓｉｎｔｒｏｐｉｃａｌｆｕｎｇａｌｐｌａｎｔｄｉｓｅａｓｅｓ[Ｊ].ＴｈｅＮｅｗＰｈｙｔｏｌｏｇｉｓｔꎬ２０１４ꎬ２０１(４):１１０６－１１２０.责任编辑:范雪梅。
林木育种中的遗传变异与遗传改良
林木育种中的遗传变异与遗传改良林木育种是一个重要的领域，它涉及到通过选择和改良植物的遗传特征来改善其生长和生产力。
在这个过程中，遗传变异和遗传改良起着关键的作用。
遗传变异遗传变异是指在植物种群中存在的遗传差异。
这些差异可以来自于植物自身的基因变异，也可以来自于植物之间的交配和繁殖过程中的基因重组。
遗传变异是林木育种的基础，因为它提供了选择和改良的原始材料。
遗传变异可以通过几种方式产生。
首先，基因突变是遗传变异的一种常见来源。
基因突变是指植物基因序列中的突发性变化，它可以导致植物的某些特征发生改变。
这些突变可以是自然的，也可以是由外部因素如辐射或化学物质诱导的。
其次，基因重组也是遗传变异的重要来源。
基因重组发生在植物繁殖过程中，当两个不同的植物个体进行交配时，它们的基因会重新组合，产生新的基因组合。
这种基因重组可以增加植物种群中的遗传多样性，为育种工作提供了更多的选择。
最后，基因流也可以导致遗传变异。
基因流是指植物个体之间的基因传递，它可以发生在同一种群内部，也可以发生在不同种群之间。
通过基因流，有利基因可以在植物种群中传播，从而增加种群的适应性和生产力。
遗传改良遗传改良是指通过选择和交配的过程，有意识地改变植物的遗传特征，以产生具有特定性状的后代。
遗传改良是林木育种的核心，它使得育种者能够根据需要设计和创造具有理想特征的植物品种。
遗传改良可以通过几种方法实现。
首先，选择育种是一种常见的改良方法。
通过观察和选择具有理想性状的植物个体，育种者可以将有利的遗传特征传递给下一代。
这种方法依赖于育种者对植物特征的深入了解和判断能力。
其次，交配育种是另一种重要的改良方法。
通过选择不同的植物个体进行交配，育种者可以将有利的基因组合在一起，产生具有更好性状的后代。
交配育种可以分为近交育种和远交育种两种方式。
近交育种是指选择具有相似性状的个体进行交配，以增加有利基因的固定。
远交育种是指选择具有不同性状的个体进行交配，以引入新的遗传变异。
基因突变与植物发育中的互作关系研究
基因突变与植物发育中的互作关系研究植物发育是一个复杂的过程，涉及一系列的分子和细胞基因组中基因的表达和互作。
基因突变是植物进化的重要推动力量之一，对植物的形态和生理发育有着重要的影响。
随着分子生物学和遗传学的发展，越来越多的研究开始关注基因突变与植物发育的关系，以期了解基因突变在植物发育中的互作关系，为植物遗传改良和精准育种提供科学依据。
基因突变对植物发育的影响基因突变是指基因序列发生的永久性改变，导致蛋白质结构和功能的改变。
在植物中，基因突变可以通过改变蛋白质的表达、功能、空间结构和交互作用等方式影响植物的发育过程。
例如，突变后的基因可能会抑制或促进细胞的分裂和扩张、调控植物荷尔蒙的合成和分泌、调节根系生长和分枝、控制花粉的生产和传播等诸多方面，最终影响整个植物的结构和生理功能。
基因突变的表型修改可分为两类。
一类是一显性或隐性突变，该突变会修改第一层级或第二层级的转录调节，基因启动子、剪接位点、调控因子等表达调节机制，有些会导致基因在特定组织中不再被激活，而另一些会提高或降低基因的活性。
这种类型通常只会影响特定的组织和时期，因此它们的突变是单奇异表型;第二类是强大的全局性突变，这一突变会导致蛋白质折叠结构的改变，从而导致一个基本蛋白质功能的完全丧失，可能会影响多个植物器官或阶段的发育，因此表现出来的表型是多奇异表型。
基因突变的研究方法对于植物基因突变和发育研究，需要选择合适的模式植物来开展实验，并且需要利用高通量测序技术、转录组学、蛋白组学、表观遗传学等前沿研究手段进行多维度、全面的分析。
目前植物基因突变的研究主要有以下两种方法：一是利用随机自然突变（自然选择和自适应），寻找具有特定性状的突变个体来探究突变机理和发育规律；二是利用化学物质或基因编辑技术人为制造突变体，来研究基因突变的遗传性质和发育过程。
其中，CRISPR-Cas9基因编辑技术由于可以准确、高效地施加干扰和定向突变，成为当前最广泛应用的基因编辑技术之一。
苎麻ｅｘｐａｎｓｉｎ_家族成员鉴定与表达分析
㊀㊀㊀２０２３年第４５卷第４期㊀㊀中国麻业科学㊀㊀ＰＬＡＮＴＦＩＢＥＲＳＣＩＥＮＣＥＳＩＮＣＨＩＮＡ㊀㊀㊀㊀文章编号:１６７１－３５３２(２０２３)０４－０１４５－０７苎麻ｅｘｐａｎｓｉｎ家族成员鉴定与表达分析石亚亮１ꎬ２ꎬ钟意成２ꎬ黄坤勇２ꎬ牛娟２ꎬ孙志民２ꎬ陈建华２∗ꎬ栾明宝２∗(１.三亚中国农业科学院国家南繁研究院ꎬ海南三亚５７２０２４ꎻ２.中国农业科学院麻类研究所ꎬ湖南长沙４１０２２１)摘㊀要:苎麻是一种重要的纤维作物ꎬ纤维被用作纺织工业的原料ꎮ扩展蛋白具有诱导依赖ｐＨ的细胞壁伸长和压力松弛的特性ꎮ为了对苎麻基因组中ｅｘｐａｎｓｉｎ家族成员数量和类型进行鉴定ꎬ并研究在纤维细度不同的苎麻茎皮中扩展蛋白基因的表达情况ꎬ研究首先在苎麻中苎１号基因组数据库挖掘到２４个扩展蛋白基因家族成员ꎬ通过生物信息学方法对其分子量㊁等电点㊁信号肽㊁亚细胞定位㊁ｍｏｔｉｆ及基因结构进行分析和预测ꎮ系统进化树结果显示:扩展蛋白包括α亚族成员１７个㊁β亚族４个㊁α类亚族１个和β类亚族２个ꎬ共分为３类ꎻｅｘｐａｎｓｉｎ家族同一进化支蛋白结构域比较保守且有一个特有的ｍｏｔｉｆꎮ然后ꎬ利用苎麻茎皮扩展蛋白基因家族成员转录组表达分析和ｑＲＴ－ＰＣＲ验证ꎬ发现两个基因在两个纤维细度差异显著的品种及其５个不同生长期表达量差异显著ꎮ该结果有助于了解苎麻ｅｘｐａｎｓｉｎ家族的进化ꎬ为影响苎麻纤维发育和纤维细度相关基因及其功能的研究奠定基础ꎮ关键词:苎麻ꎻｅｘｐａｎｓｉｎ家族ꎻ生物信息学分析ꎻ表达分析中图分类号:Ｓ５６３.１㊀文献标识码:Ａ㊀开放科学(资源服务)标识码(ＯＳＩＤ):㊀收稿日期:２０２２－０３－１６基金项目:国家自然科学基金(３１６７１７４４)ꎻ２０６０２９９－２－２３年科技创新工程－基础研究－南繁育种中心－麻类作物专用品种繁育及种质创新项目(ＺＤＸＭ２３０６)作者简介:石亚亮(１９９５ )ꎬ男ꎬ硕士研究生ꎬ研究方向为苎麻种质资源鉴定与评价ꎮＥ－ｍａｉｌ:ｓｈｉ１０７２５４８６６３＠１６３.ｃｏｍ∗通信作者:栾明宝(１９７８ )ꎬ男ꎬ研究员ꎬ主要从事作物种质资源研究ꎮＥ－ｍａｉｌ:ｌｕａｎｍｉｎｇｂａｏ＠ｃａａｓ.ｃｎꎻ陈建华(１９６３ )ꎬ男ꎬ研究员ꎬ主要从事作物种质资源研究ꎮＥ－ｍａｉｌ:ｃｊｈｂｔ＠ｓｉｎａ.ｃｏｍＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄＥｘｐｒｅｓｓｉｏｎＡｎａｌｙｓｉｓｏｆＥｘｐａｎｓｉｎＦａｍｉｌｙｉｎＲａｍｉｅ(ＢｏｅｈｍｅｒｉａｎｉｖｅａＬ.)ＳＨＩＹａｌｉａｎｇ１ꎬ２ꎬＺＨＯＮＧＹｉｃｈｅｎｇ２ꎬＨＵＡＮＧＫｕｎｙｏｎｇ２ꎬＮＩＵＪｕａｎ２ꎬＳＵＮＺｈｉｍｉｎ２ꎬＣＨＥＮＪｉａｎｈｕａ２∗ꎬＬＵＡＮＭｉｎｇｂａｏ２∗(１.ＮａｔｉｏｎａｌＮａｎｆａｎＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ(Ｓａｎｙａ)ꎬＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓꎬＳａｎｙａ５７２０２４ꎬＨａｉｎａｎꎬＣｈｉｎａꎻ２.ＩｎｓｔｉｔｕｔｅｏｆＢａｓｔＦｉｂｅｒＣｒｏｐｓꎬＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓꎬＣｈａｎｇｓｈａ４１０２２１ꎬＨｕｎａｎꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｒａｍｉｅｉｓａｎｉｍｐｏｒｔａｎｔｆｉｂｅｒｃｒｏｐꎬａｎｄｆｉｂｅｒｉｓｕｓｅｄａｓｔｈｅｒａｗｍａｔｅｒｉａｌｏｆｔｅｘｔｉｌｅｉｎｄｕｓｔｒｙ.ＥｘｐａｎｓｉｎｈａｖｅｔｈｅｃｈａｒａｃｔｅｒｏｆｉｎｄｕｃｉｎｇＰＨ－ｄｅｐｅｎｄｅｎｔｃｅｌｌｗａｌｌｅｌｏｎｇａｔｉｏｎａｎｄｓｔｒｅｓｓｒｅｌａｘａｔｉｏｎ.Ｉｎｏｒｄｅｒｔｏｅｘｐｌｏｒｅｔｈｅｎｕｍｂｅｒａｎｄｔｙｐｅｏｆｔｈｅｅｘｐａｎｓｉｎｆａｍｉｌｙｍｅｍｂｅｒｓｉｎｒａｍｉｅｇｅｎｏｍｅａｎｄｔｏｓｔｕｄｙｔｈｅｅｘｐｒｅｓ￣ｓｉｏｎｐａｔｔｅｒｎｏｆｅｘｐａｎｓｉｎｇｅｎｅｓｉｎｔｈｅｓｔｅｍｂａｒｋｏｆｒａｍｉｅｖａｒｉｅｔｉｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔｆｉｂｅｒｆｉｎｅｓｓｅꎬ２４ｍｅｍｂｅｒｓｏｆｔｈｅｅｘｐａｎｓｉｎｇｅｎｅｆａｍｉｌｙｗｅｒｅｆｉｒｓｔｌｙｄｅｔｅｃｔｅｄｉｎｒａｍｉｅｆｒｏｍｔｈｅＺｈｏｎｇｚｈｕＮｏ.１ｇｅｎｏｍｉｃｄａｔａｂａｓｅ.Ａ￣ｎａｌｙｓｉｓａｎｄｐｒｅｄｉｃｔｉｏｎｏｆｐｒｏｔｅｉｎｍｏｌｅｃｕｌａｒｗｅｉｇｈｔꎬｉｓｏｅｌｅｃｔｒｉｃｐｏｉｎｔꎬｓｉｇｎａｌｐｅｐｔｉｄｅａｎｄｓｕｂｃｅｌｌｕｌａｒｌｏｃａｌｉ￣ｚａｔｉｏｎｗｅｒｅｃｏｎｄｕｃｔｅｄｏｎｔｈｅｆａｍｉｌｙｍｅｍｂｅｒｓｕｓｉｎｇｂｉｏｉｎｆｏｒｍａｔｉｃｓｉｎｔｈｉｓｓｔｕｄｙ.Ｂｙｃｏｎｓｔｒｕｃｔｉｎｇｔｈｅｐｈｙ￣ｌｏｇｅｎｅｔｉｃｔｒｅｅꎬ１７Ｅｘｐａｎｓｉｎαｓｕｂｆａｍｉｌｙꎬ４Ｅｘｐａｎｓｉｎβｓｕｂｆａｍｉｌｙꎬ１Ｅｘｐａｎｓｉｎα－ｌｉｋｅｓｕｂｆａｍｉｌｙａｎｄ２Ｅｘｐａｎｓｉｎβ－ｌｉｋｅｓｕｂｆａｍｉｌｉｅｓｍｅｍｂｅｒｓｗｅｒｅｄｉｖｉｄｅｄｉｎｔｏ３ｃａｔｅｇｏｒｉｅｓ.Ｉｎｓａｍｅｅｖｏｌｕｔｉｏｎａｒｙｂｒａｎｃｈｏｆｅｘ￣５４１６４１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀中国麻业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第４５卷ｐａｎｓｉｎｆａｍｉｌｙꎬｐｒｏｔｅｉｎｄｏｍａｉｎｉｓｒｅｌａｔｉｖｅｃｏｎｓｅｒｖａｔｉｖｅａｎｄｔｈｅｐｒｏｔｅｉｎｓｅｑｕｅｎｃｅｓｏｆｅａｃｈｇｅｎｅｓｕｂｆａｍｉｌｙｈａｓａｓｐｅｃｉｆｉｃｍｏｔｉｆ.Ｅｘｐｒｅｓｓｉｏｎｐａｔｔｅｒｎｏｆｅｘｐａｎｓｉｎｇｅｎｅｆａｍｉｌｙｍｅｍｂｅｒｓｉｎｓｔｅｍｂａｒｋｏｆｒａｍｉｅｗａｓａｎａ￣ｌｙｚｅｄｕｓｉｎｇｔｒａｎｓｃｒｉｐｔｏｍｅｄａｔａａｎｄｓｉｇｎｉｆｉｃａｎｔｅｘｐｒｅｓｓｉｏｎｄｉｆｆｅｒｅｎｃｅｏｆｔｗｏｇｅｎｅｓｗａｓｃｏｎｆｉｒｍｅｄａｔｆｉｖｅｇｒｏｗｔｈｓｔａｇｅｓｏｆｔｈｅｔｗｏｖａｒｉｅｔｉｅｓｔｈｒｏｕｇｈｑＲＴ－ＰＣＲ.Ｔｈｅｒｅｓｕｌｔｓａｒｅｈｅｌｐｆｕｌｆｏｒｕｎｄｅｒｓｔａｎｄｉｎｇｔｈｅｅｖｏｌｕ￣ｔｉｏｎｏｆｔｈｅｒａｍｉｅｅｘｐａｎｓｉｎｇｅｎｅｆａｍｉｌｙꎬａｓｗｅｌｌａｓｆｕｔｕｒｅｓｔｕｄｉｅｓｏｆｇｅｎｅｓａｎｄｔｈｅｉｒｆｕｎｃｔｉｏｎｓｔｈａｔａｆｆｅｃｔｆｉ￣ｂｅｒｄｅｖｅｌｏｐｍｅｎｔａｎｄｆｉｂｅｒｆｉｎｅｓｓｅ.Ｋｅｙｗｏｒｄｓ:ｒａｍｉｅꎻｅｘｐａｎｓｉｎｆａｍｉｌｙꎻｂｉｏｉｎｆｏｒｍａｔｉｃａｎａｌｙｓｉｓꎻｇｅｎｅｅｘｐｒｅｓｓｉｏｎａｎａｌｙｓｉｓ扩展蛋白最早被鉴定为一种具有细胞壁松弛作用的蛋白ꎬ部分介导了植物细胞壁延伸和细胞生长ꎮ扩展蛋白主要分为两个蛋白家族ꎬ即α和β扩展蛋白亚族ꎬ他们不仅作用于细胞膨胀ꎬ还参与调节包括形态发生㊁果实软化㊁花粉管生长等多种植物生长过程[１]ꎮ蛋白功能被细胞壁酸性条件激活ꎬ在植物中存在一些反应机制会诱导细胞壁ｐＨ值发生变化而影响细胞的生长[２]ꎮ由于扩展蛋白对细胞壁具有独特的修饰作用ꎬ先后在棉花和苎麻关于纤维发育的研究中得到关注ꎬ已有研究发现３种编码扩展蛋白的基因在苎麻的上部茎皮上调表达[３－４]ꎮ一些家族成员基因在其他植物中的功能相继被证实ꎬ涉及促进生长㊁改善纤维品质和盐胁迫响应ꎬ例如水稻ＯｓＥＸＰ４[５]㊁棉花ＧｈＥＸＰＡ８[６]和ＧｂＥＸＰＡＴＲ[７]㊁小麦ＯｓＥＸＰＢ２３[８]等ꎮ扩展蛋白在苎麻中的研究才刚刚起步ꎬ该家族基因具体的分子功能及其对纤维细胞的发育和纤维品质的影响尚不清楚ꎮ在Ｓｗｉｓｓ－Ｐｒｏｔ数据库中:水稻的５６个编码扩展蛋白的基因ꎬ包括α亚族３４个ꎬβ亚族１９个ꎻ拟南芥３６个编码扩展蛋白的基因包括α亚族２５个和β亚族７个ꎻ玉米４个基因都属于β亚族ꎮ苎麻中通过转录组序列拼接和同源基因克隆的方法发现了１２个α亚族和４个β亚族ꎬ共１６个编码扩展蛋白的基因[９]ꎮ然而ꎬ目前还未对苎麻ｅｘｐａｎｓｉｎ家族成员的具体数目和类型进行全面鉴定ꎮ苎麻基因组测序草图的顺利完成[１０]ꎬ使利用生物信息学在全基因组水平上分离和鉴定ｅｘｐａｎｓｉｎ家族成为可能ꎮ因此ꎬ本研究利用苎麻基因组数据库对苎麻ｅｘｐａｎｓｉｎ家族成员及其类型进一步鉴定与分析ꎬ旨在为苎麻纤维发育候选基因挖掘奠定基础ꎮ１㊀材料与方法１.１㊀苎麻ｅｘｐａｎｓｉｎ家族成员鉴定在Ｐｆａｍ数据库下载扩展基因家族保守结构域数据文件(登录号分别为ＰＦ０３３３０和ＰＦ０１３５７)ꎬ利用ｈｍｍｅｒｖ３.０软件构建苎麻ｅｘｐａｎｓｉｎ家族专有的保守结构域隐马尔可夫模型文件ꎬ然后在苎麻基因组蛋白数据中搜索家族成员[１１]ꎮ将家族蛋白氨基酸序列在ＨＭＭＥＲ网站(ｈｔ￣ｔｐｓ://ｗｗｗ.ｅｂｉ.ａｃ.ｕｋ/Ｔｏｏｌｓ/ｈｍｍｅｒ/ｓｅａｒｃｈ/ｐｈｍｍｅｒ)进行序列分析ꎮ１.２㊀理化性质分析和亚细胞定位通过ＥｘＰＡＳｙ网站(ｈｔｔｐｓ://ｗｗｗ.ｅｘｐａｓｙ.ｏｒｇ/)中的Ｐｒｏｔｐａｒａｍ程序分析蛋白质的分子量㊁等电点ꎬ利用ＳｉｇｎａｌＰ－５.０预测蛋白的信号肽ꎬ采用ｐＬｏｃ－ｍＰｌａｎｔ进行蛋白的亚细胞定位预测ꎮ１.３㊀扩展基因结构及蛋白序列分析利用在线软件ＭＥＭＥ(ｈｔｔｐ://ｍｅｍｅ－ｓｕｉｔｅ.ｏｒｇ/)对扩展蛋白保守结构域进行分析ꎮ最大ｍｏｔｉｆ数量设为２０ꎬ其他参数为默认值ꎮ根据苎麻基因组的ＤＮＡ序列和编码区序列ꎬ使用ＴＢｔｏｏｌｓ软件[１２]分析和绘制基因家族成员的基因结构图ꎮ１.４㊀基因家族系统进化分析利用分子进化分析软件ＭＥＧＡ７的ＣｌｕｓｔａｌＷ程序对鉴定的苎麻扩展蛋白氨基酸序列进行多重序列比对ꎬ采用邻接法(ＮＪꎬｎｅｉｇｈｂｏｒ－ｊｏｉｎｉｎｇ)构建系统发育树ꎮ在Ｓｗｉｓｓ－Ｐｒｏｔ数据库下载水稻和拟南芥的ｅｘｐａｎｓｉｎ家族的蛋白氨基酸序列ꎬ与苎麻的蛋白氨基酸序列进行比对ꎬ默认参数ꎬｂｏｏｔｓｔｒａｐ值设为５００ꎬ构建ＮＪ进化树ꎮ１.５㊀表达分析依据本课题组已经完成的苎麻转录组测序结果ꎬ即２个纤维细度差异大的品种ꎬ编号为２－２５(纤维细度１３１２ｍ/ｇ)和３－４(２７８８ｍ/ｇ)ꎬ发芽２周(Ｔ１)㊁４周(Ｔ２)㊁６周(Ｔ３)㊁８周(Ｔ４)㊁１０周(Ｔ５)５个不同纤维发育时期茎皮中各基因的ＦＰＫＭ值[１３－１４]ꎬ分析其５个发育时期的ｅｘｐａｎｓｉｎ家族基因表达模式ꎮ利用与转录组相同的样品材料(液氮冷冻ꎬ－８０ħ保存)ꎬ提取苎麻茎皮总ＲＮＡꎬＲＮＡ提取方法和模板ｃＤＮＡ的合成均按照试剂盒操作手册ꎮＴａＫａＲａＭｉｎｉＢＥＳＴＵｎｉｖｅｒｓａｌＲＮＡＥｘ￣ｔｒａｃｔｉｏｎＫｉｔ用于茎皮总ＲＮＡ提取ꎬＴｈｅｒｍｏＳｃｉｅｎｔｉｆｉｃＲｅｖｅｒｔＡｉｄｆｉｒｓｔ－ｓｔｒａｎｄｃＤＮＡｓｙｎｔｈｅｓｉｓｋｉｔ(Ｔｈｅｒ￣ｍｏＳｃｉｅｎｔｉｆｉｃꎬＶｉｌｎｉｕｓꎬＬｉｔｈｕａｎｉａ)用于ｃＤＮＡ合成ꎬ合成２０μＬ体系ｃＤＮＡꎬ用ｄｄＨ２Ｏ稀释一倍后备用ꎮ根据扩展蛋白基因家族表达差异的结果在Ｐｒｉｍｅｒ５设计相关基因的特异性引物ꎬ以苎麻１８ＳｒＲＮＡ为内参基因ꎬ于Ｂｉｏ－ＲａｄｉＱ５Ｒｅａｌ－ＴｉｍｅＰＣＲＳｙｓｔｅｍ(Ｂｉｏ－ＲａｄꎬＣＡꎬＵＳＡ)分析仪上进行ｑＲＴ－ＰＣＲ分析ꎬ２５μＬｑＰＣＲ体系ꎬ即１μＬｃＤＮＡꎬ１２.５μＬ２ˑＳＹＢＲｑＰＣＲＭｉｘ(北京艾德莱生物公司)ꎬ各１μＬ上下游引物(１０μｍｏｌ/Ｌ)和１０.５μＬｄｄＨ２Ｏꎬ程序为９５ħ２ｍｉｎ㊁９５ħ１５ｓ和５５ħ３０ｓꎬ４０个循环ꎬ每个样品设３个重复ꎬ并按照２－ΔΔＣＴ的方法计算基因的相对表达量[１５]ꎮ利用ＧｒａｐｈＰａｄＰｒｉｓｍ８软件的Ｈｏｌｍ－Ｓｉｄａｋ方法对表达量进行ｔ测验ꎬ以比较基因在品种间和时期间的差异显著性ꎮ２㊀结果与分析２.１㊀基因家族成员的鉴定及理化性质分析通过全基因组基因家族成员挖掘ꎬ去掉结构和功能冗余的２个候选序列ꎬ共获得了２７个ｅｘ￣ｐａｎｓｉｎ基因候选序列ꎮ在Ｐｆａｍ数据库对这些序列进行结构域注释ꎬ发现２４个具有家族保守结构域的ＤＰＢＢ＿１和Ｐｏｌｌｅｎ＿ａｌｌｅｒｇ＿１ꎬ３个缺失第二个结构域的候选序列ꎮ对此２４个具有完整结构域基因的命名沿用苎麻基因组蛋白数据库注释ꎮ比较和分析２４个苎麻扩展蛋白序列的理化性质(表１)ꎬ氨基酸数目２１３ａａ(Ｅｘｐａｎｓｉｎ－Ａ２３)~５８９ａａ(Ｅｘｐａｎｓｉｎ－Ｂ１５＿３)ꎬ分子量２３２５３.