Статья журнала

ОБЗОР МЕТОДОВ БИОИНФОРМАТИКИ В СЕЛЕКЦИИ РАСТЕНИЙ

Авторы

ФРОЛОВА Д.А.

Раздел

ЭКОНОМИЧЕСКИЕ НАУКИ | ECONOMICAL SCIENCES

Выпуск

2024 · № S3 (53)

Статус

PUBLISHED

Цитирование

ФРОЛОВА , Д.А. ОБЗОР МЕТОДОВ БИОИНФОРМАТИКИ В СЕЛЕКЦИИ РАСТЕНИЙ / Д.А. ФРОЛОВА // Управление рисками в АПК. – 2024. – № S3 (53). – C. -. – .

Аннотация

В этой статье рассмотрены методы биоинформатики, применяемые в современной селекции растений. Целью биоинформатических методов и инструментов для анализа геномных данных является понимание генетических и молекулярных основ всех биологических процессов растений. Эти методы имеют фундаментальное значение для эффективного использования растений как биологических ресурсов при выведении новых сортов с улучшенным качеством и снижением экономических и экологических затрат. В настоящее время геномная программа может рассматриваться как важнейший инструмент улучшения растений. Такой подход к выявлению ключевых генов и пониманию их функций приведет к прорыву в улучшении современных методов селекции растений для достижения более эффективных и устойчивых сельскохозяйственных систем.

Ключевые слова

биоинформатика, селекция растений, генетика, геномика, геномные данные, биологические маркеры

Введение

Ведение. Биоинформатика является важной областью науки, которая объединяет биологию, информатику и статистику для анализа и интерпретации биологических данных. В последние десятилетия методы биоинформатики стали широко использоваться в селекции, чтобы помочь ученым в изучении генетической изменчивости и разработке новых методов для улучшения сельскохозяйственных культур [1]. Путем анализа больших объемов генетических данных и применения статистической обработки и машинного обучения можно значительно ускорить процессы селекции - поможет ученым эффективно анализировать генетическую информацию и прогнозировать фенотипические характеристики растений. Это помогает сократить время, необходимое для создания новых сортов растений с желаемыми характеристикам [2]. Методы биоинформатики для изучения и анализа генома растений Биоинформатика играет важную роль в исследовании и анализе генома растений. Ее применение разделяется на три основные области: Первая область - обработка и анализ огромных объемов данных, полученных в процессе геномного секвенирования растений [3]. Вторая - аннотация генов и межгеномных регионов. Это включает поиск и определение функций генов, анализ последовательностей управляющих регионов и предсказание структуры белков. И третья область – изучение генетической вариации в популяциях растений - анализ полиморфизмов, поиск генетических маркеров, ассоциации генотипов с фенотипами и построение филогенетических деревьев при помощи машинного обучения. Понимание генетического потенциала растений важно для их адаптации к окружающей среде и улучшения сельскохозяйственных культур [4].

Методология

Секвенирование генома. С помощью этого метода ученые могут изучать полный геном организма, что позволяет выявить генетические маркеры, связанные с желаемыми признаками. Например, проводить анализ генома и выявлять гены, ответственные за урожайность, устойчивость к болезням и стрессу, а также качество продукции [5-7]. Развитие методов секвенирования обеспечило развитие методов генотипирования, позволяющих определить различия в генотипе индивидуума, линии, сорта. К генотипированию прибегают, при выборе родительских пар в селекционных программах, когда требуется идентифицировать родительский организм, гибрид или линию растений [5, 6]. Выравнивание последовательностей позволяет определять степень сходства между последовательностями и выявлять консервативные участки цепей. Используется для определения генетического разнообразия в популяциях растений, идентификации генов, ответственных за определенные признаки или болезни, а также для создания новых сортов растений с желательными характеристиками [8]. Предсказание генов позволяет идентифицировать гены, которые отвечают за определенные желаемые характеристики или свойства растений в геноме организма. Этот метод используется для определения генетических маркеров, которые могут быть использованы для улучшения селекционных программ и создания новых сортов растений [9]. Анализ экспрессии генов позволяет определить, какие гены связаны с определенными фенотипическими характеристиками или свойствами растений. Например, исследовать экспрессию генов, связанных с урожайностью или стойкостью к болезням, чтобы определить, какие гены играют ключевую роль в этих процессах. Так же исследователи могут изучать, как изменения в экспрессии генов в ответ на стрессовые условия влияют на адаптацию растений к этим условиям [9]. Анализ метаболома помогает выявить химические соединения, связанные с желаемыми признаками, такими как вкус или питательная ценность продукции. Этот метод позволяет исследователям более эффективно отбирать растения с предпочитаемыми свойствами на ранних стадиях селекции [10].

Результаты

Структурное моделирование используется для предсказания трехмерной структуры белков на основе их аминокислотной последовательности. Данный метод позволяет предсказывать, какие изменения в структуре белка могут быть потенциально полезными для селекции растений.

Результаты

Анализ метагеномных данных используется для изучения геномного состава микробных сообществ. Помогает определить, какие микроорганизмы присутствуют в микробиоме растений и какие функции они выполняют. Анализ метагеномных данных, например, позволяет идентифицировать бактерии, которые способствуют фиксации азота или синтезу ростовых стимуляторов, исследовать влияние различных агротехнических практик или обработки почвы на состав и функциональность микробиома растений.

Обсуждение

Филогенетический анализ позволяет определить генетическое разнообразие и эволюционные отношения между различными сортами и видами растений, определяет какие гены и механизмы играют ключевую роль в эволюции определенных свойств растений, таких как цвет цветков или форма листьев. Это помогает в выборе родительских линий для скрещивания и создания новых сортов с желательными свойствами [11,12].

Обсуждение

Заключение.

Выводы

В целом, методы биоинформатики играют важную роль в современной селекции, позволяя ученым проводить более точный и эффективный анализ генетической изменчивости и разрабатывать новые методы для улучшения сельскохозяйственных культур. Благодаря этим методам ученым удается создавать новые сорта растений, которые обладают лучшими характеристиками и способствуют улучшению качества, и стабильности производства продуктов питания, его доступности, словом - условий продовольственной безопасности нашей планеты.

Источники

Библиографический список: Alnaddafa, L. M. Application of bioinformatics in the studying of genetic relationships among Wheat and Aegilops / L. M. Alnaddafa // Аллея науки. – 2020. – Vol. 1, No. 9(48). – P. 3-9. Dijk A. D. J. et al. Machine learning in plant science and plant breeding //Iscience. – 2021. – Т. 24. – №. 1. – С. 101890. Эйдлин, Я. Т. Цифровая селекция / Я. Т. Эйдлин, Д. Д. Лисовая // Управление рисками в АПК. – 2023. – № 2(48). – С. 110-116. Ouyang, S. Plant genome annotation methods / S. Ouyang, F. Thibaud-Nissen, K.L. Childs, W. Zhu, C.R. Buell // Methods Mol Biol. – 2009
513:263-82. Чесноков, Ю. В. Генетические маркеры: сравнительная классификация молекулярных маркеров / Ю. В. Чесноков // Овощи России. – 2018. – №3. – С. 11-15. Jiang, G. L. Molecular markers and marker-assisted breeding in plants // Plant Breeding from Laboratories to Fields. – 2013. – V. 3. – P. 45-83. Kumar, P. Potential of molecular markers in plant biotechnology / P. Kumar, V. K. Gupta, A. K. Misra et al. // Plant Omics. – 2009. – V. 2. – N. 4. – P. 141-162. Олейникова, Н. В. Выравнивание аминокислотных последовательностей: анализ существующих методов и разработка новых алгоритмов: специальность 03.00.02: автореферат диссертации на соискание ученой степени кандидата физико-математических наук / Олейникова Наталья Васильевна. – Москва, 2004. – 22 с. Возможная функция гена ribT Bacillus subtilis: теоретическое предсказание, клонирование и экспрессия / А. П. Якимов, Т. А. Серегина, А. А. Холодняк [и др.] // Acta Naturae. – 2014. – Т. 6, № 3(22). – С. 113-116. Анализ метаболома растений люцерны и гороха / Р. К. Пузанский, А. П. Юрков, О. Ю. Штарк [и др.] // Экспериментальная биология растений: фундаментальные и прикладные аспекты: Научная конференция и школа молодых ученых, Крым, Судак, 18–24 сентября 2017 года / Ответственный редактор В.В. Кузнецов. – Крым, Судак: АНО "Центр содействия научной, образовательной и просветительской деятельности "Соцветие", 2017. – С. 277. Vincze. T. NEBcutter: a program to cleave DNA with restriction enzymes / T. Vincze, J. Posfai, R. J. Roberts. // Nucleic Acids Research. – 2003. – №31. –3688 с. Wani, M. Y. Advances and applications of bioinformatics in various fields of life / M. Y. Wani, N. A. Ganie, S. Rani et al. // International Journal of Fauna and Biological Studies. – 2018. – №5. – C. 3-10.