近日，華中農(nóng)業(yè)大學信息學院楊慶勇教授課題組在國際學術期刊Molecular Plant上發(fā)表題為“BnIR: a multi-omics database with various tools for Brassica napus research and breeding”的研究成果。該研究搜集并整合了甘藍型油菜基因組、轉(zhuǎn)錄組、變異組、表觀遺傳、表型組和代謝組等6種組學數(shù)據(jù)，并構(gòu)建出首個綜合性的油菜多組學數(shù)據(jù)庫—BnIR，為油菜遺傳育種研究提供了重要的數(shù)據(jù)資源和分析平臺。

 

　　油菜作為世界上最重要的油料作物之一，是人類食用植物油和飼用蛋白的主要來源。近年來，越來越多的高通量組學技術被應用于油菜研究，油菜多組學數(shù)據(jù)大量積累。首先，油菜多組學數(shù)據(jù)規(guī)模的激增，對數(shù)據(jù)存儲、檢索和分析提出了更高的需求。其次，不同來源、不同組學、不同平臺產(chǎn)生的生物大數(shù)據(jù)具有顯著的異質(zhì)性，目前尚缺乏相對高效的整合和挖掘方法。因此，油菜領域迫切需要一個類似TAIR的、能夠支撐和服務油菜生物學研究的綜合性數(shù)據(jù)庫。

 

　　為解決這些問題，研究者利用生物信息團隊在數(shù)據(jù)整合和深度分析的經(jīng)驗和優(yōu)勢，以前期發(fā)布的BnPIR、BnTIR以及BnVIR數(shù)據(jù)庫為基礎，進一步搜集了近年來新發(fā)布的多組學數(shù)據(jù)集，并進行了統(tǒng)一過濾、處理和分析，最終構(gòu)建出目前最為系統(tǒng)和全面的油菜多組學數(shù)據(jù)庫-BnIR。在該研究中，研究者共搜集了29個甘藍型油菜以及近緣物種的基因組、2791個油菜組織樣本的轉(zhuǎn)錄組、2311個樣本的群體遺傳變異數(shù)據(jù)、118個表型、266個代謝物含量以及多種表觀基因組學數(shù)據(jù)（包括DNA甲基化、組蛋白修飾、染色質(zhì)可及性和染色質(zhì)交互強度等）組成的公共多組學數(shù)據(jù)。在BnIR數(shù)據(jù)庫中，研究者不僅整合并升級了BnPIR、BnTIR和BnVIR數(shù)據(jù)庫中的功能，而且基于不同組學數(shù)據(jù)的特征開發(fā)出多個新功能，以方便用戶更加有針對性地進行查詢和瀏覽。此外，基于群體多組學數(shù)據(jù)，研究者利用全基因組關聯(lián)分析、表達數(shù)量性狀位點定位、孟德爾隨機化和共定位分析等多種分析策略，對不同組學數(shù)據(jù)進行了關聯(lián)與整合。相關數(shù)據(jù)及結(jié)果已上傳至數(shù)據(jù)庫的多組學模塊，以方便用戶進行快速檢索、分析和利用。此外，BnIR數(shù)據(jù)庫還集成了18種在線分析工具，包括序列比對（BLAST、MSA）、富集分析（GO、KEGG）、關聯(lián)分析（GWAS、TWAS、eQTL等）、共定位分析（COLOC）、孟德爾隨機化分析（SMR）、遺傳相似性分析、ePCR、引物設計等。最后研究者以種子硫苷含量和含油量為例，系統(tǒng)地闡述了BnIR在解析遺傳變異位點對基因表達和表型影響方面的應用，展現(xiàn)了BnIR的在挖掘重要變異、探索變異作用機制方面的價值和潛力。

 

　　與其他現(xiàn)有的數(shù)據(jù)庫相比，BnIR是首個綜合性的油菜多組學數(shù)據(jù)庫，其不僅容納了迄今為止最豐富的多種組學數(shù)據(jù)，還整合和開發(fā)了多個組學數(shù)據(jù)搜索和分析工具，可以幫助研究者快速獲取并分析相關信息，為油菜研究者提供了“一站式”的數(shù)據(jù)檢索、獲取和挖掘服務。

 

　　華中農(nóng)業(yè)大學信息學院楊慶勇教授為論文通訊作者，信息學院已畢業(yè)博士生楊植全（現(xiàn)廣州大學博士后），碩士生王升博為論文并列第一作者。我校油菜團隊周永明教授、郭亮教授對本項研究提供了指導。該項研究得到國家自然科學基金（32070559）、國家重點研發(fā)計劃（2021YFF1000100）、中國博士后基金（2022M710875）和海南省崖州灣種子實驗室生物信息學開發(fā)平臺（JBGS-B21HJ0001）、湖北省洪山實驗室（2021HSZD004）等項目的資助。

 

　　審核人：楊慶勇

 

　　BnIR數(shù)據(jù)庫鏈接：http://yanglab.hzau.edu.cn/BnIR

 

　　BnIR使用示例： http://yanglab.hzau.edu.cn/BnIR/tutorial

 

　　原文鏈接：https://doi.org/10.1016/j.molp.2023.03.007