دانشگاه بوعلی سینا

  اخبار و اعلانات

 آمار

تعداد نشریات22
تعداد شماره‌ها485
تعداد مقالات5,045
تعداد مشاهده مقاله9,290,891
تعداد دریافت فایل اصل مقاله6,135,357
زینتی, زهرا, امین, حسین, سازگاری, سیما. (1399). تجزیه‌وتحلیل پاسخ ترانسکریپتوم به بیماری میوه سبز مرکبات با استفاده از داده‌کاوی. پژوهش های زبان شناسی تطبیقی, 11(1), 33-40. doi: 10.22084/ab.2022.22953.1447
زهرا زینتی; حسین امین; سیما سازگاری. "تجزیه‌وتحلیل پاسخ ترانسکریپتوم به بیماری میوه سبز مرکبات با استفاده از داده‌کاوی". پژوهش های زبان شناسی تطبیقی, 11, 1, 1399, 33-40. doi: 10.22084/ab.2022.22953.1447
زینتی, زهرا, امین, حسین, سازگاری, سیما. (1399). 'تجزیه‌وتحلیل پاسخ ترانسکریپتوم به بیماری میوه سبز مرکبات با استفاده از داده‌کاوی', پژوهش های زبان شناسی تطبیقی, 11(1), pp. 33-40. doi: 10.22084/ab.2022.22953.1447
زینتی, زهرا, امین, حسین, سازگاری, سیما. تجزیه‌وتحلیل پاسخ ترانسکریپتوم به بیماری میوه سبز مرکبات با استفاده از داده‌کاوی. پژوهش های زبان شناسی تطبیقی, 1399; 11(1): 33-40. doi: 10.22084/ab.2022.22953.1447

تجزیه‌وتحلیل پاسخ ترانسکریپتوم به بیماری میوه سبز مرکبات با استفاده از داده‌کاوی

دوفصلنامه فن آوری زیستی در کشاورزی
دوره 11، شماره 1، شهریور 1399، صفحه 33-40
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22084/ab.2022.22953.1447
نویسندگان
زهرا زینتی* 1؛ حسین امین2؛ سیما سازگاری3
1استادیار، گروه اگرواکولوژی، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه داراب، داراب، ایران
2استادیار، گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه داراب، داراب، ایران
3دانشجوی پسادکتری، گروه زیست فناوری، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران
چکیده
بیماری میوه سبز مرکبات مخرب‌ترین بیماری مرکبات در بیش‌تر کشورهای تولیدکننده مرکبات در سراسر جهان می‌باشد و باعث خسارات اقتصادی قابل‌توجهی در مناطق به‌شدت آسیب‌دیده می‌شود. به‌منظور شناسایی ژن‌هایی که احتمالاً در تحمل به بیماری نقش دارند داده‌های ریزآرایه مربوط به ژنوتیپ‌های متحمل و حساس به بیماری میوه سبز مرکبات با شماره دسترسی GSE30502 از مخزن GEO پایگاه داده NCBI دریافت شدند و توسط7.6 RapidMiner Studio با هشت الگوریتم وزن‌دهی (Information gain، Information gain ratio، Deviation، Correlation، Chi squared statistic، Gini Index، Uncertainty و Relief) موردبررسی قرار گرفتند. پس از شناسایی پروب‌های کلیدی توسط الگوریتم‌های وزن‌دهی، هیت‌مپ‌ و خوشه‌بندی سلسله مراتبی برای ارزیابی قدرت پروب‌های شناسایی شده در تمایز ژنوتیپ متحمل و حساس به بیماری با استفاده از ابزار تحت وب Clustvis انجام شد. تجزیه پروب‌ها توسط الگوریتم‌های وزن‌دهی منتج به شناسایی 145 پروب گردید. براساس هیت‌مپ‌، تضاد قابل‌توجهی در بیان پروب‌های شناسایی شده، بین نمونه‌‌های مربوط به ژنوتیپ متحمل و نمونه‌های مربوط به ژنوتیپ حساس وجود داشت. هم‌چنین براساس خوشه‌بندی سلسله مراتبی، نمونه‌های مربوط به ژنوتیپ متحمل و ژنوتیپ حساس در خوشه‌های جداگانه‌ای قرار گرفتند. جستجو برای تعیین عوامل رونویسی و پروتئین کینازها با استفاده از سایت iTAK منجر به شناسایی پنج عامل رونویسی و چهار پروتئین کیناز مختلف گردید. به‌علاوه فراوانی رونوشت‌های ژن­های درگیر در پاسخ فوق حساسیت در ژنوتیپ متحمل نسبت به ژنوتیپ حساس بیش‌تر بود که می‌تواند مؤید فعال بودن واکنش فوق‌حساسیت به‌عنوان یکی از راهکارهای اصلی دفاعی در برابر بیماری میوه سبز مرکبات باشد. ژن‌های شناسایی شده در این پژوهش، می‌توانند به‌عنوان کاندیداهای اساسی برای بررسی نقش دقیق آن‌ها در تحمل به بیماری میوه سبز مرکبات و هم‌چنین به‌عنوان اهداف بالقوه برای رویکردهای بیوتکنولوژیکی مورداستفاده قرار گیرند. 
کلیدواژه‌ها
الگوریتم‌های وزن‌دهی؛ ریزآرایه؛ ژن‌های تحمل به بیماری؛ عامل رونویسی؛ پروتئین کیناز
مراجع
آمار
تعداد مشاهده مقاله: 345


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب