植物免疫基因功能网络的构建与动态性分析

In the proposed project, we will use plant Arabidopsis thaliana (A. thaliana) and bacterium Pseudomonas syringae (P. syringae) as the model pathosystem to construct a comprehensive plant immunity-related gene functional network and investigate the relationship between network dynamics and pathologic phenotypes. Firstly, we will integrate diverse molecular interaction information to construct a high-coverage probabilistic network of functionally associated plant pathogen-responsive genes. Through combining A.thaliana gene expression data in response to the infection of P. syringae, we are going to conduct a machine learning-based algorithm to assign sub-networks. Meanwhile, the key regulatory patterns amongst components in each sub-network will be learned. Furthermore, the assigned sub-networks and their corresponding regulatory patterns will be compared between resistant and susceptible strains in order to identify important sub-networks and find important regulatory difference between two pathologic phenotypes. We will also investigate the relationship between pathogen-associated molecular pattern-triggered immunity (PTI) and effector-triggered immunity (ETI) through this machine learning-based sub-network detection strategy. Additionally, we plan to infer new function of unknown pathogen-responsive genes in the established network by utilizing some graph theory-based algorithms. It is hoped that the proposed project will help to improve our understanding of plant immunity at the systematic level and the results may provide some new hints for breeding new crop varieties that can effectively defense phytopathogens.

结合申请人在计算系统生物学方面的研究基础，本项目将针对拟南芥与丁香假单胞菌这一植物与病原微生物互作的模式体系，通过构建植物免疫基因功能网络来研究植物病理表型和网络动态性之间的关系。首先，通过概率模型整合不同类型的分子互作数据，构建一个具有高覆盖度的拟南芥免疫基因功能网络。借助免疫过程中的基因表达数据，采用基于机器学习的子网络生长策略，从免疫基因功能网络中划分出代表性子网络，鉴定出响应不同植物病理表型变化的关键子网络及其内部免疫组分间的关键调控关系。此外，我们还将采用相同的子网络划分策略，系统地分析病原物相关分子模式激发的免疫反应(PTI)与效应蛋白激发的免疫反应(ETI)之间的关系。最后，我们将使用基于图论的方法从免疫基因功能网络中推断一些未知免疫响应基因的潜在功能。本项目的实施将有助于系统地认识植物免疫网络响应病原微生物入侵的分子机制，进而为农业上选育优良抗病作物新品种提供新的线索。

植物免疫有两种主要形式，包括：由病原物相关分子模式引起的免疫反应(PTI) 和由病原物效应蛋白激发的免疫反应 (ETI)。当前，大量高通量组学数据的积累为从系统生物学层次研究植物免疫过程提供了前所未有的机会。. 本项目中，我们重点构建拟南芥综合的基因功能网络，采用机器学习和集成网络分析的手段，从三个层次系统地刻画了拟南芥两种免疫过程的网络组织形式。在单个基因和基因互作的水平上，利用网络引导的随机森林算法（NGF）合理地整合了拟南芥基因功能网络和免疫过程中的基因表达谱数据，鉴定了许多可能与植物免疫相关的基因和基因互作。此外，网络拓扑分析发现重要的基因互作倾向于连接不同的网络模块。在子网络的水平上，根据NGF的识别结果，发现PTI和ETI之间共享一个包含1,156个基因和1,289个互作的子网络。该子网络富集了连接网络模块的基因互作，同时也是病原体效应蛋白攻击的热区。在整个网络的水平，对PTI和ETI分别建立了模块化的网络模型。结果表明，在ETI中防御模块具有相对更加独立的组织结构，这为ETI对遗传突变和效应蛋白攻击表现出来的较强的承受能力提供了一种解释。. 此外，我们还以Botrytis cinerea (腐生菌) 和 Golovinomyces orontii (共生菌) 侵染的拟南芥为研究对象，通过整合蛋白质互作组数据和基因芯片数据，构建出两个表征植物响应病原物入侵的蛋白互作网络。特别是，网络分析鉴定出功能注释为植物生长和植物免疫的两个关键模块；这两个模块间的共表达关系在抵抗共生菌和腐生菌入侵时呈现出截然不同的模式。我们还系统考察了拟南芥在病原菌侵染和对照状态下的基因差异共表达现象；研究表明差异共表达是植物免疫过程的一个普遍现象，差异共表达基因显著富集植物免疫相关的生物学功能。. 综上，本项目的实施获得了多组学数据整合的网络分析平台，获得了一批可供进一步实验验证的候选基因，增强了对植物-病原菌互作的机理性认识。研究结果不但可为农业上选育优良抗病作物新品种提供新思路，同时对植物功能基因组学研究的相关课题也具有借鉴意义。