Integração de dados transcriptômicos e metabolômicos de cana-de-açúcar (Saccharum spp.) por métodos de machine learning para predição fenotípica (2024)
- Autores:
- Autor USP: PATRÍCIO, ANDRÉ LUÍS - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LGN
- DOI: 10.11606/D.11.2024.tde-02082024-092421
- Assuntos: APRENDIZADO COMPUTACIONAL; CANA-DE-AÇÚCAR; EXPRESSÃO GÊNICA; FENÓTIPOS; METABOLÔMICA; TRANSCRIÇÃO GÊNICA
- Agências de fomento:
- Idioma: Português
- Resumo: A cana-de-açúcar, uma gramínea poliploide, é crucial na conversão de energia solar em energia química e na produção de açúcar e bioetanol. Seu melhoramento tem focado em aumentar a sacarose e a eficiência de moagem. As variedades modernas originam-se de cruzamentos entre S. officinarum e S. spontaneum, e têm um genoma complexo, poliploide e aneuploide. Tecnologias ômicas, como transcriptômica e metabolômica, são fundamentais para entender mecanismos biológicos e aprimorar as cultivares. A integração de dados dessas tecnologias ajuda a identificar genes chave para características desejáveis. Técnicas de Machine Learning (ML), como Random Forest (RF), Support Vector Machines (SVM), e Multilayer Perceptron (MLP), são promissoras na integração de dados multi-ômicos, auxiliando na criação de modelos preditivos. No experimento realizado na Sugar Research Burdekin Station, Queensland, em agosto de 2017, 24 cultivares híbridas foram plantadas e neste trabalho foram avaliados o transcriptoma e metaboloma. Amostras foram coletadas em 2018, analisadas para medir sólidos solúveis e açúcar total recuperável, e submetidas a RNA-seq. Na análise metabolômica, 73 metabólitos foram mensurados e analisados com o MetaboAnalyst 4.0. Para aprendizado de máquinas, testaram-se RF, SVM, e MLP. O MLP teve o maior poder preditivo. Em seguida, o método de integração de gradientes foi usado para identificar a importância dos genes em relação a cada metabólito. Finalmente, a análise de enriquecimentoutilizou o pacote GSEApy analisando termos de Gene Ontology para identificar padrões significativos. A análise de metabólitos agrupados permitiu uma compreensão aprofundada dos genes e vias metabólicas essenciais, relacionados a fotossíntese, incluindo plastoglobulos e plastídeos, clorofila nos complexos de captação de luz, a importância da membrana tilacoide e da membrana interna do cloroplasto e fixação de carbono em organismos fotossintéticos. Esses termos abrangem aspectos da fotossíntese C4 e a resposta da cana-de-açúcar a diferentes intensidades de luz. Também foram encontrados genes e vias metabólicas relacionadas ao apoplasto como metabolismo de frutose e manose, metabolismo de galactose e a via da glicólise e gluconeogênese. Além disso, os resultados apontaram para a significativa relação entre os genes identificados e processos vitais, como o metabolismo de nitrogênio e carbono, e síntese e armazenamento de sacarose. A síntese de pectina, o metabolismo de galactose e vias relacionadas à produção de fenilpropanoides demonstram que o modelo capturou informações importantes sobre a parede celular, bem como lignificação, demonstrando o potencial dessas descobertas para futuras aplicações no melhoramento de cultivares. O estudo demonstrou êxito no uso de aprendizado de máquinas, especificamente o Perceptron de multicamadas, para integrar dados de transcriptômica e metabolômica, revelando processos cruciais para o desenvolvimento da cana-de-açúcar e identificandocaracterísticas com potencial de melhoramento agronômico
- Imprenta:
- Local: Piracicaba
- Data de publicação: 2024
- Data da defesa: 24.04.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
PATRÍCIO, André Luís. Integração de dados transcriptômicos e metabolômicos de cana-de-açúcar (Saccharum spp.) por métodos de machine learning para predição fenotípica. 2024. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-02082024-092421/. Acesso em: 15 nov. 2024. -
APA
Patrício, A. L. (2024). Integração de dados transcriptômicos e metabolômicos de cana-de-açúcar (Saccharum spp.) por métodos de machine learning para predição fenotípica (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11137/tde-02082024-092421/ -
NLM
Patrício AL. Integração de dados transcriptômicos e metabolômicos de cana-de-açúcar (Saccharum spp.) por métodos de machine learning para predição fenotípica [Internet]. 2024 ;[citado 2024 nov. 15 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-02082024-092421/ -
Vancouver
Patrício AL. Integração de dados transcriptômicos e metabolômicos de cana-de-açúcar (Saccharum spp.) por métodos de machine learning para predição fenotípica [Internet]. 2024 ;[citado 2024 nov. 15 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-02082024-092421/
Informações sobre o DOI: 10.11606/D.11.2024.tde-02082024-092421 (Fonte: oaDOI API)
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas