Integrative inference of transcriptional networks in Arabidopsis yields novel ROS signalling regulators

基因调控网络 生物 拟南芥 计算生物学 转录因子 基因表达调控 基因 染色质 功能(生物学) 基因表达 拟南芥 表型 遗传学 转录调控 突变体
作者
Inge De Clercq,Jan Van de Velde,Xiaopeng Luo,Li Liu,Véronique Storme,Michiel Van Bel,Robin Pottie,Dries Vaneechoutte,Frank Van Breusegem,Klaas Vandepoele
出处
期刊:Nature plants [Springer Nature]
卷期号:7 (4): 500-513 被引量:57
标识
DOI:10.1038/s41477-021-00894-1
摘要

Gene regulation is a dynamic process in which transcription factors (TFs) play an important role in controlling spatiotemporal gene expression. To enhance our global understanding of regulatory interactions in Arabidopsis thaliana, different regulatory input networks capturing complementary information about DNA motifs, open chromatin, TF-binding and expression-based regulatory interactions were combined using a supervised learning approach, resulting in an integrated gene regulatory network (iGRN) covering 1,491 TFs and 31,393 target genes (1.7 million interactions). This iGRN outperforms the different input networks to predict known regulatory interactions and has a similar performance to recover functional interactions compared to state-of-the-art experimental methods. The iGRN correctly inferred known functions for 681 TFs and predicted new gene functions for hundreds of unknown TFs. For regulators predicted to be involved in reactive oxygen species (ROS) stress regulation, we confirmed in total 75% of TFs with a function in ROS and/or physiological stress responses. This includes 13 ROS regulators, previously not connected to any ROS or stress function, that were experimentally validated in our ROS-specific phenotypic assays of loss- or gain-of-function lines. In conclusion, the presented iGRN offers a high-quality starting point to enhance our understanding of gene regulation in plants by integrating different experimental data types.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
YY发布了新的文献求助10
1秒前
wink发布了新的文献求助10
1秒前
六月初八夜完成签到,获得积分10
3秒前
ira发布了新的文献求助10
4秒前
4秒前
4秒前
Lynx完成签到,获得积分10
4秒前
咩咩完成签到,获得积分10
5秒前
田様应助个性的南珍采纳,获得10
6秒前
why完成签到,获得积分10
7秒前
mile发布了新的文献求助10
7秒前
8秒前
从容芮应助Mars1998采纳,获得10
8秒前
Lynx发布了新的文献求助10
11秒前
15秒前
chai完成签到,获得积分10
17秒前
18秒前
科目三应助科研通管家采纳,获得10
19秒前
华仔应助科研通管家采纳,获得10
19秒前
月野兔完成签到,获得积分10
19秒前
脑洞疼应助科研通管家采纳,获得10
19秒前
乐乐应助科研通管家采纳,获得10
19秒前
pgjwl应助科研通管家采纳,获得10
19秒前
sammi米应助科研通管家采纳,获得30
19秒前
Jasper应助科研通管家采纳,获得10
19秒前
科研通AI2S应助科研通管家采纳,获得10
19秒前
任性的仰应助科研通管家采纳,获得10
19秒前
任性亚男应助科研通管家采纳,获得10
19秒前
科研通AI2S应助科研通管家采纳,获得10
19秒前
19秒前
wanci应助科研通管家采纳,获得10
19秒前
pluto应助科研通管家采纳,获得10
20秒前
20秒前
0128lun应助科研通管家采纳,获得20
20秒前
20秒前
realeagle发布了新的文献求助10
20秒前
醉熏的伊发布了新的文献求助10
22秒前
23秒前
guan发布了新的文献求助10
23秒前
辣比小欣发布了新的文献求助10
24秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3136629
求助须知:如何正确求助?哪些是违规求助? 2787671
关于积分的说明 7782749
捐赠科研通 2443752
什么是DOI,文献DOI怎么找? 1299386
科研通“疑难数据库(出版商)”最低求助积分说明 625440
版权声明 600954