Name: Annotation de la fonction des gènes des plantes par lintermédiaire de génomique, la métabolomique et combinés informatique (Vidéo) | JoVE Journal
Uploaded: 2012-06-17T14:00:00.000+00:00
Duration: 8 min 9 s
Description: Découvrez l'annotation fonctionnelle des gènes végétaux par génomique et métabolomique combinées. Cette méthode intègre le profilage métabolique et l'analyse de co-expression pour identifier les gènes clés du métabolisme.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Nous tenons à remercier le professeur Saito Kazuki dans RIKEN CFP et le Dr Bjoern Usadel dans MPIMP pour des discussions utiles. TT est soutenu par une bourse de la fondation Alexander von Humboldt.

1. Préparation de l'échantillon <ol><li> Les matières végétales sont récoltés et congelés immédiatement. </li><li> Matières végétales congelées sont pulvérisés par vibro-broyeur (ou mortier) et stockées dans Falcon tube ou tube Eppendorf à -80 ° C. </li></ol> 2. Extraction pour le profilage des métabolites <ol><li> Aliquote congelée matériel végétal dans un tube Eppendorf de 2 ml. </li><li> Ajouter 5 pi de tampon d'extraction par milligramme de poids frais de matériel végétal congelé. </li><li> Ajouter un métal (ou gilconia), le ballon et homogénéiser la poudre de gelée avec le Mixer Mill pendant 2 min à 25 ls -1. </li><li> Centrifuger 10 min à 12000 rpm. </li><li> Transférer le surnageant dans un filtre centrifuge Nanosep. </li><li> Centrifuger 2 min à 4000 rpm. </li><li> Transférer le surnageant dans de nouveaux tube Eppendorf, et conserver à -20 ° C jusqu'à son utilisation. </li></ol> 3. Profilage des métabolites par LC-MS <ol><li> Mettre en place HPLC et vérifier la température du four à colonne et plateau d'échantillons. </li><li> Mettre en place l'état de SP et de vérifier l'état de vide et de chauffage capillaire. </li><li> Effectuer m / z d'étalonnage du détecteur MS. </li><li> Transfert de 50 ul d'extraits de flacon en verre pour LC-MS. </li><li> Injecter 5 ul d'extraits de la LC-MS. </li></ol> 4. Analyse des données <ol><li> Configurer Xcalibur ou Metalign 4 et sélectionnez l'analyse des données à traiter. </li><li> Préparer une table des pics détectés de votre intérêt en conformité avec classe de composés dans le Tableau I. </li><li> L'identification des pics par la co-élution de composés standard. </li><li> Annoter détecté des pics en utilisant MS 2 analyse, étude de la littérature, la recherche de base de données métabolite (figure 2, 12,13). </li></ol> 5. Prédiction de la voie métabolique <ol><li> Construire une voie possible avec des composés détectés. Prédiction de la voie en utilisant les annotations de pointe devrait être basée sur la structure chimique du composé détectés en prédisant lien entre les fonctions enzymatiques sur la voie métabolique 13. Étapes de biosynthèse de structuration devraient être menées avec l'annotation de pointe précis. Mais la détermination de la structure chimique détaillée, pour les fragment de sucre par exemple, n'est pas indispensable dans cette étape, parce que la prédiction de la fraction de sucre et de la position adduction est très difficile d'identifier par analyse MS. Détermination du type de sucre tels que hexoside et pentoside seront identifiés par un test enzymatique de donneur de sucre à la dernière étape du projet. La plupart du temps la construction de la prédiction de la voie doivent être effectués que petite molécule est intermédiaire de molécule plus grande, sauf dans les cas certains comme une réaction de déshydratation. Liste des poids moléculaire atomique, par exemple 16 m / z pour la différence entre-H et-OH fraction (oxydation), 14 m / z (l'atome de carbone) pour la différence entre-OH et-OMe (méthylation) et 162 m / z ( MW-H 2 O) pour hexose (glycosylation), est utile pour la prédiction. Détermination de laType de modification avec l'analyse de corrélation des spécificités des tissus aide de prédiction de la voie métabolique. Base de données de la voie métabolique général comme base de données KEGG ( <a href="http://www.genome.jp/kegg/" target="_blank">http://www.genome.jp/kegg/</a> ) et PlantCyc ( <a href="http://plantcyc.org/" target="_blank">http://plantcyc.org/~~V</a> ), est très efficace pour la prédiction de la voie métabolique de votre intérêt. </li></ol> 6. Préparation de la liste des gènes avec l'ID gène d'Arabidopsis orthologues <ol><li> Télécharger la liste des ID du gène de la base de données génomique. </li><li> Ajouter ID du gène d'Arabidopsis gène orthologue, dans le cas de votre plante cible n'est pas Arabidopsis. </li><li> Préparez une liste de gènes dans votre voie d'intérêt. Annotation des données de la voie d'Arabidopsis et de données de familles de gènes sont disponibles dans le site Web TAIR ( <a href="http://www.arabidopsis.org/" target="_blank">http://www.arabidopsis.org/~~V</a> ). Si vous avez préparé une liste de gènes orthologues Arabidopsis, vous pouvez ensuite combine eux. </li></ol> 7. Co-exprimés analyse génétique <ol><li> Testez l'aide de la liste de gènes préparée ID pour rechercher la meilleure base de données pour votre voie en vérifiant la corrélation en utilisant des paires de gènes bien connus dans votre voie d'intérêt (tableau II). Si la co-expression de base de données ou base de données l'expression des gènes ne sont pas disponibles dans l'installation de votre intérêt, Arabidopsis co-expression de base de données doit être utilisé avec une liste de gènes orthologues d'Arabidopsis. Dans le cas de l'orge, le riz, le peuplier, le blé, le soja et Medicago, la co-expression analyse des espèces végétales peuvent être utilisées (tableau II). </li><li> Construire le cadre de votre cible co-expression de réseau basée sur les connexions des gènes bien connus dans votre voie d'intérêt. </li><li> Ajouter gènes candidats corrélation (r &lt;0,4 ~ 0,90, au sein de valeur approximative de la valeur du coefficient entre les connexions des gènes bien connus dans votre voie d'intérêt) et de vérifier leur annotation des gènes dans votre prfamilles édictées aux connexions de ce réseau pour trouver des gènes meilleur candidat (Figure 3). Seuil de valeur de coefficient doivent être coordonnées selon l'une structure de réseau et la densité de gènes corrélés. </li><li> Faire une liste de gènes dont vous êtes en mesure d'affiner comme étant spécialisée à votre voie cible. </li><li> Vérifiez l'expression des gènes des spécificités d'organes et les réponses au stress de vos gènes candidats. </li></ol> 8. L'intégration de toutes les informations pour prédire Nouveaux Sentiers <ol><li> Ajouter gènes bien caractérisés qui ont été utilisés pour la requête de la co-expression de l'analyse à la voie métabolique prédit. </li><li> Vérifier les pièces non caractérisées dans cette voie, par exemple non caractérisés étapes enzymatiques, des protéines de transport et les facteurs de transcription. </li><li> Prédire l'annotation des gènes les plus adaptés à ces étapes manquantes non caractérisés. </li><li> Combiner les résultats de profilage des métabolites et des gènes candidats de in silico gel'expression ne basée sur la voie prévue. </li><li> Organisez vos gènes candidats sur la voie prédite selon la fonction des gènes, par exemple, pour acétyltransférase acétylé métabolite, glycosyltransférase pour glycoside, P450 pour le composé oxydé. Analyse de l'arbre phylogénétique des séquences d'acides aminés est utile pour une famille de gènes gamme tels que P450 et glycosyltransférase. </li><li> Vérifier la cohérence des spécificités des tissus ou des réactions de stress entre l'accumulation de métabolites et niveau d'expression génique de gènes candidats. </li><li> Vérifiez les connexions au métabolisme d'autres pour fournir des gènes substrat et le stress sensibles. </li></ol> 9. Des expériences pour l'identification de gènes grâce aux bio-ressources <ol><li> Vérifiez la disponibilité de ressources biologiques pour la facilitation de l'expérience pour l'identification de gènes candidats. </li><li> Effectuer une expérience pour l'identification de la fonction des gènes en utilisant des bio-ressources, telles que KO mutant bibliothèque et pleine longueur banque d'ADNc. Til expérimente pour l'identification fonctionnelle des gènes avec la préparation des plantes et la surexpression de mutants knock-out, le dosage enzymatique et dosage promoteur contraignant, doivent être effectuées pour les meilleurs gènes candidats dans votre prédiction. Dosage protéine recombinante pour la caractérisation des propriétés de protéines et de préparation de plantes surexpression mieux être effectuée après la confirmation de profil métabolite utilisant KO mutante étant donné qu'il est considérablement plus long à préparer une protéine recombinante et le clonage du gène pour la transformation. </li></ol> 10. Les résultats représentatifs La procédure d'analyse intégrée décrite dans ce protocole offre de nombreuses possibilités en fonction de fins expérimentales spécifié et le choix des combinaisons biologiques et analytiques. Choix des procédures et la conception expérimentale doit être effectuée correctement sur la base de votre voie cible, composés et les espèces végétales. La stratégie d'intégration décrites dans le présent protocole est foc utilisé sur l'annotation de la fonction des gènes des plantes et la découverte des fonctions des gènes nouveaux avec un usage efficace de plusieurs bio-et les données des ressources. Résultat escompté est promis de fournir avec le seul cas de la prédiction concluante. Ce fait indique que si des preuves suffisantes ne peut être donnée par les profils de combinaison, l'expérience ne devrait pas être démarré. Pour cette raison, dans tous les cas, d'autres expériences préliminaires telles que le profilage d'expression génique ciblée par RT-PCR, peuvent soutenir votre prédiction de la fonction des gènes. Précision et exactitude de la prédiction est en corrélation plus élevée en fonction de la différence qualitative et le numéro de la variation de la combinaison. En outre, les bons candidats et les résultats valides ne peut venir que de la prédiction précise des voies. Annotation de pointe devrait être menée par la combinaison de plusieurs approches, pour étude de la littérature, par exemple, extrait de plante de référence, MS n analyse, spécificité d'organe et de l'analyse mutant 13. 1 "src =" / files/ftp_upload/3487/3487fig1.jpg "/&gt; Figure 1. Vue d'ensemble de l'écoulement expérimental de l'annotation des gènes par approche combinée. Dans certains cas, les projets commencent par la découverte d'un pic de roman qui est détecté dans des conditions particulières ou des tissus, et le désir de comprendre son rôle au sein de son métabolisme. Dans d'autres cas le but du projet est l'identification des gènes ou la découverte des principaux facteurs de régulation tels que les facteurs de transcription. Conception de l'expérience devrait être raboté avec un ensemble de données qui montre des différences claires de niveaux de métabolites dans votre voie cible, en utilisant un large éventail d'échantillons de tissus provenant de différents organes, et pour les plantes cultivées de façon différentielle ou des plantes exposées à des conditions de stress, et en soumettant le matériau à profilage des métabolites. Plantes mutantes et transgéniques ainsi que QTL matériel de reproduction hébergement représentent également appropriée le matériel génétique de ces études. Prédiction de la nouvelle voie doit être effectuée avec soin préciseannotation de pointe et une approche combinaison avec différents types de metabolotype tels que les titres d'organes et les réponses au stress en fonction de données d'expression génique de votre voie d'intérêt. Dans la dernière étape, le profilage et la transcription métabolite doit être effectuée qui sera par la suite, lorsqu'il est combiné avec une analyse in silico des web-ressources et dans la caractérisation in vitro de l'expression des gènes par l'intermédiaire d'expression hétérologue, conduire à la confirmation de la gène candidat et l'élucidation de sa fonction et la position dans une voie métabolique. Abréviations: QTL, Quantitative Trait Loci. <img alt="Figure 2" src="/files/ftp_upload/3487/3487fig2.jpg" data-altupdatedat="1788238805000" data-alt="Figure 2"> Figure 2. Le flux