شناسایی نشانگرهای زیستی کلیدی مرتبط با پاسخ های دفاعی خیار به پژمردگی آوندی فوزاریومی در راستای امنیت غذایی

پژمردگی آوندی در خیار، ناشی از قارچ Fusarium oxysporum f. sp. cucumerinum (Foc)، یکی از عوامل مهم کاهش عملکرد این محصول در سطح جهانی است. کنترل این بیماری بسیار دشوار است و درک سازوکارهای مولکولی مقاومت برای تولید ارقام مقاوم، ضروری است. در این پژوهش، از الگوریتم انتخاب ویژگی لاسو (LASSO) روی داده های RNA-Seq  (با دسترسی PRJNA۹۱۶۸۵۰ ) برای شناسایی نشانگرهای زیستی کلیدی مرتبط با مقاومت یا حساسیت به Foc استفاده شد. این روش با حذف ژن های کم اهمیت، مجموعه ای کوچک و قابل تفسیر از موثرترین ژن ها را ارائه داد. چهار ژن کلیدی شناسایی شد: دو تنظیم کننده منفی (LOC۱۰۱۲۱۵۷۷۱ و LOC۱۰۱۲۰۹۷۹۳ )که حساسیت را افزایش می دهند، و دو تنظیم کننده مثبت (LOC۱۰۱۲۱۱۱۱۷ و LOC۱۰۱۲۱۴۸۰۷ )که در پاسخ دفاعی و مقاومت نقش دارند. نتایج نشان داد که تلفیق توالی یابی آر ان ای و الگوریتم لاسو، ابزاری موثر و کارآمد برای کشف نشانگرهای زیستی مرتبط با بیماری های گیاهی است. به کارگیری این ژن ها در برنامه های به نژادی، گامی اساسی برای تولید ارقام مقاوم، کاهش وابستگی به آفت کش ها، تضمین عملکرد پایدار و در نهایت، تقویت امنیت غذایی خواهد بود.

کلیدواژه ها:

Feature selection ، Plant disease ، Lasso ، Resistance ، Machine learning ، انتخاب ویژگی ، بیماری گیاهی ، لاسو ، مقاومت ، یادگیری ماشین