Davis, un equipo interdisciplinario de investigadores de la Universidad Estatal de Carolina del Norte y la Universidad de California, ha desarrollado un algoritmo de modelado que puede identificar genes asociados con funciones biológicas específicas en plantas. La herramienta de modelado ayudará a los biólogos de plantas a identificar genes individuales que controlan cómolas plantas responden a la sequía, las altas temperaturas u otros factores estresantes ambientales.
"El algoritmo avanza las técnicas de modelado biológico, proporcionando una visión más profunda de qué genes individuales están involucrados en una respuesta biológica dada, así como qué factores ambientales influyen en el comportamiento de ese gen", dice Cranos Williams, autor correspondiente en un artículo que describe el trabajoy profesor asociado de ingeniería eléctrica e informática en la Universidad Estatal de Carolina del Norte.
"Al reducir el campo de miles de genes posibles a menos de 10, será mucho más fácil para los biólogos comprender cómo desarrollar cultivos o plantas resistentes a la sequía que puedan prosperar en ambientes pobres en nutrientes", dice Williams. "Esuna clave que podría desbloquear una gran cantidad de investigación en biología vegetal con aplicaciones del mundo real ".
Para que un modelo biológico funcione, necesita datos. En este caso, los datos provienen de exponer una planta al estrés.
El equipo de investigación comenzó con un grupo de plantas modelo Arabidopsis thaliana que crecen en condiciones normales. Se tomaron muestras de las plantas para determinar qué genes estaban activos y qué tan activos estaban. Las plantas fueron expuestas al estrés ambiental al ser colocadasen medios deficientes en hierro. Se tomaron muestras de plantas a intervalos prescritos durante tres días, para determinar cómo cambió la actividad génica en cada momento.
Los investigadores querían saber cómo respondían las plantas al estrés y qué genes eran responsables de desencadenar esas respuestas.
Pero eso planteó un problema. Había mucha actividad genética. Y era difícil saber qué genes se relacionaban con qué funciones, o qué genes servían como "factores de transcripción" que realmente hicieron que la bola rodara en la plantarespuesta al estrés. De hecho, los investigadores encontraron actividad en 2.700 genes diferentes, demasiados para probar todas las opciones posibles en el laboratorio.
Aquí es donde entra en juego el nuevo algoritmo de modelado. Los investigadores conectaron todos los datos de actividad genética en el algoritmo, y el algoritmo predijo que siete genes, o factores de transcripción, estaban involucrados en iniciar la respuesta al estrés por deficiencia de hierro de la planta.un número lo suficientemente pequeño como para probar
Un factor de transcripción es como el primer dominó de una serie. Produce una pequeña señal, que luego influye en una actividad significativa en los genes "objetivo" que son mucho más activos para determinar cómo una planta responde al estrés. Los investigadores identificaron que la materia primalos datos, que muestran la actividad de 2.700 genes, presentaron 931 posibles relaciones de factor de transcripción / gen objetivo. Nuevamente, demasiados para probar.
Pero el algoritmo lo redujo a 32 relaciones influyentes predichas entre los factores de transcripción y los genes objetivo. Y, nuevamente, este fue un número lo suficientemente pequeño como para probarlo.
Cuando los resultados del algoritmo se probaron en el laboratorio, los investigadores descubrieron que cuatro de los siete genes predichos eran factores de transcripción relevantes. También descubrieron que 17 de las 32 relaciones influyentes predichas, el 53 por ciento, eran precisas. De los cuatro validadosfactores de transcripción, ninguno se había relacionado previamente con la privación de hierro.
"Pasamos de miles de genes a siete, y de 931 posibles relaciones a 32, lo que permite identificar los genes e interacciones relevantes en semanas en lugar de décadas", dice Williams.
"Lo que este algoritmo hace para los biólogos de plantas es limitar significativamente el número de genes candidatos interesantes para estudiar, disminuyendo así la cantidad de tiempo, energía y fondos necesarios para identificar genes importantes involucrados en la respuesta al estrés", dice Terri Long, laotro autor correspondiente en el trabajo y un profesor asistente de biología vegetal y microbiana en NC State.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Carolina del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :