GWAS на основе машинного обучения выявляет новые гены-кандидаты устойчивости к монилиозу плодов (frosty pod rot) и болезни «ведьмины метлы» (witches' broom disease) у какао.
Machine learning-driven GWAS uncovers novel candidate genes for resistance to frosty pod rot and witches' broom disease in cacao.
Ahn E, Park S, Baek I, Lee D, Bhatt J, Lim S, Jang JH, Zhang D, Kim MS, Meinhardt LW
Аннотация (перевод)
Какао (Theobroma cacao), источник шоколада, находится под угрозой опустошительных болезней, таких как монилиоз плодов (FPR) и болезнь «ведьмины метлы» (WBD), что негативно влияет на мировое производство и средства к существованию фермеров. В данной работе мы применяем полногеномное исследование ассоциаций на основе машинного обучения для анализа генетической архитектуры устойчивости к болезням и продуктивности какао. Проанализировав фенотипические данные по доле здоровых плодов, а также устойчивости к FPR и WBD для 102 разнообразных образцов в сочетании с маркерами однонуклеотидного полиморфизма (SNP), картированными на референсные геномы Criollo и Matina, мы выявили множество новых генов-кандидатов. Эти гены вовлечены в различные биологические процессы, включая модификацию клеточной стенки, передачу сигналов ответа на стресс и защитные механизмы. Примечательно, что ассоциации различались между референсными геномами, что подчеркивает геномную сложность этих признаков. Наш анализ с использованием моделей Bootstrap Forest и Boosted Tree выявил ранее не зарегистрированные локусы, продемонстрировав возможности машинного обучения в обнаружении сложных генетических взаимодействий. Это исследование дает важное представление о полигенной природе устойчивости к болезням у какао и предлагает геномную дорожную карту для создания устойчивых к болезням сортов.
Оригинальная аннотация
Cacao (Theobroma cacao), the source of chocolate, is threatened by devastating diseases like frosty pod rot (FPR) and witches' broom disease (WBD), impacting global production and farmer livelihoods. Here, we employ a machine learning-driven genome-wide association study to dissect the genetic architecture of disease resistance and productivity in cacao. Upon analyzing phenotypic data for healthy pod rate along with FPR and WBD resistance across 102 diverse accessions, coupled with single nucleotide polymorphism (SNP) markers mapped to the Criollo and Matina reference genomes, we identified numerous novel candidate genes. These genes are implicated in various biological processes, including cell wall modification, stress response signaling, and defense-related mechanisms. Notably, associations varied between the reference genomes, highlighting the genomic complexity of these traits. Our analyses, using Bootstrap Forest and Boosted Tree models, uncovered loci not previously reported, demonstrating the power of machine learning in uncovering complex genetic interactions. This study offers important insights into the polygenic nature of disease resistance in cacao and presents a genomic roadmap for developing disease-resistant varieties.
Идентификаторы
Canonical: https://research.holos.house/w/a5cec86c-0c55-4f1b-ae69-835852aa3328
DOI: 10.1002/tpg2.70069