de travail de l'approche combinatoire pour l'annotation de pointe. Une procédure d'identification de pointe et l'annotation par le composé standard, la comparaison de type sauvage et mutants knock out, la spectrométrie de masse multi-dimensionnelle de la crête cible se référant à des spectres de masse de la com purlivres des 12 bases de données. Abréviations: DB, bases de données; KO, knock-out; 1-D, une dimension; 2-D, à deux dimensions; RMN, résonance magnétique nucléaire; IR, infra-rouge; MS n, la masse-masse spectrométries. <img alt="Figure 3" src="/files/ftp_upload/3487/3487fig3.jpg" data-altupdatedat="1788238805000" data-alt="Figure 3"> Figure 3. Exemple d'analyse de réseau de co-régulation de la voie des anthocyanes. Analyses de co-expression ont été réalisées en utilisant l'amorce ( <a href="http://prime.psc.riken.jp/?action=coexpression_index" target="_blank">http://prime.psc.riken.jp/?action=coexpression_index</a> ) sur la base des données établies de la version 3 ATTEDII 8,2 avec le Programme Pajek ( <a href="http://vlado.fmf.uni-lj.si/pub/networks/pajek/" target="_blank">http://vlado.fmf.uni-lj.si/pub/networks/pajek/</a> ). Des corrélations positives (r &lt;0,5) sont utilisés pour établir des connexions réseau. Rouge noeud: douze gènes enzymatiques (anthocyanes At5g13930, CHS, TT4, chalcone synthase; At3g55120, CHI, TT5, chalcone isomérisation; At3g51240, F3H, TT6, flavanone 3-hydroxylase; At5g07990, F3'H, TT7, flavonoïde 3'-hydroxylase; At5g17050, Fd3GT, UGT78D2, flavinoïde 3 - O-glucosyltransférase; At5g17220, AtGSTF12, TT19 ; At5g42800, DFR, TT3, dihydroflavonol réductase; At4g22880, SNA / LDOX, TT18, anthocyanidine synthese; At4g14090, A5GT, anthocyanes 5 - O-glucosyltransférase; At5g54060, A3G2 "XT, putative anthocyanine 3 - O-glucoside 2" - O - xylosyltransferase; At3g29590, A5GMaT, anthocyanes 5 - O-glucoside 6'' '- O-malonyltransferase; At1g03940, A3GCouT, anthocyanine 3 - O-glucoside 6 "- O - p-coumaroyltransferase) et deux facteurs de transcription pour la production d'anthocyanine (At1g56650, PAP1; At1g66390, PAP2) a été utilisé pour la recherche des gènes candidats gènes candidats ont été trouvés par une «intersection des ensembles" de recherche avec une valeur seuil avec un coefficient de r &lt;./ Em &gt;&gt; 0,50 interrogé par l'intersection des ensembles de tous les gènes interrogées (Quatorze gènes de biosynthèse de anthocyanes). Un réseau de co-expression, y compris les gènes candidats corrélés (68 gènes) et des gènes interrogées (14 gènes), a été re-construit par une «interconnexion des ensembles" recherche avec r&gt; 0,50 en utilisant la base de données PRIME. Les fichiers de sortie qui ont été formatés avec un fichier '. Net »de la base de données PRIME et réseaux ont été établis en utilisant le logiciel Pajek. Noeud bleu indique des gènes candidats qui sont corrélés avec des gènes d'anthocyanine. <table border="1"><tbody><tr><td> espèce </td><td> Major métabolite secondaire </td></tr><tr><td> Arabidopsis thaliana </td><td> Glucosinolates, les flavonols, anthocyanes, dérivé sinapoyl </td></tr><tr><td> Populus trichocarpa </td><td> Flavonols, anthocyanes, dérivé de salicylate </td></tr><tr><td> Vitis vinifera </td><td> Flavonols, anthocyanes, tanins, stilbène </td></tr><tr><td> Solanum lycopersicum </td><td> Flavonols, anthocyanes, glycoalcaloïde, chrologenate connexe, </td></tr><tr><td> Nicotiana tabacum </td><td> Flavonols, anthocyanes, nicotianamide, chrologenate connexe, acylsugar </td></tr><tr><td> Oryza sativa </td><td> Glycoflavone, anthocyanes, les dérivés de stérols </td></tr><tr><td> Zea mai </td><td> Glycoflavone, anthocyanes, benzoxazinone, dérivés du stérol </td></tr><tr><td> Medicago truncatula </td><td> Isoflavones, anthocyanes, la saponine, </td></tr><tr><td> Japonica Lotus </td><td> Isoflavones, flavonols, anthocyanes, la saponine, </td></tr></tbody></table> Tableau I. Principales métabolites secondaires des espèces végétales modèles. <table border="1"><tbody><tr><td> La co-expression de base de données </td><td> Adresse </td></tr><tr><td> Plante de croix specs </td><td></td></tr><tr><td> Conférence des Parties </td><td> <a href="http://webs2.kazusa.or.jp/kagiana/cop0911/" target="_blank">http://webs2.kazusa.or.jp/kagiana/cop0911/~~V</a> </td></tr><tr><td> PlaNet </td><td> <a href="http://aranet.mpimp-golm.mpg.de/" target="_blank">http://aranet.mpimp-golm.mpg.de/</a> </td></tr><tr><td> Les espèces végétales </td><td></td></tr><tr><td> ATEED-II </td><td> <a href="http://atted.jp/" target="_blank">http://atted.jp/</a> </td></tr><tr><td> BAR </td><td> <a href="http://142.150.214.117/welcome.htm" target="_blank">http://142.150.214.117/welcome.htm</a> </td></tr><tr><td> Conférence des Parties </td><td> <a href="http://webs2.kazusa.or.jp/kagiana/cop" target="_blank">http://webs2.kazusa.or.jp/kagiana/cop</a> </td></tr><tr><td> GeneCAT </td><td> <a href="http://genecat.mpg.de/" target="_blank">http://genecat.mpg.de/</a> </td></tr><tr><td> Arabidopsis </td><td></td></tr><tr><td> AGIR </td><td> <a href="http://www.arabidopsis.leeds.ac.uk/act/coexpanalyser" target="_blank">http://www.arabidopsis.leeds.ac.uk/act/coexpanalyser</a> </td></tr><tr><td> AthCoR@CSB.DB </td><td> <a href="http://csbdb.mpimp-golm.mpg.de/csbdb/dbcor/ath.html" target="_blank">http://csbdb.mpimp-golm.mpg.de/csbdb/dbcor/ath.html</a> </td></tr><tr><td> CressExpress </td><td> <a href="http://cressexpress.org/" target="_blank">http://cressexpress.org/~~V</a> </td></tr><tr><td> PRIMe </td><td> <a href="http://prime.psc.riken.jp/?action=coexpression_index" target="_blank">http://prime.psc.riken.jp/?action=coexpression_index</a> </td></tr><tr><td> Oryza sativa </td><td></td></tr><tr><td> RiceArrayNet </td><td> <a href="http://arraynet.mju.ac.kr/arraynet/" target="_blank">http://arraynet.mju.ac.kr/arraynet/~~V</a> </td></tr><tr><td> Base de données array riz </td><td> <a href="http://www.ricearray.org/coexpression/coexpression.shtml" target="_blank">http://www.ricearray.org/coexpression/coexpression.shtml</a> </td></tr></tbody></table> Tableau II. Disponible base de données d'expression génique pour in silico la co-expression d'analyse.

