Ein genregulatorisches Netzwerk (GRN) beschreibt die hierarchische Beziehung zwischen Komplexen von Transkriptionsfaktoren, ihren Zielgenen und den kodierten Genprodukten, die dann die zelluläre Aktivität steuern. Das Verständnis von GRNs ist der Schlüssel zur Steuerung der Pflanzenverbesserung durch Genmanipulation.

Die Identifizierung von Transkriptionsfaktoren, die Signal- und/oder Entwicklungsreaktionen steuern, ist aufgrund der großen Anzahl mutmaßlicher Transkriptionsfaktoren (TFs), die noch keine bekannte Funktion haben, und der Tatsache, dass TFs, die bereits in einem Kontext charakterisiert wurden, zusätzliche Rollen spielen können, eine Herausforderung in noch unbekannten Zusammenhängen. Außerdem arbeiten zuvor charakterisierte TFs wahrscheinlich in Kooperation mit anderen TFs, deren Funktion zuvor nicht beschrieben wurde.

Ein kürzlich veröffentlichtes Papier in in silico Pflanzen präsentiert TF DEACoN, ein neues Tool, das zuvor veröffentlichte und öffentlich verfügbare verwendet Arabidopsis DAP-Seq-Daten um Vorhersagen darüber zu treffen, welche TFs an einer beobachteten Transkriptionsreaktion beteiligt sein könnten. TF DEACoN analysiert Daten über Gruppen von koregulierten Genen hinweg, um nach Transkriptionsfaktoren zu „screenen“, die ihre gleichzeitigen Veränderungen in der Expression kontrollieren können.

TF DIAKON ist als benutzerfreundliche Web-App öffentlich verfügbar. „Die Idee hinter der Analyse ist analog zur Gene Ontology (GO)-Anreicherung; Anstelle von funktionalen Anmerkungen suchen wir nach TFs, die auf die Eingabegene abzielen, und vergleichen das Verhältnis der Ziele in dieser Abfragegruppe mit dem Verhältnis der Ziele im gesamten Genom. Wir haben versucht, die App für Forscher benutzerfreundlich zu gestalten. Wenn Sie eine Liste von Genen haben, die in Ihrem interessierenden Prozess koreguliert sind, fügen Sie einfach die Gen-IDs in ein Eingabefeld für Abfragen ein, und das Tool gibt Transkriptionsfaktoren (TF) aus, deren Ziele in Ihrem Gensatz angereichert sind mit ihren Familien und der AT-ID des Gens zum Download“, sagt Alexandria Harkey, Postdoktorandin an der Wake Forest University.

Die Autoren demonstrierten die Nützlichkeit des Clusterns von co-regulierten Genen basierend auf der Ähnlichkeit ihrer Transkripthäufigkeit über Zeit und Raum, um potenzielle Regulatoren zu finden, die nur offensichtlich sind, wenn Cluster von co-exprimierten Genen untersucht werden. Sie verwendeten TF DEACoN, um Transkriptionsdaten von Wurzeln zu analysieren, die mit dem Ethylen-Vorläufer 1-Aminocyclopropan-1-Carbonsäure (ACC) behandelt wurden, um den Ethylenspiegel zu erhöhen, und entdeckten TFs, die dieser Hormonsignalisierung nachgeschaltet wirken könnten, um Veränderungen in der Wurzelentwicklung zu kontrollieren. Anschließend verwendeten sie einen genetischen Ansatz, um zu zeigen, dass eine Mutation in einem der vorhergesagten und bisher unbekannten Transkriptionsfaktoren die negative Regulation der Seitenwurzelentwicklung durch ACC reduzierte.

Die in diesem Artikel vorgestellte Kombination aus Filterung und TF DEACoN kann auf jede Gruppe von koregulierten Genen angewendet werden, um GRNs vorherzusagen, die koordinierte Transkriptionsantworten steuern.

Dazu wurde das Tool „TF Discovery by Enrichment Analysis of Co-expression Networks“ (TF DEACoN) entwickelt R Glänzend und der ShinyBS-Paket, und wird unter einer Open-Source-Lizenz unter freigegeben https://github.com/aharkey/TFDEACoN.