Sequenciamento de RNA em larga escala como ferramenta para identificação e caracterização de genes em culturas de importância agronômica

Autores

  • David Gabriel dos Santos FAGUNDES Universidade Estadual do Rio Grande do Sul
  • Alexandro CAGLIARI Universidade Estadual do Rio Grande do Sul https://orcid.org/0000-0001-6549-8477

DOI:

https://doi.org/10.21674/2448-0479.53.271-279

Palavras-chave:

RNA-SEQ, transcritômica, melhoramento vegetal

Resumo

A transcritômica permite catalogar todas as diferentes classes de transcritos presentes nas células, possibilitando a quantificação dos níveis de expressão variáveis de cada transcrito durante o processo de desenvolvimento e sob diferentes condições fisiológicas. À tecnologia que se utiliza do sequenciamento de nova geração para analisar o transcritoma dá-se o nome de Sequenciamento de RNA (RNA-Seq). Na agricultura, o RNA-Seq permite, através do estudo das mudanças nos níveis de expressão gênica, explicar os efeitos biológicos causados por alterações ambientais, ocorridas quando uma perturbação externa é inserida no sistema, como por exemplo, uma infecção por um patógeno ou parasita, mudanças nutricionais, restrição hídrica e outros tipos de estresses que as plantas podem sofrer. Elucidando as alterações nos níveis de expressão gênica é possível compreender melhor a relação entre os genes e seus produtos. A descoberta e o estudo de genes envolvidos em características fenotípicas economicamente importantes podem contribuir para o fornecimento de matéria-prima para programas de melhoramento genético em culturas de importância agronômica.

Downloads

Não há dados estatísticos.

Referências

CARDOSO-SILVA, C.B.; COSTA, E.A.; MANCINI, M.C.; BALSALOBRE, T.W.A.; CANESIN, L.E.C.; PINTO, L.R.; CARNEIRO, M.S.; GARCIA, A.A.F.; SOUZA, A.P.; VICENTINI, R. De Novo Assembly and Transcriptome Analysis of Contrasting Sugarcane Varieties. Plos One, v.9, n. 2, 2014. https://doi.org/10.1371/journal.pone.0088462

CONESA, A.; MADRIGAL, P.; TARAZONA, S.; GOMEZ-CABRERO, D.; CERVERA, A.; MCPHERSON, A.; SZCZESNIAK, M.W.; GAFFNEY, D.; ELO, L.; ZHANG, X. et al., A survey of best practices for RNA-seq data analysis. Genome Biology, v.17, n. 13, 2016.

https://doi.org/10.1186/s13059-016-0881-8

EGAN, A.N.; SCHLUETER, J.; SPOONER, D.M., Applications of next-generation sequencing in plant biology, American Journal of Botany, v.99, n. 2, 2012. https://doi.org/10.3732/ajb.1200020

GARBER, M.; GRABHERR, M.G.; GUTTMAN, M.; TRAPNELL, C., Computational methods for transcriptome annotation and quantification using RNA-seq, Nature Methods, v.8, n. 6, 2011. https://doi.org/10.1038/nmeth.1613

GIACHETTO, P.F.; HIGA, R.H. Bioinformática aplicada à agricultura. In: MASSRUHÁ, S. M. F. S.; LEITE, M. A. de A.; LUCHIARI JUNIOR, A.; ROMANI, L. A. S., Tecnologias da informação e comunicação e suas relações com a agricultura. Brasília, DF: Embrapa, 2014. Cap. 4. p. 67-83.

GRIFFITH, M; WALKER, J.R.; SPIES, N.C.; AINSCOUGH, B.J.; GRIFFITH, O.L., Informatics for RNA Sequencing: A Web Resource for Analysis on the Cloud, Plos Computational Biology, v.11, n. 8, 2015. https://doi.org/10.1371/journal.pcbi.1004393

KOGENARU, S.; YAN, Q.; GUO, Y.; WANG, N., RNA-seq and microarray complement each other in transcriptome profiling, BMC Genomics, v.13, n. 629, 2012. https://doi.org/10.1186/1471-2164-13-629

KVAM, V.M.K.; LIU, P.; SI, Y., A comparison of statistical methods for detecting differentially expressed genes from rna-seq data, American Journal of Botany, v.99, n. 2, 2012. https://bsapubs.onlinelibrary.wiley.com/doi/pdf/10.3732/ajb.1100340

