Bioinformatic method for determining single nucleotide polymorphisms on the example of gene WIN in Glycine max

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

In this paper, a hypothetical method for locating SNPs (single nucleotide polymorphisms) on the example of the ribonuclease gene WIN was proposed. Ribonuclease comprises an enzyme that participates in defence reactions against fungal infections in soybeans, as well as other protective responses to biotic stress. Its belonging to the RNA-ases group determines the specific properties, namely the ability to degrade foreign nucleic acids. This ability provides for a general nonspecific immune response of the plant to the invasion of antigenic structures. Modern biotechnology calls for the development of molecular methods and approaches that will increase the resistance of a culture or accelerate the processes of its adaptation in the field. This problem can be solved by using technologies of SNP artificial induction in those parts of the genome that encode proteins capable of acting in protective reactions against biotic stress. In the study, 5 single-nucleotide polymorphisms were proposed using bioinformatic analysis. Since the localisation and detection of SNPs comprise a challenging task due to the presence of a single nucleotide change, in the biotechnological practice, predictive analysis is carried out in order to localise the potential sequence of occurring single-nucleotide polymorphism. Following the identification of the hypothetical SNP location, they can be further detected using complex molecular methods, such as real-time PCR or local sequencing. This technology can become a powerful tool for breeding soybean varieties having predetermined properties. Such theoretical and predictive models will allow for a quicker response to the dynamic environment under manmade load on plants.

Авторлар туралы

P. Timkin

All-Russian Research Institute of soybean

Email: tpd@vniisoi.ru

A. Penzin

All-Russian Research Institute of soybean

Email: paa@vniisoi.ru

Әдебиет тізімі

  1. Lander E. S. Initial sequencing and analysis of the human genome. Nature. 2001;409:860-921. https://doi.org/10.1038/35057062.
  2. Makki R. M., Saeedi A. A., Khan T. K., Ali H. M., Ramadan A. M. Single nucleotide polymorphism analysis in plastomes of eight Catharanthus roseus cultivars. Biotechnology & Biotechnological Equipment. 2019;33(1):419-428. https://doi.org/10.1080/13102818.2019.1579671.
  3. Sukhumsirichart W. Polymorphisms. In: Genetic Diversity and Disease Susceptibility. Liu Ya. (ed.). 2018, 164 p. https://doi.org/10.5772/intechopen.76728.
  4. Morgil H., Gercek Y. C., Tulum I. Single nucleotide polymorphisms (SNPs) in plant genetics and breeding. In: The Recent Topics in Genetic Polymorphisms. Çalışkan M., Erol O., Öz G. C. (eds.). 2020, 148 p. https://doi.org/10.5772/intechopen.91886.
  5. Achard F., Butruille M., Madjarac S., Nelson P. T., Duesing J., Laffont J.-L., et al. Single nucleotide polymorphisms facilitate distinctness-uniformity-stability testing of soybean cultivars for plant variety protection. Crop Science. 2020;60(5):2280-2303. https://doi.org/10.1002/csc2.20201.
  6. Freudenthal J. A., Ankenbrand M. J., Grimm D. G., Korte A. GWAS-flow: a GPU accelerated framework for efficient permutation based genome-wide association studies. BioRxiv. 2019;1:783100. https://doi.org/10.1101/783100.
  7. Fan C., Zhai H., Wang H., Yue Y., Zhang M., Li J., et al. Identification of QTLs controlling grain protein concentration using a high-density SNP and SSR linkage map in barley (Hordeum vulgare L.). BMC Plant Biology. 2017;17:122. https://doi.org/10.1186/s12870-017-1067-6.
  8. Zhang W., Xu W., Li S., Zhang H., Liu X., Cui X., et al. GmAOC4 modulates seed germination by regulating JA biosynthesis in soybean. Theoretical and Applied Genetics. 2022;135(2):439-447. https://doi.org/10.1007/s00122-021-03974-0.
  9. Mathur R., Rana B. S., Jha A. K. Single nucleotide polymorphism (SNP). In: Encyclopedia of Animal Cognition and Behavior. Vonk J., Shackelford T. (eds.). Cham., Springer; 2018, 7539 p. https://doi.org/10.1007/978-3-319-47829-6_2049-1.
  10. Tchaikovskii V., Desnick R. J., Bishop D. F. Molecular expression, characterization and mechanism of ALAS2 gain-of-function mutants. Molecular Medicine. 2019;24(25):4. https://doi.org/10.1186/s10020-0190070-9.
  11. Martynenko N., Lavrentieva S., Tarasova O. Influence of Septoria glycines Hemmi on the enzymes’ activity of hydrolytic Glycines max (L.) Merr seed complex. Fundamental and Applied Research in Biology and Agriculture: International Scientific and Practical Conference. 2021;254:02020. https://doi.org/10.1051/e3sconf/202125402020.
  12. Howe K. L., Contreras-Moreira B., De Silva N., Maslen G., Akanni W., Allen J., et al. Ensembl genomes 2020 – enabling non-vertebrate genomic research. Nucleic Acids Research. 2020;48(D1):D689-D695. https://doi.org/10.1093/nar/gkz890.
  13. Rensink W. A., Buell C. R. Arabidopsis to rice. Applying knowledge from a weed to enhance our understanding of a crop species. Plant Physiology. 2004;135(2):622-629. https://doi.org/10.1104/pp.104.040170.
  14. Coelho S. M., Peters A. F., Charrier B., Roze D., Destombe C., Valero M., et al. Complex life cycles of multicellular eukaryotes: new approaches based on the use of model organisms. Gene. 2007;406(1-2):152-170. https://doi.org/10.1016/j.gene.2007.07.025.
  15. Meyerowitz E. M. Prehistory and history of Arabidopsis research. Plant Physiology. 2001;125(1):15-19. 16. Leonelli S. Arabidopsis, the botanical Drosophila: from mouse cress to model organism. Endeavour. 2007;31(1):34-38. https://doi.org/10.1016/j.endeavour.2007.01.003.
  16. Lan Y., Sun R., Ouyang J., Ding W., Kim M. J., Wu J., et al. AtMAD: Arabidopsis thaliana multi-omics association database. Nucleic Acids Research. 2021;49(D1):D1445-D1451. https://doi.org/10.1093/nar/gkaa1042.
  17. Jampala P., Garhewal A., Lodha M. Functions of long non-coding RNA in Arabidopsis thaliana. Plant Signaling & Behavior. 2021;16(9):1925440. https://doi.org/10.1080/15592324.2021.1925440.
  18. Yu X., Vandivier L. E., Gregory B. D. NAD-seq for profiling the NAD+ capped transcriptome of Arabidopsis thaliana. STAR Protocols. 2021;2(4):100901. https://doi.org/10.1016/j.xpro.2021.100901.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».