<ol><li>Aharoni, A., Keizer, L. C. P., Bouwmeester, H. J., Sun, Z. K., Alvarez-Huerta, M., Verhoeven, H. A., Blaas, J., van Houwelingen, A., De Vos, R. C. H., van der Voet, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SAAT+gene+involved+in+strawberry+flavor+biogenesis+by+use+of+DNA+microarrays%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">SAAT gene involved in strawberry flavor biogenesis by use of DNA microarrays.</a> Plant Cell. 12, 647-661 (2000).</li>
<li>Akiyama, K., Chikayama, E., Yuasa, H., Shimada, Y., Tohge, T., Shinozaki, K., Hirai, M. Y., Sakurai, T., Kikuchi, J., Saito, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PRIMe%3A+a+Web+site+that+assembles+tools+for+metabolomics+and+transcriptomics%5BTitle%5D)+AND+%22In+Silico+Biol%22%5BJournal%5D)">PRIMe: a Web site that assembles tools for metabolomics and transcriptomics.</a> In Silico Biol. 8, 339-345 (2008).</li>
<li>Araujo, W. L., Ishizaki, K., Nunes-Nesi, A., Larson, T. R., Tohge, T., Krahnert, I., Witt, S., Obata, T., Schauer, N., Graham, I. A., Leaver, C. J., Fernie, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+the+2-Hydroxyglutarate+and+Isovaleryl-CoA+Dehydrogenases+as+Alternative+Electron+Donors+Linking+Lysine+Catabolism+to+the+Electron+Transport+Chain+of+Arabidopsis+Mitochondria%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">Identification of the 2-Hydroxyglutarate and Isovaleryl-CoA Dehydrogenases as Alternative Electron Donors Linking Lysine Catabolism to the Electron Transport Chain of Arabidopsis Mitochondria.</a> Plant Cell. 22, 1549-1563 (2010).</li>
<li>De Vos, R. C. H., Moco, S., Lommen, A., Keurentjes, J. J. B., Bino, R. J., Hall, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Untargeted+large-scale+plant+metabolomics+using+liquid+chromatography+coupled+to+mass+spectrometry%5BTitle%5D)+AND+%22Nat.+Protoc%22%5BJournal%5D)">Untargeted large-scale plant metabolomics using liquid chromatography coupled to mass spectrometry.</a> Nat. Protoc. 2, (2007).</li>
<li>Hirai, M. Y., Sugiyama, K., Sawada, Y., Tohge, T., Obayashi, T., Suzuki, A., Araki, R., Sakurai, N., Suzuki, H., Aoki, K., Goda, H., Nishizawa, O. I., Shibata, D., Saito, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Omics-based+identification+of+Arabidopsis+Myb+transcription+factors+regulating+aliphatic+glucosinolate+biosynthesis%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Omics-based identification of Arabidopsis Myb transcription factors regulating aliphatic glucosinolate biosynthesis.</a> Proceedings of the National Academy of Sciences of the United States of America. 104, 6478-6483 (2007).</li>
<li>Mutwil, M., Klie, S., Tohge, T., Giorgi, F. M., Wilkins, O., Campbell, M. M., Fernie, A. R., Usadel, B., Nikoloski, Z., Persson, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PlaNet%3A+Combined+Sequence+and+Expression+Comparisons+across+Plant+Networks+Derived+from+Seven+Species%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">PlaNet: Combined Sequence and Expression Comparisons across Plant Networks Derived from Seven Species.</a> Plant Cell. 23, 895-910 (2011).</li>
<li>Mutwil, M., Ruprecht, C., Giorgi, F. M., Bringmann, M., Usadel, B., Persson, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Transcriptional+Wiring+of+Cell+Wall-Related+Genes+in+Arabidopsis%5BTitle%5D)+AND+%22Molecular+Plant%22%5BJournal%5D)">Transcriptional Wiring of Cell Wall-Related Genes in Arabidopsis.</a> Molecular Plant. 2, 1015-1024 (2009).</li>
<li>Obayashi, T., Kinoshita, K., Nakai, K., Shibaoka, M., Hayashi, S., Saeki, M., Shibata, D., Saito, K., Ohta, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ATTED-II%3A+a+database+of+co-expressed+genes+and+cis+elements+for+identifying+co-regulated+gene+groups+in+Arabidopsis%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">ATTED-II: a database of co-expressed genes and cis elements for identifying co-regulated gene groups in Arabidopsis.</a> Nucleic Acids Research. 35, D863-D869 (2007).</li>
<li>Ogata, Y., Suzuki, H., Sakurai, N., Shibata, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CoP%3A+a+database+for+characterizing+co-expressed+gene+modules+with+biological+information+in+plants%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">CoP: a database for characterizing co-expressed gene modules with biological information in plants.</a> Bioinformatics. 26, 1267-1268 (2010).</li>
<li>Persson, S., Wei, H. R., Milne, J., Page, G. P., Somerville, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+genes+required+for+cellulose+synthesis+by+regression+analysis+of+public+microarray+data+sets%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Identification of genes required for cellulose synthesis by regression analysis of public microarray data sets.</a> Proceedings of the National Academy of Sciences of the United States of America. 102, 8633-8638 (2005).</li>
<li>Tohge, T., Yonekura-Sakakibara, K., Niida, R., Watanabe-Takahashi, A., Saito, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Phytochemical+genomics+in+Arabidopsis+thaliana%3A+A+case+study+for+functional+identification+of+flavonoid+biosynthesis+genes%5BTitle%5D)+AND+%22Pure+and+Applied+Chemistry%22%5BJournal%5D)">Phytochemical genomics in Arabidopsis thaliana: A case study for functional identification of flavonoid biosynthesis genes.</a> Pure and Applied Chemistry. 79, 811-823 (2007).</li>
<li>Tohge, T., Fernie, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Web-based+resources+for+mass-spectrometry-based+metabolomics%3A+A+user%27s+guide%5BTitle%5D)+AND+%22Phytochemistry%22%5BJournal%5D)">Web-based resources for mass-spectrometry-based metabolomics: A user's guide.</a> Phytochemistry. 70, 450-456 (2009).</li>
<li>Tohge, T., Fernie, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Combining+genetic+diversity%2C+informatics+and+metabolomics+to+facilitate+annotation+of+plant+gene+function%5BTitle%5D)+AND+%22Nature+Protocols%22%5BJournal%5D)">Combining genetic diversity, informatics and metabolomics to facilitate annotation of plant gene function.</a> Nature Protocols. 5, 1210-1227 (2010).</li>
<li>Tohge, T., Kusano, M., Fukushima, A., Saito, K., Fernie, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Transcriptional+and+metabolic+programs+following+exposure+of+plants+to+UV-B+irradiation%5BTitle%5D)+AND+%22Plant+Signal+Behav%22%5BJournal%5D)">Transcriptional and metabolic programs following exposure of plants to UV-B irradiation.</a> Plant Signal Behav. 6, Forthcoming (2011).</li>
<li>Tohge, T., Ramos, M. S., Nunes-Nesi, A., Mutwil, M., Giavalisco, P., Steinhauser, D., Schellenberg, M., Willmitzer, L., Persson, S., Martinoia, E., Fernie, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Towards+the+storage+metabolome%3A+profiling+the+barley+vacuole%5BTitle%5D)+AND+%22Plant+Physiol%22%5BJournal%5D)">Towards the storage metabolome: profiling the barley vacuole.</a> Plant Physiol. , (2011).</li>
<li>Yonekura-Sakakibara, K., Tohge, T., Matsuda, F., Nakabayashi, R., Takayama, H., Niida, R., Watanabe-Takahashi, A., Inoue, E., Saito, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comprehensive+flavonol+profiling+and+transcriptome+coexpression+analysis+leading+to+decoding+gene-metabolite+correlations+in+Arabidopsis%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">Comprehensive flavonol profiling and transcriptome coexpression analysis leading to decoding gene-metabolite correlations in Arabidopsis.</a> Plant Cell. 20, 2160-2176 (2008).</li>
</ol>