４４Ｄａ(Ｅｘｐａｎｓｉｎ－Ａ２３)~６２９２８.１８Ｄａ(Ｅｘｐａｎｓｉｎ－Ｂ１５＿３)ꎬ等电点４.７８(Ｅｘｐａｎｓｉｎ－ｌｉｋｅ＿２)~９.９６(Ｅｘｐａｎｓｉｎ－Ａ１２＿１)ꎮ预测发现５个蛋白序列没有信号肽ꎬ分别为Ｅｘｐａｎｓｉｎ－Ａ２３㊁Ｅｘｐａｎｓｉｎ－Ａ１２＿２㊁Ｅｘｐａｎｓｉｎ－Ａ４＿１㊁Ｅｘｐａｎｓｉｎ－Ｂ１５＿３㊁Ｅｘｐａｎｓｉｎ－Ａ１２＿１ꎮ亚细胞定位结果显示２４个苎麻扩展蛋白均位于细胞壁ꎮ表１㊀苎麻扩展蛋白基本理化性质Ｔａｂｌｅ１㊀Ｐｈｙｓｉｃａｌａｎｄｃｈｅｍｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｒａｍｉｅｅｘｐａｎｓｉｎｓ基因ＩＤ蛋白名称编码的氨基酸数目(ａａ)相对分子质量/Ｄａ理论等电点(ｐＩ)信号肽亚细胞定位Ｍａｋｅｒ０００００００９Ｅｘｐａｎｓｉｎ－Ａ１５２４７２６６１１.３３９.５７有细胞壁Ｍａｋｅｒ０００００７８７Ｅｘｐａｎｓｉｎ－Ａ２３２１３２３２５３.４４８.６３无细胞壁Ｍａｋｅｒ００００２９００Ｅｘｐａｎｓｉｎ－Ｂ３２７１２９３０５.４２９.３０有细胞壁Ｍａｋｅｒ００００３２６５Ｅｘｐａｎｓｉｎ－Ａ２＿１２７１２９３３５.６８６.１８有细胞壁Ｍａｋｅｒ０００１２５２１Ｅｘｐａｎｓｉｎ－Ａ１２＿２２１６２３７５２.３４９.５７无细胞壁Ｍａｋｅｒ０００１３２１９Ｅｘｐａｎｓｉｎ－Ａ１３２６４２８４２６.２９７.５５有细胞壁Ｍａｋｅｒ０００１６７９２Ｅｘｐａｎｓｉｎ－Ａ４＿１３０５３３４７４.３１９.７３无细胞壁Ｍａｋｅｒ０００３０８４０Ｅｘｐａｎｓｉｎ－Ａ４＿２２６０２７８７２.６７９.７１有细胞壁Ｍａｋｅｒ０００３２８８３Ｅｘｐａｎｓｉｎ－Ａ１６２８８３２１３８.５９９.５８有细胞壁Ｍａｋｅｒ０００５０６０５Ｅｘｐａｎｓｉｎ－Ａ８＿１２５３２７０３４.４４８.６５有细胞壁Ｍａｋｅｒ０００５２７１８Ｅｘｐａｎｓｉｎ－ｌｉｋｅ＿１２５２２７７３３.３６６.２９有细胞壁Ｍａｋｅｒ０００５３３７６Ｅｘｐａｎｓｉｎ－Ａ２＿２２７０２９２６４.６０６.１８有细胞壁Ｍａｋｅｒ０００５３４１０Ｅｘｐａｎｓｉｎ－ｌｉｋｅ＿２２７２２９９８７.７０４.７８有细胞壁Ｍａｋｅｒ０００５４２３８Ｅｘｐａｎｓｉｎ－Ｂ１５＿１２５３２６７６３.８８５.９０有细胞壁Ｍａｋｅｒ０００５４９４６Ｅｘｐａｎｓｉｎ－Ｂ１５＿２２７５２９２４０.６９６.８０有细胞壁Ｍａｋｅｒ０００５６３４５Ｅｘｐａｎｓｉｎ－Ａ４＿３２６０２７９９３.８０９.３８有细胞壁Ｍａｋｅｒ０００６４７３５Ｅｘｐａｎｓｉｎ－Ａ１２４７２５９７０.１４９.８１有细胞壁Ｍａｋｅｒ０００６５６２１Ｅｘｐａｎｓｉｎ－Ａ１１２６９２８５２８.５９９.４９有细胞壁Ｍａｋｅｒ０００７５７８０Ｅｘｐａｎｓｉｎ－Ａ８＿２２５０２６４２８.５０６.３８有细胞壁Ｍａｋｅｒ０００７６２６１Ｅｘｐａｎｓｉｎ－Ｂ１５＿３５８９６２９２８.１８８.６３无细胞壁Ｍａｋｅｒ０００７７２６１Ｅｘｐａｎｓｉｎ－Ａ７２６３２８３９１.２２９.５１有细胞壁７４１第４期㊀石亚亮等:苎麻ｅｘｐａｎｓｉｎ家族成员鉴定与表达分析续表１基因ＩＤ蛋白名称编码的氨基酸数目(ａａ)相对分子质量/Ｄａ理论等电点(ｐＩ)信号肽亚细胞定位Ｍａｋｅｒ０００８３６９７Ｅｘｐａｎｓｉｎ－Ａ１２＿１２１６２３９６９.５０９.９６无细胞壁Ｍａｋｅｒ０００８３９０６Ｅｘｐａｎｓｉｎ－Ａ２０２５２２７９７３.７１８.２９有细胞壁Ｍａｋｅｒ０００８４６００Ｅｘｐａｎｓｉｎ－ｌｉｋｅ＿３２６２２８５５５.６７８.７１有细胞壁２.２㊀基因家族的基因结构及蛋白质基序预测苎麻ｅｘｐａｎｓｉｎ家族成员外显子数目为２~９个ꎬ内含子数目为１~８个ꎮ根据ＭＥＭＥ分析结果ꎬ选择其中Ｅ－ｖａｌｕｅ最低为８.４ｅ－００３的１７个保守基序作图(图１)ꎮ同一进化支蛋白的结构域均保守且每个基因亚族蛋白含特有的保守基序(ｍｏｔｉｆ)ꎬα亚族蛋白特有ｍｏｔｉｆ３ꎬβ亚族特有ｍｏｔｉｆ８ꎬＥＸＰＬ支(ＥＸＰＬＡ亚族和ＥＸＰＬＢ亚族)特有ｍｏｔｉｆ１５ꎮ图１㊀扩展家族蛋白序列保守基序和基因结构与３个特有保守基序Ｆｉｇ.１㊀Ｐｒｏｔｅｉｎｓｅｑｕｅｎｃｅｃｏｎｓｅｒｖｅｄｍｏｔｉｆｓａｎｄｇｅｎｅｓｔｒｕｃｔｕｒｅｏｆｅｘｐａｎｓｉｎｆａｍｉｌｙａｎｄ３ｓｐｅｃｉｆｉｃｍｏｔｉｆｓ８４１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀中国麻业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第４５卷２.３㊀苎麻ｅｘｐａｎｓｉｎ家族的系统进化分析在Ｓｗｉｓｓ－Ｐｒｏｔ数据库下载水稻和拟南芥的ｅｘｐａｎｓｉｎ家族的蛋白氨基酸序列ꎬ分别为３６和５６条ꎬ与２４条苎麻蛋白氨基酸序列一起构建进化树(图２)ꎮｅｘｐａｎｓｉｎ家族包括ＥＸＰＡ㊁ＥＸＰＢ㊁ＥＸＰＬＡ㊁ＥＸＰＬＢ等４个亚族ꎬ在进化树中可分为ＥＸＰＡ㊁ＥＸＰＢ㊁ＥＸＰＬ３大类ꎮＥＸＰＡ类包含苎麻ｅｘｐａｎｓｉｎ家族的１７个基因(α亚族)ꎬＥＸＰＢ类包含４个基因(β亚族)ꎬＥＸＰＬ类有３个基因(１个α类亚族和２个β类亚族)ꎮ图２㊀苎麻ｅｘｐａｎｓｉｎ家族进化树Ｆｉｇ.２㊀Ｅｘｐａｎｓｉｎｆａｍｉｌｙｐｈｙｌｏｇｅｎｅｔｉｃｔｒｅｅｉｎｒａｍｉｅ２.