تجزیه و تحلیل حفظ شبکه برای شناسایی نشانگرهای زیستی رونویسی مربوط به گلدهی در Crocus sativus

Crocus sativus L. به عنوان یک ژئوفیت زینتی و منبع ادویه و متابولیت های ثانویه با ارزش شناخته می شود. تحلیل ماژول حفظ شبکه یکی از بهترین رویکردها برای آشکار کردن ویژگی‌های خاص شرایط مختلف است. می تواند الگوهای واگرایی و حفاظت بین داده های رونوشت را تعیین کند. در اینجا، ما ژن‌های تنظیم‌کننده فرآیند گلدهی را با داده‌های RNA-Seq حاوی نمونه‌های گلدار و غیرگل‌دار در پروفایل‌های بیان ژن بررسی کردیم. تجزیه و تحلیل ماژول مستمر سه ماژول قابل توجه غیر پایدار مربوط به فرآیند گلدهی، یعنی صورتی، سبز و آبی را نشان داد. چندین ژن هاب مرتبط با ماژول های حفظ نشده مانند PIA1، NAC90، ALY3، Sus3، MYB31، ARF5/MP، MYB31، HD-ZIP، SEP3d، OR_B، AGL6a، bZIP(TGA1) و GRAS شناسایی شدند.

این ژن های کاندید را می توان نشانگرهای زیستی تشخیصی کلیدی برای فرآیند گلدهی در نظر گرفت. در اینجا، ما همچنین دو رویکرد WGCNA و NetRep را برای تجزیه و تحلیل حفظ ماژول مقایسه کردیم. نتایج این روش ها با ماژول های حفظ نشده سازگار بود. NetRep یک روش سریعتر (11 برابر) و کارآمدتر (اجرای بیش از 10000 جایگشت برای هر مقایسه) از حفظ ماژول WGCNA بود. غربالگری ژن‌های بیانی افتراقی (DEGs) نشان داد که بسیاری از ژن‌های هاب در نمونه‌های غیر گلدار نسبت به نمونه‌های گلدار تنزل داده شدند. یافته‌های ما مکانیسم‌های تنظیمی فرآیند گل‌دهی در C. sativus را نشان داد که می‌تواند نشانگرهای زیستی رونویسی ایجاد کند که می‌تواند راه را برای ارتقای عملکرد زعفران از طریق القای گل‌دهی هموار کند.

Crocus sativus L. is known as an ornamental geophyte and a source of valuable spice and secondary metabolites. Network preservation module analysis is one of the best approaches to revealing special features of different conditions. It can determine patterns of divergence and conservation between transcriptome data. Herein, we explored the regulatory genes of the flowering process by RNA-Seq data containing flowering and non-flowering samples in gene expression profiles. Persevered module analysis revealed three significant non-persevered modules related to the flowering process, namely pink, green, and blue. Several hub genes associated with non-preserved modules such as PIA1, NAC90, ALY3, Sus3, MYB31, ARF5/MP, MYB31, HD-ZIP, SEP3d, OR_B, AGL6a, bZIP(TGA1) and GRAS were identified.

These candidate genes can be considered key diagnostic biomarkers for the flowering process. Here, we also compared two approaches, WGCNA and NetRep for module preservation analysis. The results of these methods were consistent with non-preserved modules. NetRep was a faster (11 times) and more efficient (run more than 10000 permutations for each comparison) method than WGCNA module preservation. Differential expression genes (DEGs) screening showed that many hub genes were downregulated in non-flowering than flowering samples. Our finding revealed regulatory mechanisms of the flowering process in C. sativus as can be developed transcriptional biomarkers which could pave the way for promoting saffron yield via flowering induction.