Pas de conflits d&#39;intérêt déclarés.

Étant donné que la transcriptomique et la métabolomique technologies ont été utilisées pendant plusieurs années, le processus d&#39;intégration de données pour la métabolomique assistés annotation des gènes débute généralement par l&#39;identification d&#39;un pic roman représentant un métabolite inconnu. Ce fait conduit à l&#39;étape suivante qui consiste à évaluer la variance quantitative des pics de métabolites ou les nouveaux gènes candidats jugés responsables de leur biosynthèse. La stratégie décrite dans le présent protocole, cependant, a trois problèmes majeurs i) difficulté d&#39;annotation de pointe, ii) la complexité de la prédiction du sentier, iii) la résolution de l&#39;information génétique et la qualité des données d&#39;expression génique. Pour contrer le premier problème, l&#39;annotation de pointe doit être effectuée avec le co-élution de composés standard ou de l&#39;information approche combinatoire en utilisant l&#39;analyse à partir de MS n, extrait de référence, analyse de mutants, de recherche de base de données métabolite et revue de la littérature (Figure 2, 12). Pour la sproblème EUXIÈME, prévision voie ne peut être obtenue par l&#39;annotation de pointe correcte. Toutefois, le profilage métabolite de la spécificité tissulaire peut aussi être l&#39;annotation de pointe de soutien, parce que l&#39;accumulation métabolite doit être en corrélation avec les expressions de gènes de gènes apparentés. Par conséquent profils de combinaison de différents tissus et les conditions de croissance peut être utile pour ce second problème. Le troisième problème concerne la résolution de l&#39;information génétique dépend de l&#39;état d&#39;avancement de données de séquences. Dans le cas de l&#39;usine modèle sans fin de la séquence du génome, la co-expression d&#39;analyse en utilisant des gènes orthologues chez des plantes modèles d&#39;autres est utile. Comparaison et l&#39;analyse détaillée d&#39;alignement arbre phylogénétique de la séquence d&#39;acides aminés peut prendre en charge pour se connecter organismes modèles à d&#39;autres espèces. Ce protocole est adapté à tous les métabolismes. Il est plus efficace dans l&#39;analyse des métabolismes intermédiaires et secondaires qui sont bien caractérisés pour être soumis à la transcription c forteontrôle 1,5,11,16. Des exemples, dans la co-expression d&#39;analyse a réussi à être exécutée dans l&#39;assimilation du soufre, des gènes pour β-oxydation, à chaîne ramifiée dégradation de l&#39;acide aminé, ventilation chlorophylle, et le catabolisme lysine, de la paroi cellulaire 3 métabolisme 10,7 et la lumière de signalisation en cascade 14. Annotation fonctionnelle des gènes par l&#39;intermédiaire génomique, la métabolomique combinés et de l&#39;informatique n&#39;est pas seulement pour le gène de biosynthèse et de régulateur direct du facteur de transcription, mais aussi pour la compréhension de processus physiologique et de la réponse (voir Figure 3 par exemple. 14). Pour développer cette approche à partir de plantes modèles pour les espèces cultivées, la comparaison métabolique de toutes les espèces végétales est une approche puissante dans certains métabolismes généraux. Par exemple, si un même composé est détectée dans différentes espèces de plantes, et quelques gènes orthologues sont trouvés dans ces espèces de plantes, croix espèces co-expression des gènes orthologues analyse à l&#39;aide peuvent fournir strong de support pour votre prédiction. Cette approche peut être effectuée chez Arabidopsis, le peuplier, Medicago, en plus des cultures importantes comme l&#39;orge, le riz, le blé et le soja, par la co-expression d&#39;analyse des plantes (6, PlaNet: <a href="http://aranet.mpimp-golm.mpg.de/" target="_blank">http://aranet.mpimp-golm.mpg . de /</a> ,, 9, la CdP: <a href="http://webs2.kazusa.or.jp/kagiana/cop0911/" target="_blank">http://webs2.kazusa.or.jp/kagiana/cop0911/</a> ; voir un exemple, 15).