４㊀基因家族成员的表达分析５个发育时期的ｅｘｐａｎｓｉｎ家族基因表达模式如图３所示ꎬ９个基因在两个品种间存在明显的差异表达情况ꎬ其中ＢｎＥＸＰＡ１６㊁ＢｎＥＸＰ－ｌｉｋｅ－３和ＢｎＥＸＰＡ２０仅在品种３－４的Ｔ３㊁Ｔ４及Ｔ５期上调表达ꎬＢｎＥＸＰ－ｌｉｋｅ－１和ＢｎＥＸＰＡ７仅在品种２－２５的Ｔ４期上调表达ꎬＢｎＥＸＰＡ８－２㊁ＢｎＥＸＰＢ３㊁ＢｎＥＸ￣ＰＡ２３和ＢｎＥＸＰＡ１１仅在品种２－２５的Ｔ２期上调表达ꎮ两个苎麻品种５个生长期内ꎬ在Ｔ１和Ｔ２期都上调表达的有ＢｎＥＸＰＡ２－１㊁ＢｎＥＸＰＡ２－２㊁ＢｎＥＸＰ－ｌｉｋｅ－２㊁ＢｎＥＸＰＡ８－１㊁ＢｎＥＸＰＡ１２－１㊁ＢｎＥＸＰＡ８－２㊁ＢｎＥＸＰＡ１㊁ＢｎＥＸＰＡ１５㊁ＢｎＥＸＰＡ４－１㊁ＢｎＥＸＰＡ１３ꎮ在Ｔ３㊁Ｔ４和Ｔ５期都上调表达的有ＢｎＥＸＰＢ１５－１㊁ＢｎＥＸＰＢ１５－２和ＢｎＥＸＰＢ１５－３ꎮ根据转录组数据分析结果和相关差异表达基因的功能分析ꎬ选择ＢｎＥＸＰ－ｌｉｋｅ－３和ＢｎＥＸＰＢ１５－２这两个基因做进一步分析(特异性引物序列见表２)ꎬ荧光定量ＰＣＲ结果(图４)显示ꎬ５个时期苎麻茎皮中两个基因的表达量呈现显著差异(ｐ<０.０１)ꎬ两个基因在品种３－４表达量明显高于２－２５的表达量ꎮ９４１第４期㊀石亚亮等:苎麻ｅｘｐａｎｓｉｎ家族成员鉴定与表达分析图３㊀苎麻ｅｘｐａｎｓｉｎ家族基因表达量热图Ｆｉｇ.３㊀Ｇｅｎｅｅｘｐｒｅｓｓｉｏｎｈｅａｔｍａｐｏｆｅｘｐａｎｓｉｎｆａｍｉｌｙｉｎｒａｍｉｅ表２㊀ｅｘｐａｎｓｉｎ家族基因特异ｑＲＴ－ＰＣＲ引物(５ ң３ )Ｔａｂｌｅ２㊀ＥｘｐａｎｓｉｎｆａｍｉｌｙｇｅｎｅｓｓｐｅｃｉｆｉｃｑＲＴ－ＰＣＲｐｒｉｍｅｒｓ(５ ң３ )Ｇｅｎｅ正向引物反向引物ＢｎＥＸＰ－ｌｉｋｅ－３ＡＴＣＡＡＧＣＡＡＣＡＡＧＣＣＡＣＡＣＴＡＴＧＡＧＣＡＡＣＡＴＣＡＡＴＧＣＣＡＡＣＡＢｎＥＸＰＢ１５－２ＡＡＣＧＡＧＧＣＧＡＣＣＣＡＣＴＧＴＡＣＴＧＡＡＴＣＴＧＣＡＡＣＡＣＣＣ１８ＳｒＲＮＡＴＧＡＣＧＧＡＧＡＡＴＴＡＧＧＧＴＴＣＧＡＣＣＧＴＧＴＣＡＧＧＡＴＴＧＧＧＴＡＡＴＴＴ注: ∗ 表示ｐ<０.０５的显著差异性ꎬ ∗∗ 表示ｐ<０.０１ꎬ ∗∗∗ 表示ｐ<０.００１ꎬ ꎮ图４㊀ＢｎＥＸＰ－ｌｉｋｅ－３(左)和ＢｎＥＸＰＢ１５－２(右)在两个苎麻品种茎皮５个时期的相对表达量Ｆｉｇ.４㊀ＥｘｐｒｅｓｓｉｏｎｌｅｖｅｌｏｆＢｎＥＸＰ－ｌｉｋｅ－３(ｌｅｆｔ)ａｎｄＢｎＥＸＰＢ１５－２(ｒｉｇｈｔ)ｏｆｓｔｅｍｂａｒｋａｔｆｉｖｅｇｒｏｗｔｈｓｔａｇｅｓｏｆ２ｖａｒｉｅｔｉｅｓ０５１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀中国麻业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第４５卷３㊀讨论与结论苎麻中鉴定出的４种扩展蛋白亚族的蛋白ꎬ包括α亚族１７个㊁β亚族４个㊁α类亚族１个和β类亚族２个ꎮ蛋白质的氨基酸序列分析表明ꎬ可依据其特有的保守基序区分不同亚族的扩展蛋白ꎬ苎麻ｅｘｐａｎｓｉｎ家族α亚族蛋白特有ｍｏｔｉｆ３ꎬβ亚族特有ｍｏｔｉｆ８ꎬα类亚族和β类亚族共特有ｍｏｔｉｆ１５ꎮ表达分析结果显示ꎬｅｘｐａｎｓｉｎ家族成员在不同品种和时期存在表达差异ꎬ且ＢｎＥＸＰ－ｌｉｋｅ－３与ＢｎＥＸＰＢ１５－２两个基因在品种３－４中各个时期的相对表达量均高于２－２５ꎮ目前被报道与纤维发育相关的扩展蛋白基本属于如ＥＸＰ１㊁ＥＸＰＡ２㊁ＥＸＰＡ８等所在的成员数量占有优势的α亚族[３－４ꎬ６－７]ꎬ而鲜有α类亚族和β亚族的成员ꎮ另外ꎬ有研究发现ꎬ苎麻纤维细度还受光照㊁湿度㊁温度等生态环境因素的影响[１６]ꎮ本研究首次发现在两个在纤维细度不同的两个品种间呈表达差异的ＢｎＥＸＰ－ｌｉｋｅ－３与ＢｎＥＸＰＢ１５－２ꎬ其所在亚族的蛋白被报道与植物抗逆性相关ꎬ如启动子序列存在脱落酸㊁生长素㊁水杨酸等激素诱导元件和对干旱㊁高温等非生物胁迫的响应元件的ＯｆＥＸ￣ＬＡ１[１７]ꎬ及被证实由磷酸盐饥饿诱导且能够提高大豆磷效率的ＧｍＥＸＰＢ２[１８]ꎮ因此ꎬＢｎＥＸＰ－ｌｉｋｅ－３和ＢｎＥＸＰＢ１５－２是否具有通过对苎麻生长环境响应而影响纤维细度的功能值得深入探讨ꎮ棉花中发现了两个扩展蛋白基因ꎬＧｂＥＸＰＡ２通过增加结晶纤维素含量影响纤维细胞厚度ꎬＧｂＥＸＰＡＴＲ是编码一个缺失Ｐｏｌｌｅｎ＿ａｌｌｅｒｇ＿１结构域的蛋白基因ꎬ同属于扩展蛋白α亚族ꎬ过表达ＧｂＥＸＰＡＴＲ纤维会产生更长㊁更结实的薄壁纤维[７]ꎮ在本研究中也发现了３个缺失第二结构域的蛋白ꎬ其中两个有信号肽ꎬ但与扩展蛋白家族各个亚族的蛋白相似性不高ꎬ其功能有待进一步研究ꎮ参考文献:[１]ＬＥＥＹꎬＣＨＯＩＤꎬＫＥＮＤＥＨ.Ｅｘｐａｎｓｉｎｓ:ｅｖｅｒ－ｅｘｐａｎｄｉｎｇｎｕｍｂｅｒｓａｎｄｆｕｎｃｔｉｏｎｓ[Ｊ].ＣｕｒｒｅｎｔＯｐｉｎｉｏｎｉｎＰｌａｎｔＢｉｏｌｏｇｙꎬ２００１ꎬ４(６):５２７－５３２.[２]ＣＯＳＧＲＯＶＥＤＪ.Ｇｒｏｗｔｈｏｆｔｈｅｐｌａｎｔｃｅｌｌｗａｌｌ[Ｊ].ＮａｔｕｒｅＲｅｖｉｅｗｓＭｏｌｅｃｕｌａｒＣｅｌｌＢｉｏｌｏｇｙꎬ２００５ꎬ６(１１):８５０－８６１.[３]ＲＵＡＮＹＬꎬＬＬＥＷＥＬＬＹＮＤＪꎬＦＵＲＢＡＮＫＲＴ.Ｔｈｅｃｏｎｔｒｏｌｏｆｓｉｎｇｌｅ－ｃｅｌｌｅｄｃｏｔｔｏｎｆｉｂｅｒｅｌｏｎｇａｔｉｏｎｂｙｄｅｖｅｌｏｐｍｅｎｔａｌｌｙｒｅｖｅｒｓｉｂｌｅｇａ￣ｔｉｎｇｏｆｐｌａｓｍｏｄｅｓｍａｔａａｎｄｃｏｏｒｄｉｎａｔｅｄｅｘｐｒｅｓｓｉｏｎｏｆｓｕｃｒｏｓｅａｎｄＫ＋ｔｒａｎｓｐｏｒｔｅｒｓａｎｄｅｘｐａｎｓｉｎ[Ｊ].ＰｌａｎｔＣｅｌｌꎬ２００１ꎬ１３(１):４７－６０.[４]ＣＨＥＮＪꎬＰＥＩＺＨꎬＤＡＩＬＪꎬｅｔａｌ.