XiaoMi-AI文件搜索系统
World File Search System含油量
研究菥蓂、菥蓂的种子大小和含油量
莨菪是一种耐寒的覆盖作物，在秋季玉米收获和春季大豆种植之间提供生态系统服务，例如减少土壤侵蚀和养分流失。与传统的覆盖作物不同，田间莨菪在晚春产出成熟的油籽，使农民一年内可以收获两种经济作物。野生莨菪品系已被证明可产出 >1,000 千克/公顷 1 。莨菪种子平均含油 33%（按重量计算），油是一种极好的生物燃料原料。然而，尽管有这些环境和经济效益，莨菪目前受到种子小（1 毫克/粒）的限制，这可能会使种子的种植、收获和处理变得复杂。增加种子大小也会提高油提取效率。除了改进种子大小外，增加种子中的油含量也会提高种植和加工莨菪作为生物燃料原料的经济效益。我们收集了代表北美、欧洲和西亚遗传多样性的野生荠菜种质 2 。通过表征这些种质的种子大小和含油量，我们可以鉴定出有用的改良变种。在美国农业部国家油脂研究所的资助下，我们之前开发了几种 EMS 诱导的荠菜突变株系，这些突变株系表现出关键的驯化性状，如种荚破碎减少、开花提早和脂肪酸谱改善 3 。我们还通过生成种子油中芥酸含量无法检测到的荠菜株系，开发并展示了荠菜农杆菌介导的植物转化和 CRISPR-Cas9 基因组编辑的效用 4 。利用这些最近开发的技术和种质，我们的目标是鉴定和表征可提高荠菜作为生物燃料原料物种的效率和效用，并使种子更易于生产者处理的性状。最后，我们会将这些性状渗入我们的优良育种株系，以开发出油量和种子产量更高的新型荠菜品种。为了实现这些目标，我们编制了一个包含 319 个基因型（267 个冬季型和 52 个春季型个体）的葎草关联作图面板。该面板种植在圣路易斯。
与大豆种子重量相关的转录因子
栽培大豆 ( Glycine max (L.) Merrill ) 是由野生大豆 ( Glycine soja ) 驯化而来，其种子比野生大豆更重，含油量更高。在本研究中，我们利用全基因组关联研究 (GWAS) 鉴定了一个与 SW 相关的新型候选基因。连续三年通过 GWAS 分析检测到候选基因 GmWRI14-like。通过构建过表达 GmWRI14-like 基因的转基因大豆和 gmwri14-like 大豆突变体，我们发现 GmWRI14-like 的过表达增加了 SW 和增加了总脂肪酸含量。然后我们利用 RNA-seq 和 qRT-PCR 鉴定了 GmWRI14-like 直接或间接调控的靶基因。过表达GmWRI14-like的转基因大豆比非转基因大豆株系表现出GmCYP78A50和GmCYP78A69的积累增加。有趣的是，我们还利用酵母双杂交和双分子荧光互补技术发现GmWRI14-like蛋白可以与GmCYP78A69/GmCYP78A50相互作用。我们的研究结果不仅揭示了栽培大豆SW的遗传结构，而且为改良大豆SW和含油量奠定了理论基础。
CRISPR/Cas9 介导的 BnFAD2 和 BnFAE1 基因编辑改变了油菜中的脂肪酸谱
摘要：脂肪酸组成决定了油料作物油脂的品质，是遗传改良的重要目标。FAD2（脂肪酸脱氢酶2）和FAE1（脂肪酸延长酶1）是关键的脂肪酸合成基因，已成为遗传操作改变油料植物脂肪酸组成的重点研究对象。本研究以油菜品种CY2（含油量约50%；其中芥酸含量为40%）为营养品质，利用CRISPR/Cas9介导的BnFAD2和BnFAE1基因基因组编辑技术，获得新型敲除植物。设计两条引导RNA，分别针对一个拷贝的BnFAD2基因和两个拷贝的BnFAE1基因。通过序列分析，鉴定出一些在BnFAD2和BnFAE1基因的3个靶位点发生突变的株系。其中三个品系在 BnFAD2 和 BnFAE1 基因的所有三个靶位点均发生了突变。种子脂肪酸组成分析表明，所有三个位点的突变导致油酸含量（70–80%）与 CY2（20%）相比显著增加，芥酸含量大大降低，多不饱和脂肪酸含量略有下降。我们的结果证实了 CRISPR/Cas9 系统是改良这一重要性状的有效工具。
利用 CRISPR-Cas9 敲除 FAD2 基因提高六倍体亚麻荠籽油中单不饱和脂肪酸含量
种子油可用作食用油，也越来越多地用于工业用途。尽管高油酸种子油更适合工业用途，但大多数种子油富含多不饱和脂肪酸 (PUFA)，而油酸等单不饱和脂肪酸 (MUFA) 含量较低。亚麻荠油是一种新兴的油籽作物，种子含油量高，且能抵抗环境压力，其含有 60% 的 PUFA 和 30% 的 MUFA。六倍体亚麻荠携带三种 FAD2 同源物，编码脂肪酸去饱和酶 2 (FAD2)，负责从油酸合成亚油酸。在本研究中，为了增加亚麻荠籽油中的 MUFA 含量，我们通过 CRISPR-Cas9 介导的基因编辑生成了 CsFAD2 敲除植物，使用包含 DsRed 作为选择标记的 pRedU6fad2EcCas9 载体、用于驱动覆盖三个 CsFAD2 同源物共同区域的单个向导 RNA (sgRNA) 的 U6 启动子以及用于驱动 Cas9 表达的卵细胞特异性启动子。我们使用来自转化亚麻荠叶片的基因组 DNA 通过 PCR 分析了 CsFAD2 同源物特异性序列。三对 FAD2 同源物的敲除导致矮小的丛生表型，但大大提高了种子中的 MUFA 水平（提高了 80%）。然而，具有两对 CsFAD2 同源物的转化子被敲除，但另一对野生型杂合子显示正常生长，种子 MUFA 产量增加了 60%。这些结果为通过基因组编辑影响多倍体作物生长的基因代谢工程提供了基础。