<table border="1"><tbody><tr><td> Nom du réactif </td><td> Entreprise </td><td> Numéro de catalogue </td></tr><tr><td> Eau distillée ULC / MS grad </td><td> BIOSOLVE </td><td> 23214102 </td></tr><tr><td> Acétonitrile (ACN) ULC / MS de qualité </td><td> BIOSOLVE </td><td> 01204102 </td></tr><tr><td> Le méthanol (MeOH) ULC / MS de qualité </td><td> BIOSOLVE </td><td> 13684102 </td></tr><tr><td> L&#39;acide formique (HCOOH) ULC / MS de qualité pour la chromatographie liquide </td><td> BIOSOLVE </td><td> 06914131 </td></tr><tr><td> Composés standard </td><td> Extrasynthèse </td><td></td></tr><tr><td> Piège à ions linéaire (IT) ESI-MS système FINNIGAN-LTQ </td><td> Thermo Finnigan </td><td></td></tr><tr><td> Arpenteur système HPLC </td><td> Thermo Finnigan </td><td></td></tr><tr><td> Luna analytique colonne C18 (2), 2,0 mm de diamètre, 150 mm de longueur, 100 pores Ået la taille des particules sphériques de 3 mm </td><td> Phenomenex </td><td> 00F-4251-B0 </td></tr><tr><td> Xcalibur logiciels </td><td> Thermo Finnigan </td><td></td></tr></tbody></table>

annotation de la fonction des gènes des plantes par l&#39;intermédiaire de génomique, la métabolomique et combinés informatique

Annotation of Plant Gene Function via Combined Genomics, Metabolomics and Informatics

Compte tenu du nombre sans cesse croissant d&#39;espèces de plantes modèles pour lesquels des séquences génomiques complètes sont disponibles et l&#39;abondance des ressources biologiques telles que les mutants knock-out, adhésions sauvages et les populations de sélection avancées, il ya une charge croissante pour l&#39;annotation fonctionnelle des gènes. Dans ce protocole, l&#39;annotation de la fonction des gènes des plantes en utilisant combiné l&#39;analyse du gène co-expression, la métabolomique et de l&#39;informatique est fourni (Figure 1). Cette approche est basée sur la théorie de l&#39;utilisation de gènes cibles de fonction connue pour permettre l&#39;identification des gènes non annotés susceptibles d&#39;être impliqués dans un processus métabolique certaine, avec l&#39;identification de composés cibles par l&#39;intermédiaire métabolomique. Des stratégies sont mises en avant pour l&#39;application de cette information sur les populations générés par les deux approches de génétique directe et inverse, en dépit d&#39;aucun d&#39;entre eux sont sans effort. En corollaire de cette approche peut également être utilisé comme une approche pour caractériser les pics inconnus représentant nouvelle ou spécifique en soimétabolites dans les tissus condaires limitées, les espèces végétales ou de traitement du stress, qui est actuellement le procès important de comprendre le métabolisme des plantes.

Combinaison de la génomique, l&#39;analyse du gène co-expression et l&#39;identification de composés cibles par métabolisme donner annotation des gènes fonctionnels.

Annotation de la fonction des gènes des plantes par l&#39;intermédiaire de génomique, la métabolomique et combinés informatique

Étant donné le nombre croissant d'espèces de plantes modèles pour lesquelles des séquences génomiques complètes sont disponibles et l'abondance de bio-ressources telles que...

