利用系统发育谱分析365种互花米草共进化信号，挖掘盐胁迫相关基因

在aBIOTECH上发表的一篇论文中，作者将机器学习方法与系统发育分析相结合，利用365种植物基因组产生的进化信息来预测植物盐胁迫相关基因。

　　

本研究由李慧慧教授(中国农业科学院作物科学研究所，中国北京)领导。作者以盐生草互花米草为靶种，拟南芥和水稻为参比种，建立了盐胁迫相关基因挖掘方法。作者首先将3个物种所有基因的氨基酸序列与365个物种的蛋白质组进行比对，构建标准化的进化信息矩阵。随后，作者通过文献综述对拟南芥和水稻基因组中已明确研究的盐胁迫相关基因进行了总结和分析。 

通过建立机器学习模型，作者确定了参考物种中盐胁迫相关基因的进化信息，从而可以跨物种表征目标物种中的同源基因。同时，对机器学习模型的特征重要性分析表明，不同进化分支的信息对模型预测精度的贡献不同。因此，作者使用了clap德普方法，该方法可以在不同的进化水平上进行系统发育分析，以预测潜在的盐胁迫相关基因。结果表明，与已知盐胁迫相关基因高度共同进化的基因集中在离子转运、对有毒物质的反应和解毒代谢等生物过程中。 

通过这种基因挖掘策略，作者确定了5个编码离子转运体的基因，并通过实验验证了它们都具有钠离子摄取能力。综上所述，本研究证实了利用进化信息挖掘盐胁迫相关基因的可行性，并展示了将系统发育分析与机器学习算法结合在植物功能基因组学研究中的巨大潜力。