- 题目：CGM 第201期:玉米胁迫响应元件的鉴定及机器学习模型的构
- 时间：美国中部时间 2021年12月08日（星期三）7AM（北京时间12月08日9PM）
- 地点：Tecent and Bilibili live stream
- 主讲人:周鹏，男，博士，2007年本科毕业于西安交通大学，2015年获得美国明尼苏达大学双城分校的博士学位，此后一直在美国从事生物信息学和植物遗传学相关的工作和研究。研究关注基因表达调控及表型影响。通过结合传统遗传学、比较基因组学和多组学数据挖掘等手段，以玉米和小麦为模型研究作物在生长发育过程和胁迫条件下的基因表达调控机制，并希望鉴定出关键的顺式调控元件和反式作用因子用于作物改良。同时周鹏也致力于大数据分析和多组学数据整合构建植物基因调控网络，训练机器学习模型用于预测基因的时空特异性表达模式，对作物进行精准育种和设计。
中文摘要
非生物胁迫（冷、热、干旱、盐碱等）严重制约作物产量。植物响应非生物胁迫在转录组上主要是通过反式作用的转录因子（TF）和顺式作用的转录因子结合位点（TFBS）进行调控的结果。研究表明群体中不同个体之间在温度胁迫响应的程度和模式上都存在广泛的反式（转录因子表达水平）和顺式（结合位点的序列变异）调控水平上的变异。诸多研究已经阐明了转录因子表达水平对靶基因表达的影响，但顺式序列变异如何介导基因的胁迫响应还鲜有报道。为什么有些基因在某些个体中可以响应胁迫，在另一个基因型中则不会？我们能不能鉴定出控制非生物胁迫响应的关键顺式调控元件？通过三个大规模RNA-Seq实验我们系统分析了玉米幼苗响应冷和热胁迫后24小时内的转录组改变，鉴定出在不同基因型之间有不同响应模式的基因，并通过杂交种中的等位基因表达分析评估了造成这种差异响应的顺式和反式调控机制。我们鉴定出大量参与胁迫响应的顺式调控元件即胁迫元件，并构建了机器学习模型预测基因的胁迫响应模式，从而根据一个基因的启动子序列就可以对其胁迫响应的模式进行预测。在启动子区域我们鉴定到为数众多的小片段序列变异和结构变异造成的胁迫元件的插入或缺失，对基因的胁迫响应模式产生影响。这项研究通过精准鉴定玉米基因组中的胁迫响应元件，为大数据挖掘和机器学习应用于精准作物育种和设计提供了理论框架。
参考文献
Zhou P, Enders TA, Myers ZA, Magnusson E, Crisp PA, NoshayJ, et al. Prediction of conserved and variable heat and cold stress response inmaize using cis-regulatory information. Plant Cell. 2021. doi: 10.1093/plcell/koab267.