L'objectif général de l'expérience suivante est de découvrir et de caractériser de nouvelles fonctions géniques à l'aide de l'annotation des gènes par une analyse combinée du profilage des métabolites et de l'analyse de la co-expression. Ceci est réalisé en tenant compte de la conception expérimentale, en mettant l'accent sur des voies métaboliques spécifiques et des espèces végétales particulières. Dans un deuxième temps, des approches analytiques sont utilisées pour reconstruire la voie métabolique complète à partir des structures chimiques des composés détectés.Ensuite, la structure du chemin métabolique prédit est intégrée à une analyse de co-expression afin de restreindre les gènes candidats, qui indiquent vraisemblablement les gènes clés du métabolisme. En fin de compte, les résultats sont obtenus en réalisant un nombre minimal d'expériences avec une utilisation efficace de plusieurs ressources biologiques afin de caractériser l'identification fonctionnelle des gènes. Nous avons eu l'idée de cette méthode lorsque nous avons observé une corrélation très élevée entre les gènes Abosi OID bio cystiques dans la base de données de co-expression nommée ate.Nous considérons que cette stratégie constitue l'un des moyens les plus rapides pour identifier les fonctions de nouveaux gènes à l'aide des données disponibles publiquement dans des bases de données et pour utiliser efficacement les ressources biologiques. Pour commencer l'extraction, récoltez les échantillons végétaux et congélez-les immédiatement dans de l'azote liquide. Une fois congelés en poudre, utilisez un broyeur à billes pour prélever des aliquotes du matériau végétal congelé dans des tubes EOR de deux millilitres, puis ajoutez une bille métallique dans chaque tube.Ajoutez 250 microlitres de tampon d'extraction pour chaque 50 milligrammes d'échantillon. Le tampon d'extraction contient l'étalon interne utilisé pour la normalisation. Ensuite, homogénéisez la poudre congelée à l’aide du broyeur à billes pendant deux minutes.À une fréquence de 25, centrifuger l'échantillon à 12 000 tr/min pendant 10 minutes. Ensuite, transférer le surnageant dans un filtre centrifuge. Après avoir effectué un deuxième cycle de centrifugation, transférer le surnageant dans un nouveau tube einor.Ensuite, configurez la CPG en vérifiant d'abord que la température du four de colonne est de 35 degrés Celsius et que celle du plateau d'échantillons est de 10 degrés Celsius. Configurez les conditions de spectrométrie de masse et vérifiez l'état du vide et du capillaire chauffant. Effectuez une calibration en masse surcharge de détecteur MS par injection par infusion du mélange de solution d'étalonnage.Utiliser l'application de calibration automatique dans le logiciel. Ensuite, transférer 50 microlitres des extraits dans un flacon en verre. Pour la HPLC, effectuer au moins cinq injections de tampon d'extraction avant de réaliser l'analyse du premier échantillon, comme décrit dans la procédure écrite.Après avoir configuré un outil d'analyse par spectrométrie de masse, sélectionnez les données à traiter. Préparez un tableau des pics détectés d'intérêt conformément à la classe de composés indiquée dans le protocole écrit. Identifiez les pics par co-évolution avec des composés standards, annotez les pics détectés à l'aide de l'analyse Ms.MS, de la littérature, d'une revue bibliographique et de recherches dans des bases de données de métabolites à cette étape.La prédiction de la voie métabolique doit être basée sur les structures chimiques en reliant la fonction enzymatique à la voie métabolique. Ainsi, ces étapes doivent être réalisées par une attribution précise des pics des composés détectés. Les bases de données sur les voies métaboliques générales, telles que la base de données KEGG et PlantCyc, sont très efficaces pour prédire la voie métabolique d'intérêt.Pour préparer une liste de gènes avec les gènes orthologues d'Arabidopsis, téléchargez d'abord une liste d'identifiants de gènes à partir de la base de données génomique. Ajoutez l'identifiant du gène d'Arabidopsis des gènes orthologues si la plante cible n'est pas Arabidopsis. Préparez ensuite une liste des gènes impliqués dans la voie métabolique d'intérêt.L'annotation des données sur les voies d'Arabidopsis et les données sur les familles de gènes est disponible sur le site web TAAR. Les listes de gènes orthologues d'Arabidopsis peuvent ensuite être combinées. Réalisez une analyse de réseau de co-expression en utilisant la liste de gènes préparée pour interroger la meilleure base de données afin de prédire la voie.Vérification de la corrélation de paires de gènes bien connues dans le chemin biologique d'intérêt. Si la base de données d'expression concomitante ou la base de données d'expression génique n'est pas disponible, dans le plan d'intérêt, la base de données d'expression concomitante d'Arabidopsis doit être utilisée avec une liste de gènes orthologues d'Arabidopsis.Ensuite, construisez le cadre du réseau de co-expression cible. Sur la base des connexions des gènes bien connus dans la voie d'intérêt, ajoutez les gènes candidats corrélés et vérifiez leur annotation génique au sein des familles prédites en les rattachant à ce réseau afin d'identifier le meilleur candidat.Le seuil des gènes pour la valeur du coefficient doit être ajusté en fonction de la structure du réseau et de la densité des gènes corrélés. Établissez maintenant une liste de gènes pouvant être restreinte à ceux spécialisés dans la voie cible. À l’aide de cette liste, vérifiez l’expression des gènes en fonction des spécificités organiques et des réponses au stress des gènes candidats.Commencez l'intégration des informations en ajoutant des gènes bien caractérisés, qui ont été utilisés comme requête pour l'analyse de co-expression, au chemin métabolique prédit. Effectuez une recherche bibliographique afin de vérifier si les parties non caractérisées de ce chemin sont nouvelles, notamment les étapes enzymatiques non caractérisées, les protéines de transport et les facteurs de transcription. À ce stade, prédisez l'annotation génique la plus appropriée pour ces étapes manquantes non caractérisées.Combiner les résultats du profilage des métabolites et des gènes candidats d'expression génique in silico basés sur la voie prédite. Ensuite, organiser les gènes candidats sur la voie prédite en fonction de la fonction du gène. Par exemple, acétyltransférase pour le métabolite acétylé, glycosyltransférase pour le glycoside et P quatre 50 pour le composé oxydé.Vérifiez la concordance des spécificités tissulaires ou des réponses au stress entre l'accumulation de métabolites et le niveau d'expression génique des gènes candidats. Examinez également les connexions avec d'autres voies métaboliques fournissant des substrats ainsi que les gènes répondant au stress. Enfin, réalisez une expérience visant à identifier la fonction du gène à l'aide de bioressources telles qu'une bibliothèque de mutants d'insertion (knockout) et une bibliothèque d'ADNc pleine longueur.Voici un exemple d'analyse de réseau de co-régulation de la voie des anthocyanes. Des analyses de co-expression ont été réalisées à l'aide de l'indice de co-expression PRAM basé sur le jeu de données de la version trois enrichie, avec le programme PX affichant en rouge 12 gènes enzymatiques des anthocyanes et deux facteurs de transcription impliqués dans la production d'anthocyanes utilisés pour la recherche de gènes candidats. Un réseau de co-expression comprenant 68 gènes candidats corrélés et 14 gènes interrogés a été reconstruit par une interconnexion d'ensemble à l'aide de la base de données Prime, produisant des fichiers de sortie T net qui ont été tracés à l'aide du logiciel PX.Les nœuds bleus indiquent les gènes candidats qui sont corrélés aux gènes d'anthocyane après son développement. Cette stratégie nous donnera une bonne indication pour prédire et déterminer de nouvelles fonctions géniques dans le métabolisme des plantes.

annotation-plant-gene-function-via-combined-genomics-metabolomics

Research

Recherche

JoVE Journal

Biology

Biologie

La biomasse végétale offre une ressource renouvelable pour plusieurs produits, y compris le carburant, l'alimentation, la nourriture et une variété de matériaux. Dans cet article, nous étudions les propriétés de l'arbre de tabac (Nicotiana glauca) et de peupliers de sources appropriées pour un pipeline de bioraffinerie.

Transcription et profilage des métabolites pour l&#39;évaluation des arbres tabac et le peuplier comme matière première pour l&#39;industrie de la bioéconomie

Cet article décrit l'application de la métabolomique untargeted, transcriptomique et analyse statistique multivariée à raisin transcriptions de baies et de métabolites, afin de mieux comprendre le concept de terroir, à savoir, l'impact de l'environnement sur les caractéristiques de qualité des baies.

Le concept Terroir Interprété par Grape Berry métabolomique et transcriptomique

Ici, nous présentons un protocole de capture interactif appliqué aux protoplastes de mésophylle de la feuille d' Arabidopsis thaliana . Cette méthode repose de manière critique sur la réticulation UV in vivo et permet l'isolement et l'identification des protéines de liaison de l'ARNm de la plante à partir d'un environnement physiologique.

Capture interactine d&#39;ARNm à partir de protoplastes végétaux

Cet article décrit la procédure pour l’identification et la caractérisation d’une famille de gènes dans la vigne à cette famille d' Arabidopsis Tóxicos dans Levadura (ATL) E3 ubiquitine ligases.

Flux de travail complet pour le génome-large d’Identification et de la Meta-analyse de l’Expression de la famille des gènes ATL E3 ubiquitine Ligase à Grapevine

L'analyse à l'échelle du système de plusieurs biomolécules est cruciale pour obtenir des informations fonctionnelles et mécanistes sur les processus biologiques. Par la présente, un protocole étendu est décrit pour l'extraction à haut débit des lipides, des métabolites, des protéines et de l'amidon à partir d'un seul échantillon récolté à partir de la culture synchronisée de Chlamydomonas.

Une méthode d'extraction multi-omics pour l'analyse approfondie des cultures synchronisées de l'alga verte Chlamydomonas reinhardtii

Un protocole d’extraction du génome guidé par spectrométrie de masse est établi et décrit ici. Il est basé sur l’information sur la séquence génomique et l’analyse LC-MS/MS et vise à faciliter l’identification des molécules à partir d’extraits microbiens et végétaux complexes.

L’extraction du génome guidée par spectrométrie de masse comme outil pour découvrir de nouveaux produits naturels

En exécutant l’outil d’étude pathway association (PAST), soit via l’application Shiny, soit via la console R, les chercheurs peuvent mieux comprendre la signification biologique des résultats de leur étude d’association à l’échelle du génome (GWAS) en étudiant les voies métaboliques impliquées.

Un outil d’étude d’association de voies pour les analyses GWAS de l’information sur les voies métaboliques

Dans ce protocole, nous présentons un flux de travail optimisé, qui combine une préparation efficace et rapide des échantillons de nombreux échantillons. En outre, nous fournissons un guide étape par étape pour réduire les variations analytiques pour l’évaluation à haut débit des études GWAS métaboliques.

Études d’association multi-omiques à grande échelle à l’échelle du génome (Mo-GWAS): Lignes directrices pour la préparation et la normalisation des échantillons

La méthode développée de marquage 13C-6-Glucose combinée à la spectrométrie de masse haute résolution par chromatographie liquide est polyvalente et jette les bases d’études futures sur les organes primaires et les voies impliquées dans la synthèse des métabolites secondaires dans les plantes médicinales, ainsi que sur l’utilisation complète de ces métabolites secondaires.

13Marquage C6-glucose associé à la LC-MS : identification des organes primaires des plantes dans la synthèse des métabolites secondaires

Description d'une induite par le virus gene silencing (VIGS) méthode pour le knock-down de l'expression génique dans...

Induite par le virus Gene Silencing (VIGS) dans Nicotiana benthamiana Et aux tomates

Découvrez l'annotation fonctionnelle des gènes végétaux par génomique et métabolomique combinées. Cette méthode intègre le profilage métabolique et l'analyse de co-expression pour identifier les gènes clés du métabolisme.

Annotation de la fonction des gènes des plantes par l'intermédiaire de génomique, la métabolomique et combinés informatique

Explorer plus de vidéos