通过编辑缺乏自然变异的 AhKCS 基因来提高花生的营养品质
花生 ( Arachis hypogaea L.) 是全球主要油料作物，广泛种植于热带和亚热带地区。由于花生含油量高 (约 46% – 58%) 和蛋白质含量高 (约 22% – 32%)，在解决营养不良和确保许多地区的粮食安全方面发挥着关键作用。由于对人类健康的潜在影响，植物油和食品的脂肪酸谱最近引起了越来越多的关注。极长链脂肪酸 (VLCFA) 被定义为碳链长度超过 18 个原子的脂肪酸 (Guyomarc'h et al ., 2021 )。花生仁含有各种 VLCFA，例如花生酸 (C20:0)、二十碳烯酸 (C20:1)、二十二烷酸 (C22:0) 和二十四碳烯酸 (C24:0)，但大多数是饱和脂肪酸 (SFA)。众所周知，高水平的极长链饱和脂肪酸 (VLCSFA) 与动脉粥样硬化和心血管疾病的患病率有关 (Bloise 等人，2022 年)。因此，降低花生中的 VLCFA 含量变得越来越重要，因为它对提高营养品质和健康价值有积极影响。已知植物中 VLCFA 的生物合成受关键酶 b-酮脂酰辅酶 A 合酶 (KCS) 调控 (Wang 等人，2017 年)。在我们之前的研究中，在花生基因组中共鉴定出 30 个 AhKCS 基因。经过基因表达谱和功能分析，一对同源基因 AhKCS1 和 AhKCS28 被鉴定为花生仁中 VLCFA 含量的假定调节因子。现有花生种质资源中 VLCFA 含量范围为 4.3% 至 9.8%，但在 AhKCS1 和 AhKCS28 基因内部或周围未观察到序列变异，这表明
用于识别黄色的经典和机器学习工具......
油菜籽在发育过程中含有叶绿素，使其呈现绿色。随着种子的成熟，它们会呈现出黑色、红褐色到黄色等颜色。黑色和红褐色种子的种皮会积累色素，而黄籽品种的种皮透明，可以露出胚的颜色。研究表明，黄籽油菜籽比黑籽品种休眠期短、发芽更简单、含油量更高，因此培育黄籽油菜籽是提高油分含量的有效方法（Yang et al.，2021）。芥菜和油菜黄籽品种的鉴别相对简单，因为纯黄色表型在遗传上是稳定的（Li et al.，2012；Chen et al.，2015）。然而，由于种皮颜色变异复杂，包括黄色中夹杂黑色斑点、斑块或棕色环等杂色，油菜种皮一直未能获得稳定的纯黄色后代，且分离后代的种皮颜色呈现连续变异（刘，1992；Auger等，2010；Qu等，2013），因此准确、高效地测定油菜种皮颜色仍是一项关键且具有挑战性的任务。许多研究涉及油菜籽颜色的鉴别（Li等，2001；Somers等，2001；Zhang等，2006；Baetzel等，2003；Tańska等，2005；Li等，2012；Liu等，2005；Ye等，2018）。例如，Li等（2001）通过目视观察来评估甘蓝型油菜的黄籽程度，这种方法简单但过于依赖观察者，导致识别可能不准确。Somers等（2001）利用光反射来评估黄籽颜色等级，通过测量反射值并计算籽粒颜色指数或光反射值。该方法虽然较为客观，但仅能捕捉亮度等单维颜色数据，忽略了原始材料的丰富信息。为了解决这一限制，许多学者致力于通过 RGB 颜色系统进行数字图像分析（ Zhang et al.，2006 ； Baetzel et al.，2003 ； Ta ńska et al.，2005 ； Li et al.，2012 ； Liu et al.，2005 ； Ye et al.，2018 ）。然而，油菜籽表皮颜色复杂且相似，精准识别颜色具有挑战性，现有的技术缺乏可靠性和标准化。因此，准确、有效地测量黄籽油菜的颜色仍然至关重要。化学计量学和计算机技术的最新进展导致了近红外光谱技术（NIRS）的发展，这是一种结合物体图像和光谱数据的技术。 NIRS 以其速度快、无损和高效而闻名，被广泛用于农产品的快速、无损分析。多项研究已经证明了它的实用性（Guo 等人，2019年；布等人，2023；梁等人，2023；刘等人，2021；佩蒂斯科等人，2010；森等人，2018；刘等人，2022；张等人，2020；魏等人，2020；张等人，2018；江等，2017；李等人，2022；江等，2018；他等人，2022）。例如，郭等人。 (2019) 使用 NIRS 成像系统 (380 – 1,000 nm) 来准确量化掺假大米，而 Bu 等人。 (2023) 将高光谱成像与卷积神经网络相结合，建立了高粱品种识别的智能模型，准确率超越了现有模型。该技术也已应用于油菜生长诊断。例如，刘等人 (2021) 开发了一种基于高光谱技术的检测算法来预测甘蓝型油菜中的油酸含量。Petisco 等人 (2010) 研究了甘蓝型油菜的可见光和近红外光谱。