Ｔｒａｎｓｃｒｉｐｔｏｍｅｐｒｏｆｉｌｉｎｇｕｓｉｎｇｐｙｒｏｓｅｑｕｅｎｃｉｎｇｓｈｏｗｓｇｅｎｅｓａｓｓｏｃｉａｔｅｄｗｉｔｈｂａｓｔｆｉｂｅｒｄｅｖｅｌｏｐｍｅｎｔｉｎｒａｍｉｅ(ＢｏｅｈｍｅｒｉａｎｉｖｅａＬ.)[Ｊ].ＢＭＣＧｅｎｏｍｉｃｓꎬ２０１４ꎬ１５:９１９.[５]ＣＨＯＩＤＳꎬＬＥＥＹꎬＣＨＯＨＴꎬｅｔａｌ.Ｒｅｇｕｌａｔｉｏｎｏｆｅｘｐａｎｓｉｎｇｅｎｅｅｘｐｒｅｓｓｉｏｎａｆｆｅｃｔｓｇｒｏｗｔｈａｎｄｄｅｖｅｌｏｐｍｅｎｔｉｎｔｒａｎｓｇｅｎｉｃｒｉｃｅｐｌａｎｔｓ[Ｊ].ＰｌａｎｔＣｅｌｌꎬ２００３ꎬ１５(６):１３８６－１３９８.[６]ＢＡＪＷＡＫＳꎬＳＨＡＨＩＤＡＡꎬＲＡＯＡＱꎬｅｔａｌ.ＳｔａｂｌｅｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｅｘｐｒｅｓｓｉｏｎｏｆＧｈＥＸＰＡ８ｆｉｂｅｒｅｘｐａｎｓｉｎｇｅｎｅｔｏｉｍｐｒｏｖｅｆｉｂｅｒｌｅｎｇｔｈａｎｄｍｉｃｒｏｎａｉｒｅｖａｌｕｅｉｎｃｏｔｔｏｎ[Ｊ].ＦｒｏｎｔｉｅｒｓｉｎＰｌａｎｔＳｃｉｅｎｃｅꎬ２０１５ꎬ６:８３８.[７]ＬＩＹꎬＴＵＬＬꎬＰＥＴＴＯＬＩＮＯＦＡꎬｅｔａｌ.ＧｂＥＸＰＡＴＲꎬａｓｐｅｃｉｅｓ－ｓｐｅｃｉｆｉｃｅｘｐａｎｓｉｎꎬｅｎｈａｎｃｅｓｃｏｔｔｏｎｆｉｂｒｅｅｌｏｎｇａｔｉｏｎｔｈｒｏｕｇｈｃｅｌｌｗａｌｌｒｅ￣ｓｔｒｕｃｔｕｒｉｎｇ[Ｊ].ＰｌａｎｔＢｉｏｔｅｃｈｎｏｌｏｇｙＪｏｕｒｎａｌꎬ２０１６ꎬ１４(３):９５１－９６３.[８]ＨＡＮＹＹꎬＬＩＡＸꎬＬＩＦꎬｅｔａｌ.Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆａｗｈｅａｔ(ＴｒｉｔｉｃｕｍａｅｓｔｉｖｕｍＬ.)ｅｘｐａｎｓｉｎｇｅｎｅꎬＴａＥＸＰＢ２３ꎬｉｎｖｏｌｖｅｄｉｎｔｈｅａｂｉｏｔｉｃｓｔｒｅｓｓｒｅｓｐｏｎｓｅａｎｄｐｈｙｔｏｈｏｒｍｏｎｅｒｅｇｕｌａｔｉｏｎ[Ｊ].ＰｌａｎｔＰｈｙｓｉｏｌｏｇｙａｎｄＢｉｏｃｈｅｍｉｓｔｒｙꎬ２０１２ꎬ５４:４９－５８.[９]陈杰.苎麻纤维发育相关转录组测序及ｅｘｐａｎｓｉｎ家族功能分析[Ｄ].武汉:华中农业大学ꎬ２０１７.[１０]ＬＵＡＮＭＢꎬＪＩＡＮＪＢꎬＣＨＥＮＰꎬｅｔａｌ.ＤｒａｆｔｇｅｎｏｍｅｓｅｑｕｅｎｃｅｏｆｒａｍｉｅꎬＢｏｅｈｍｅｒｉａｎｉｖｅａ(Ｌ.)Ｇａｕｄｉｃｈ[Ｊ].ＭｏｌｅｃｕｌａｒＥｃｏｌｏｇｙＲｅ￣ｓｏｕｒｃｅｓꎬ２０１８ꎬ１８(３):６３９－６４５.[１１]ＬＯＺＡＮＯＲꎬＨＡＭＢＬＩＮＭＴꎬＰＲＯＣＨＮＩＫＳꎬｅｔａｌ.ＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅＮＢＳ－ＬＲＲｇｅｎｅｆａｍｉｌｙｉｎｔｈｅＣａｓｓａｖａｇｅｎｏｍｅ[Ｊ].ＢＭＣＧｅｎｏｍｉｃｓꎬ２０１５ꎬ１６:３６０.[１２]ＣＨＥＮＣＪꎬＣＨＥＮＨꎬＺＨＡＮＧＹꎬｅｔａｌ.ＴＢｔｏｏｌｓ:ａｎｉｎｔｅｇｒａｔｉｖｅｔｏｏｌｋｉｔｄｅｖｅｌｏｐｅｄｆｏｒｉｎｔｅｒａｃｔｉｖｅａｎａｌｙｓｅｓｏｆｂｉｇｂｉｏｌｏｇｉｃａｌｄａｔａ[Ｊ].ＭｏｌｅｃｕｌａｒＰｌａｎｔꎬ２０２０ꎬ１３(８):１１９４－１２０２.[１３]ＣＨＥＮＫＭꎬＭＩＮＧＹꎬＬＵＡＮＭＢꎬｅｔａｌ.Ｔｈｅｃｈｒｏｍｏｓｏｍｅ－ｌｅｖｅｌａｓｓｅｍｂｌｙｏｆｒａｍｉｅ(ＢｏｅｈｍｅｒｉａＮｉｖｅａＬ.)ｇｅｎｏｍｅｐｒｏｖｉｄｅｓｉｎｓｉｇｈｔｓｉｎ￣ｔｏｍｏｌｅｃｕｌａｒｒｅｇｕｌａｔｉｏｎｏｆｆｉｂｅｒｆｉｎｅｎｅｓｓ[Ｊ].ＪｏｕｒｎａｌｏｆＮａｔｕｒａｌＦｉｂｅｒｓꎬ２０２３ꎬ２０(１):２１６８８１９.[１４]黄坤勇.苎麻纤维细度全基因组关联分析及候选基因筛选[Ｄ].北京:中国农业科学院ꎬ２０２０.[１５]谭龙涛.苎麻氮代谢高效基因型筛选及表达分析[Ｄ].北京:中国农业科学院ꎬ２０１５.[１６]湖南省苎麻优质高产的气象条件研究协作组ꎬ刘淑梅.苎麻优质高产的气象生态条件试验研究[Ｊ].中国麻作ꎬ１９９１ꎬ２:１３－２０.[１７]高晓月ꎬ董彬ꎬ张超ꎬ等.桂花扩展蛋白基因ＯｆＥＸＰＡ２㊁ＯｆＥＸＰＡ４和ＯｆＥＸＬＡ１启动子克隆及活性分析[Ｊ].浙江大学学报(农业与生命科学版)ꎬ２０１９ꎬ４５(１):２３－２９.[１８]ＺＨＯＵＪꎬＸＩＥＪＮꎬＬＩＡＯＨꎬｅｔａｌ.Ｏｖｅｒｅｘｐｒｅｓｓｉｏｎｏｆｂｅｔａ－ｅｘｐａｎｓｉｎｇｅｎｅＧｍＥＸＰＢ２ｉｍｐｒｏｖｅｓｐｈｏｓｐｈｏｒｕｓｅｆｆｉｃｉｅｎｃｙｉｎｓｏｙｂｅａｎ[Ｊ].ＰｈｙｓｉｏｌｏｇｉａＰｌａｎｔａｒｕｍꎬ２０１４ꎬ１５０(２):１９４－２０４.１５１第４期㊀石亚亮等:苎麻ｅｘｐａｎｓｉｎ家族成员鉴定与表达分析。
生态学基因组学及其应用研究
生态学基因组学及其应用研究随着生物学技术的日益发展，人们对生态系统的探索越来越深入，不仅关注单个物种的生长和生殖，更关注各种生物之间的相互作用、与环境的关系以及其对生态系统的稳定性和可持续性的影响。
在这个过程中，生态学基因组学逐渐成为常规研究手段之一，为生态系统研究提供了新的视角和思路。
生态学基因组学是一门交叉学科，它将生态学和基因组学紧密结合起来，旨在通过分析生物群落中所有生物种的基因组特征，揭示它们在生态系统中的角色和功能。
该领域的研究主要涉及以下三个方面。
一、生态系统中种间相互作用研究生物种之间的相互作用是生态系统中最基本、最重要的问题之一，也是生态学基因组学的一个重要研究方向。
目前，生态学基因组学常用的相互作用分析方法主要有互作网络分析、差异丰度分析和代谢物谱分析3种。
