Im Maislabyrinth navigieren: FSU-Forscher entwickeln eine Technik, um die „Lichtschalter“ des Maisgenoms abzubilden

Es ist ein wichtiges Ziel von Wissenschaftlern auf der ganzen Welt, vollständig zu verstehen, wie Gene reguliert werden. Heute haben ein Professor der Florida State University und seine Forschungspartner eine Technik entwickelt, die fast jede wahrscheinliche regulatorische Änderung in einem Genom abbilden kann.

Dieses Wissen könnte sich für die Landwirtschaft als unverzichtbar erweisen, wo Wissenschaftler ständig versuchen, die Ernteerträge zu verbessern, indem sie verschiedene Pflanzen wie Mais oder Weizen widerstandsfähiger gegen äußere Einflüsse wie Dürre, Überschwemmungen oder Schneestürme machen.

„Die Kenntnis der Landschaft der Genomstruktur sollte dazu beitragen, die Genom-Editierung zu fokussieren und breiter angelegte angewandte Forschungsbemühungen zu beschleunigen, wie sie beispielsweise die Landwirtschaft und die Präzisionsmedizin leiten“, sagte der Wissenschaftsprofessor Hank Bass.

Die Forschung ist veröffentlicht in PLOS Genetik.

Regulatorische Schalter, die von Transkriptionsfaktoren gesteuert werden, sind fast wie Lichtschalter für Gene. Alle Gene haben spezifische Funktionen, einige werden jedoch nur in unterschiedlichen Entwicklungsstadien kurzzeitig aktiviert. Wenn dieser Prozess schief geht, kann dies die Fähigkeit einer Pflanze beeinträchtigen, richtig zu wachsen oder Krankheiten zu bekämpfen.

„Durch die Erstellung einer robusten und genauen Karte von regulatorischen Stellen und Transkriptionsfaktoren in Mais kann die Genexpression durch gezielte Ausrichtung auf diese Stellen optimiert werden“, sagte Savannah Savadel, Hauptautorin des Artikels und Alumnus der FSU, die jetzt an der Baylor Medical School studiert. Universität für Medizin. “Dies könnte gesündere Pflanzen, einen höheren Nährstoffgehalt, ein besseres Wachstum oder eine bessere Dürreresistenz bedeuten, was in Gebieten mit schwieriger Landwirtschaft von besonderer Bedeutung ist.”

Das Wissen, wo ein Transkriptionsfaktor an das Gen bindet, ermöglicht es den Forschern, die Biochemie der Genregulation in normalen und pathologischen Umgebungen zu verstehen.

Mais ist eine komplizierte Pflanze, die von Hunderten von Forschern untersucht wurde, da sie eine gute genetische Modellart ist, die auch dazu beitragen kann, die Genetik anderer Pflanzen zu beleuchten. Das Maisgenom enthält etwa zwei Milliarden Basenpaare, Einheiten doppelsträngiger Nukleinsäuren, die die Bausteine ​​der DNA sind. Zum Vergleich: Der Mensch hat etwa 2,9 Milliarden Basenpaare.

Bass und seine Kollegen nutzten ihre Technik namens MOA-seq, um DNA-Sequenzen in kleine Stücke von etwa 30 Basenpaaren abzubilden. Die Methode extrahiert Zellkerne und wendet ein Enzym an, das wie eine Sonde funktioniert. Es diffundiert in den Zellkern und identifiziert DNA-Bereiche, die durch Bindung an den Transkriptionsfaktor modifiziert werden können.

Die Verkleinerung der DNA-Karte auf kleinere Fingerabdrücke von 30 Basenpaaren würde es den Forschern ermöglichen, Genbearbeitungswerkzeuge wie CRISPR zu verwenden, um bestimmte Bereiche des Gens zu modifizieren.

„Wir fanden die Lichtschalter mit großer Genauigkeit in einem Proof-of-Concept-Testgewebe, dem sich entwickelnden Kolben einer Maispflanze“, sagte Bass. „Die Fähigkeit, dieses Sequenzniveau zu erreichen, bedeutet, dass man innerhalb der Bindungsstellen dieser Schalter nach genetischen Variationen suchen kann. Dies ermöglicht Präzisionslandwirtschaft.

Bass hat die Chromatin-Empfindlichkeits-Profiling-Technik in den letzten zehn Jahren verfeinert. Er arbeitete an diesem Artikel mit Thomas Hartwig, einem Forscher vom Max-Planck-Institut in Deutschland, der eine Zusammenarbeit vorschlug, nachdem er einen Workshop besucht hatte, der den Forschern die Anwendung der Methode beigebracht hatte. Savadel führte im Rahmen seiner Dissertation mit Auszeichnung zahlreiche Experimente im Bundesstaat Florida durch.

Jonathan Dennis, außerordentlicher Professor für Biowissenschaften der FSU, und Jinfeng Zhang, außerordentlicher Professor für Statistik, trugen zu dieser Forschung bei, ebenso wie die Doktoranden Zachary Turpin, Pei-Yau Lung und Xin Sui und der ehemalige FSU-Student Daniel Vera. An dieser Studie haben auch Wolf Frommer und Max Blank vom Max-Planck-Institut mitgewirkt.

Diese Arbeit wurde von der National Science Foundation unterstützt.