MARTIN, J.A.; WANG, Z., Next-generation transcriptome assembly. Nature Reviews Genetics, v.12, n. 10, 2011. http://dx.doi.org/10.1038/nrg3068

MARTIN, L.B.B.; FEI, Z.; GIOVANNONI, J.J.; ROSE, J.K.C., Catalyzing plant science research with RNA-seq. Frontiers in Plant Science, v.4, n. 66, 2013. https://doi.org/10.3389/fpls.2013.00066

O’ROURKE, J.A.; YANG, S.; MILLER, S.S.; BUCCIARELLI, B.; LIU, J.; RYDEEN, A.; BOZSOKI, Z.; UHDE-STONE, C.; JIN TU, Z.; ALLAN, D. et al., A RNA-Seq Transcriptome Analysis of P i Deficient White Lupin Reveals Novel Insights Into Phosphorus Acclimation in Plants, Plant Physiology Preview, v.161, n. 2, 2012. https://doi.org/10.1104/pp.112.209254

QIAN, X.; BA, Y.; ZHUANG, Q.; ZHONG, G., RNA-Seq Technology and Its Application in Fish Transcriptomics, OMICS A Journal of Integrative Biology, v.18, n. 2, 2014.

ROBLES, J.A.; QURESHI, S.E.; STEPHEN, S.J.; WILSON, S.R.; BURDEN, C.J.; TAYLOR, J.M., Efficient experimental design and analysis strategies for the detection of differential expression using RNA-Sequencing, BMC Genomics, v.13, n. 484, 2012. https://doi.org/10.1186/1471-2164-13-484

SEVERIN, A.J.; WOODY, J.L.; BOLON, Y.T.; JOSEPH, B.; DIERS, B.W.; FARMER, A.D.; MUEHLBAUER, G.J.; NELSON, R.T.; GRANT, D.; SPECHT, J.E., et al., RNA-Seq Atlas of Glycine max: A guide to the soybean transcriptome, BMC Plant Biology, v.10, n. 160, 2010. https://doi.org/10.1186/1471-2229-10-160

SIMS, D.; SUDBERY, I.; IIOTT, N.E.; HEGER, A.; PONTING, C.P., Sequencing depth and coverage: key considerations in genomic analyses. Nat Rev Genet, V.15, n. 3, 2014.

TRAPNELL, C.; ROBERTS, A.; GOFF, L.; PERTEA, G.; KIM, D.; KELLEY, D.R.; PIMENTEL, H.; SALZBERG, S.; RINN, J.; PACHTER, L., Differential gene and transcript expression analysis of RNA-seq experiments with TopHat and Cufflinks, Nature Protocols, v.7, n. 3, 2012. https://doi.org/10.1038/nprot.2012.016

WANG, S.; WANG, X.; HE, Q.; LIU, X.; XU, W.; LI, L., Transcriptome analysis of the roots at early and late seedling stages using Illumina paired-end sequencing and development of EST-SSR markers in radish. PlantCell Rep. v. 31, n. 8, 2012. https://doi.org/10.1007/s00299-012-1259-3

WANG, Z.; GERSTEIN, M.; SNYDER, M., RNA-Seq: a revolutionary tool for transcriptomics, Nature Reviews Genetics, v.10, n. 1, 2009. https://doi.org/10.1038/nrg2484

WOLF, J.B.W., Principles of transcriptome analysis and gene expression quantification: an RNA-seq tutorial, Molecular Ecology Resources, v.13, n. 4, 2013. https://doi.org/10.1111/1755-0998.12109

YOON, S.; NAM, D., Gene dispersion is the key determinant of the read count bias in differential expression analysis of RNA-seq data, BMC Genomics, v.18, n. 408, 2017.

https://doi.org/10.1186/s12864-017-3809-0

Downloads

Publicado

2019-12-10

Como Citar

FAGUNDES, D. G. dos S., & CAGLIARI, A. (2019). Sequenciamento de RNA em larga escala como ferramenta para identificação e caracterização de genes em culturas de importância agronômica. Revista Eletrônica Científica Da UERGS , 5(3), 271–279. https://doi.org/10.21674/2448-0479.53.271-279

Edição

Seção

ARTIGOS INÉDITOS