其中互作网络分析通过构建各种群落中不同生物个体之间的相互关系网络，揭示它们之间的相互作用类型和效应等信息。
差异丰度分析则通过比较群落不同物种间的基因组丰度差异，分析它们之间的相互作用关系。
代谢物谱分析则是通过检测不同生物个体中代谢活性物质的含量和种类，揭示它们之间的相互作用机制。
二、环境适应性研究生态学基因组学研究还可以揭示各种生物在生态系统中的生存适应能力及其与环境之间的关系。
例如，通过分析不同生物种在不同环境条件下的基因组特征，可以研究其适应性变化机制及其进化通路。
这种研究方法可以为生态系统管理和保护提供新的思路和手段。
三、新物种发现和生物多样性保护生态学基因组学在生物多样性保护方面也有着非常重要的应用。
通过对生态系统中不同生物种基因组特征的分析，可以发现一些新物种、未知物种，为生态系统保护提供更加全面的数据支持。
同时，还可以发现遗传多样性保护方面的问题，为生物多样性保护的深入推进提供新的数据和思路。
总之，生态学基因组学是一门非常新颖、非常重要的生物学研究领域。
借助现代生物学技术，它为生态系统研究提供了更加全面的数据支持，为我们深刻理解生物种间相互作用、生态环境适应机制以及生态系统的稳定性和可持续性等问题提供了新的视角和手段。
基因树冲突与系统发育基因组学研究
基因树冲突与系统发育基因组学研究邹新慧;葛颂【期刊名称】《植物分类学报》【年(卷),期】2008(046)006【摘要】随着越来越多的基因序列被运用于系统发育重建中,随之产生的基因树冲突已成为分子系统发育研究中日益突出的问题.因此,在分子系统发育研究中,应正确理解基因树和物种树之间的差异,充分注意和分析基因树冲突的原因,正确解释分子系统发育的结果.本文通过一些典型实例分析了在多基因系统发育研究中引发基因树冲突的三类主要原因:随机误差、系统误差和生物学因素.在此基础上,对近年来兴起的系统发育基因组学进行了介绍,并以稻属Oryza研究为例,阐述了系统发育基因组学方法在解决基因树冲突以及系统发育研究中的优势和应用价值,并进一步探讨了解决基因树冲突的策略和方法,以期为分子系统发育研究提供一些肩示和帮助.【总页数】13页(P795-807)【作者】邹新慧;葛颂【作者单位】系统与进化植物学国家重点实验室,中国科学院植物研究所,北京,100093;系统与进化植物学国家重点实验室,中国科学院植物研究所,北京,100093【正文语种】中文【中图分类】Q94【相关文献】1.大鼠胚胎期PFOS暴露致出生早期死亡及神经系统发育影响的基因组学分析 [J], 王法琦;刘薇;金一和;于文广;刘晓晖;刘力2.系统发育基因组学研究进展 [J], 王章群;解增言;蔡应繁;舒坤贤;黄飞飞3.系统发育基因组学——重建生命之树的一条迷人途径 [J], 于黎;张亚平4.医蛭形亚目常见物种系统发育基因组学研究 [J], 赵芳;蒋凯;苏田娟;何波;吴清;林恭华;黄族豪5.医蛭形亚目常见物种系统发育基因组学研究 [J], 赵芳;蒋凯;苏田娟;何波;吴清;林恭华;黄族豪因版权原因，仅展示原文概要，查看原文内容请购买。
赣州地区HBVMHR突变及与肝脏疾病的关系
赣州地区HBV MHR突变及与肝脏疾病的关系发布时间：2022-06-06T02:28:39.343Z 来源：《医师在线》2022年1月1期作者：邹淑慧宋丽云黄薇邹翠翠刘聪张丽琴[导读]邹淑慧宋丽云黄薇邹翠翠刘聪张丽琴(江西省赣州市人民医院检验科；江西赣州341000)摘要：目的探讨赣州地区乙型肝炎病毒慢性感染者HBV MHR序列的变异情况及与肝脏疾病进展的关系。
方法收集140例乙型肝炎感染者的血清标本，提取HBV-DNA，PCR扩增HBV MHR区进行测序，并比较分析。
结果获取MHR基因片段50份。
B基因型38例（38/50，76%），C基因型12例（12/50，24%）。
MHR区共检出18个突变位点，突变率较高的位点有aa126（9/35,25.71%）、aa140（4/35,11.43%）和aa117（3/35，8.57%），其中5例T126I/A 变异为B基因型患者，4例T126I/A变异为C基因型患者。
肝衰竭患者在“a”肽段上的氨基酸变异率显著高于其他组别。
结论 HBV MHR的突变可能与严重肝病的发生有一定联系，了解其突变情况可提供病毒学分子信息，有助于临床疾病预后及转归的判断。
关键词：乙型肝炎病毒；MHR；突变乙型肝炎病毒（Hepatitis B Virus,HBV）是引起乙型肝炎的病原，据世界卫生组织统计显示，全球至少有2.9亿乙型肝炎感染患者，我国约有9300万。
[1,2]，HBV感染可引起慢性乙型肝炎（CHB）、肝硬化（LC）、肝衰竭（LF），同时也是原发性肝细胞癌（HCC）的重要病因，其感染是世界范围受到高度关注的公共卫生问题之一[3]。
乙肝病毒包含四个开放读码框：S、C、P、X。
S区在宿主相关的免疫功能刺激中起重要作用。
其中第99-169位氨基酸残基被称为主要亲水区(major hydrophilic region，MHR)，能刺激B细胞产生抗体，是S基因最重要的抗原表位[4]，位于MHR内的“a”决定簇(aal21—147)能诱导机体产生针对各种HBV亚型的保护性应答，是S蛋白的免疫优势区域，对HBsAg抗原性具有重要意义[5]。
植物抗病毒基因工程研究进展及存在的问题
植物抗病毒基因工程研究进展及存在的问题
邹新慧;何平
【期刊名称】《江西农业学报》
【年(卷),期】2002(014)004
【摘要】将近年来植物抗病毒基因工程的方法策略总结归纳为3个方面进行了综述,即:利用来源于病毒的基因、利用植物自身的抗病毒基因和采用多基因策略.并就当前存在的问题及其发展趋势进行了探讨.
【总页数】7页(P59-65)
【作者】邹新慧;何平
【作者单位】西南师范大学,生命科学学院,重庆,400715;西南师范大学,生命科学学院,重庆,400715
【正文语种】中文
【中图分类】Q78
【相关文献】
1.植物抗病毒基因工程研究进展 [J], 赵学敏
2.植物抗病毒机制及抗病毒基因工程策略研究进展 [J], 张德富;蔡丽;王书丽;张学红
3.RNA沉默机制及其介导的植物抗病毒基因工程研究进展 [J], 杨科府;陈瑜;王慧中;应奇才;施农农
4.植物抗病毒基因工程的研究进展 [J], 姚妮娜;刘石祥;汤光明
5.植物抗病基因工程研究进展（Ⅰ）──植物抗病毒基因工程 [J], 王伍;伍建宏
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
植物分类学报 46 (6): 795–807 (2008) doi: 10.3724/SP.J.1002.2008.08081 Journal of Systematics and Evolution (formerly Acta Phytotaxonomica Sinica) 基因树冲突与系统发育基因组学研究邹新慧 葛颂*(系统与进化植物学国家重点实验室, 中国科学院植物研究所北京 100093)Conflicting gene trees and phylogenomicsXin-Hui ZOU Song GE*(State Key Laboratory of Systematic and Evolutionary Botany, Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China) Abstract With more and more sequence data available, it has been a widespread practice to apply multiple genes to reconstruct phylogenies at different hierarchical levels. The phenomenon of conflicting gene trees has accordingly become a remarkable and difficult problem. It is increasingly understood that the difference between gene tree and species tree and the causes behind should be fully appreciated in molecular phylogenetic studies. In this paper, we have explored the major causes resulting in conflicting gene trees, including stochastic errors, systematic errors and biological factors. We also introduced a newly developed discipline, phylogenomics, and demonstrated its power and great potential in resolving difficult phylogenetic problems using our recent phyloge-nomic study of Oryza as an example. Furthermore, we discussed some strategies and approaches in elucidating conflicting gene trees and provided some suggestions and recommendations for molecular phylogenetic studies using multiple genes.Key words conflicting gene trees, gene tree, molecular phylogenetics, phylogenomics, species tree.摘要随着越来越多的基因序列被运用于系统发育重建中, 随之产生的基因树冲突已成为分子系统发育研究中日益突出的问题。
因此, 在分子系统发育研究中, 应正确理解基因树和物种树之间的差异, 充分注意和分析基因树冲突的原因, 正确解释分子系统发育的结果。
本文通过一些典型实例分析了在多基因系统发育研究中引发基因树冲突的三类主要原因: 随机误差、系统误差和生物学因素。
在此基础上, 对近年来兴起的系统发育基因组学进行了介绍, 并以稻属Oryza研究为例, 阐述了系统发育基因组学方法在解决基因树冲突以及系统发育研究中的优势和应用价值, 并进一步探讨了解决基因树冲突的策略和方法, 以期为分子系统发育研究提供一些启示和帮助。
关键词基因树冲突; 基因树; 分子系统发育学; 系统发育基因组学; 物种树地球上的一切生命形式都有一个共同的起源, 无论动物、植物、真菌、原生生物, 还是原核生物, 它们都藉由一部共同的进化历史而有着或近或远的关联。
重建所有生物的进化历史并以一种树状结构即系统发育树(phylogenetic tree)的形式来表示生物类群之间的进化关系, 一直是系统发育学研究的核心问题, 也是进化生物学研究的重要内容之一(Li, 1997; Futuyma, 1998; Nei & Kumar, 2000)。
建立可靠的系统发育关系不仅是生物分类和命名的基础, 也是阐明类群起源和扩散、探讨性状演化以及揭示物种形成机制的前提(Futuyma, 1998; Soltis & Soltis, 2000)。
早在19世纪中叶, 德国生物学家海克尔就发表了他著名的“系统树”, 将整个生命世界形象地描绘成一棵大树(Haeckel, 1866)。
在随后的100多年里, 生物学家们主要通过表型特征如形态、解剖、生理等性状进行物种间进化关系的研究, 为生命之树构筑了基本框架, 但这棵大树仍存在大量的缺失环节(Futuyma, 1998)。
20世纪60年代以后, 随着分子生物学技术的迅猛发展, 分子数据开始被广泛运用于系统发育研究, 如蛋白质电泳、DNA-DNA杂交、免疫学等(Crawford, 2000)。
自20世纪80年代以后, 随着PCR (polymerase chain reaction)技术的出现以及DNA测序技术的不断完善, 利用大量分子序列资料进行系统发育重建成为可能。
分子数据, 尤其是DNA序列, 其数据的丰富性、在所有生物体中的可比性, 以及数据分析的规范性等特点使它成为进化———————————2008-06-10收稿, 2008-08-02收修改稿。
* 通讯作者(Author for correspondence. E-mail: gesong@; Tel.: 86-10-62836097; Fax: 86-10-62590843)。
植物分类学报 Journal of Systematics and Evolution 2008 46卷6期796生物学研究的重要手段, 而建立在数学和统计学基础上的系统发育树的构建理论和方法也由此获得了迅速发展, 形成了分子系统发育学(molecular phylogenetics)这一新的研究领域, 即利用生物大分子的信息来推断生物进化历史, 或者说重建生物类群的系统发育关系(Li, 1997; Nei & Kumar, 2000)。
由于不同的DNA片段在进化速率上存在较大差异, 因此可以在几乎所有分类学水平上推断生物类群之间的进化关系, 如用于研究近缘物种人与猿之间的亲缘关系, 以及古老的进化事件如叶绿体和线粒体的起源等问题(Li, 1997; Nei & Kumar, 2000)。
随着分子序列证据的广泛应用, 人们对现存陆生植物的各大类群之间、具体科属内部的物种之间的进化关系乃至栽培作物的起源等问题的认识也发生了根本性的变化(Crawford, 2000; Soltis & Soltis, 2000)。
Chase等(1993)分析了来自种子植物代表性类群的499条叶绿体rbc L序列, 首次基于分子证据全面探讨了被子植物的系统发育关系, 是植物分子系统发育重建研究的典范, 为后来进一步完善被子植物系统发育框架(APG II, 2003)奠定了重要的基础。
随着DNA序列测定技术的发展及其成本的大幅下降, 出于对单基因片段信息量有限以及基因树不等同于物种树的担忧, 很多研究已不再满足于用一个基因的序列来重建类群的系统发育关系。
Qiu等(1999)利用来自叶绿体、线粒体和核基因组的5个基因片段以及Soltis等(1999)利用来自叶绿体和核基因组的3个基因片段对被子植物系统发育关系的研究, 是系统发育重建进入多基因序列分析的代表性研究之一。
如今, 这种采用多基因序列进行系统发育重建的方法逐渐被广泛采用, 并已成为当前分子系统发育研究的一种基本方法(Wendel & Doyle, 1998; Crawford, 2000; Delsuc et al., 2005; Philippe et al., 2005a)。
随着越来越多的基因片段被用于系统发育研究, 基因树冲突(conflicting gene trees)现象也不断出现, 即, 对相同的类群, 用不同基因片段建树会得到不同的分支式样或系统发育关系, 并且, 这一现象已逐渐成为分子系统发育重建中难以避免的棘手问题之一。
本文首先介绍了分子系统学研究中普遍发生的基因树冲突现象以及引起基因树冲突的主要原因; 然后以笔者对稻属Oryza L.的系统发育基因组学研究为例, 介绍了系统发育基因组学这一新的研究方向及其在解决基因树冲突中的重要作用, 以期为目前分子系统学中的多基因序列建树研究提供一些启示和帮助。
1 基因树冲突——分子系统发育研究中日益突出的问题在分子系统发育研究中, 利用某一基因片段提供的信息所构建的系统发育树被称为基因树(gene tree), 而反映物种之间真实进化关系的系统发育树被称为物种树(species tree)。
虽然基因树不能等同于物种树, 但基因树的分支式样能够反映物种的进化历史(de Queiroz et al., 1995; Wendel & Doyle, 1998)。
当用多基因来建树以避免单基因建树信息量不足所带来的误差时, 人们发现, 不同基因片段可能会展现或多或少不同的分支式样甚至严重的分歧, 即基因树之间发生冲突。
随着分子证据的不断积累, 这种基因树之间出现不一致的案例也越来越多, 似乎已成为一种普遍现象(de Queiroz et al., 1995; Wendel & Doyle, 1998; Rokas & Carroll, 2006)。
以植物为例, 基因树之间的冲突广泛存在于不同的分类学水平上, 无论是在属内种间(Wendel et al., 1995; Rieseberg et al., 1996; Doyle et al., 1999; Ge et al., 1999; Cronn et al., 2002; Mason-Gamer, 2008), 科内属间(Olmstead & Sweere, 1994; Soltis & Kuzoff, 1995; Kellogg et al., 1996; Seelanan et al., 1997; Guo & Ge, 2005; Koch et al., 2007), 还是目以上或被子植物主要谱系间(Goremykin et al., 2004; Soltis et al., 2004; Stefanovic et al., 2004; Wortley et al., 2005), 甚至种子植物和其他陆生植物类群之间的各个分类学水平上均发现了基因树冲突现象(Won & Renner, 2003; Bergthorsson et al., 2004; Qiu et al., 2006)。