May 25, 2020Open Access
Gene-Regulationsnetzwerk-Inferenz: Verbindung von Pflanzenbiologie und mathematischer Modellierung
Key Points
Key points are not available for this paper at this time.
Abstract
Die Reaktionen von Pflanzen auf Umwelt- und intrinsische Signale werden durch mehrere Transkriptionsfaktoren (TFs) streng kontrolliert. Diese TFs und ihre regulatorischen Verbindungen bilden Gene-Regulationsnetzwerke (GRNs), die einen Entwurf der transkriptionalen Regulationsmechanismen zugrunde liegen, die der Pflanzenentwicklung und den Umweltreaktionen zugrunde liegen. Diese Untersuchung bietet Beispiele für experimentelle Methoden, die häufig verwendet werden, um regulatorische Interaktionen zu identifizieren und GRNs zu generieren. Darüber hinaus beschreibt diese Untersuchung Netzwerkinferenztechniken, die Genexpressionsdaten nutzen, um regulatorische Interaktionen vorherzusagen. Diese rechnergestützten und experimentellen Methoden ergeben komplexe Netzwerke, die neue regulatorische Interaktionen identifizieren können, wodurch neuartige Hypothesen entstehen. Biologische Eigenschaften, die zur Komplexität von GRNs beitragen, werden ebenfalls in dieser Untersuchung beschrieben. Dazu gehören Netzwerk-Topologie, Netzwerkgröße, transiente Bindung von TFs an DNA und Wettbewerb zwischen mehreren upstream Regulatoren. Schließlich hebt diese Untersuchung das Potenzial maschineller Lernansätze hervor, um Genexpressionsdaten zu nutzen, um phänotypische Ausgaben vorherzusagen.