MétaCan
Menu
Retour à la cohorte
Enregistrement W3208989175 · doi:10.1186/s13007-021-00808-4

Genome-wide screening of novel RT-qPCR reference genes for study of GLRaV-3 infection in wine grapes and refinement of an RNA isolation protocol for grape berries

2021· article· en· W3208989175 sur OpenAlexafffund
Yashu Song, Robert Hanner, Baozhong Meng

Notice bibliographique

RevuePlant Methods · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Food Inspection AgencyUniversity of Guelph
Mots-clésWineBiologyIsolation (microbiology)GeneRNA extractionComputational biologyVitis viniferaWine grapeGenomeGeneticsRNARNA-SeqHorticultureBioinformaticsFood scienceGene expressionTranscriptome

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Grapevine, as an essential fruit crop with high economic values, has been the focus of molecular studies in diverse areas. Two challenges exist in the grapevine research field: (i) the lack of a rapid, user-friendly and effective RNA isolation protocol for mature dark-skinned berries and, (ii) the lack of validated reference genes that are stable for quantification of gene expression across desired experimental conditions. Successful isolation of RNA with sufficient yield and quality is essential for downstream analyses involving nucleic acids. However, ripe berries of dark-skinned grape cultivars are notoriously challenging in RNA isolation due to high contents of polyphenolics, polysaccharides, RNase and water. RESULTS: We have optimized an RNA isolation protocol through modulating two factors at the lysis step that could impact results of RNA isolation - 2-ME concentration and berry mass. By finding the optimal combination among the two factors, our refined protocol was highly effective in isolating total RNA with high yield and quality from whole mature berries of an array of dark-skinned wine grape cultivars. Our protocol takes a much shorter time to complete, is highly effective, and eliminates the requirement for hazardous organic solvents. We have also shown that the resulting RNA preps were suitable for multiple downstream analyses, including the detection of viruses and amplification of grapevine genes using reverse transcription-polymerase chain reaction (RT-PCR), gene expression analysis via quantitative reverse transcription PCR (RT-qPCR), and RNA Sequencing (RNA-Seq). By using RNA-Seq data derived from Cabernet Franc, we have identified seven novel reference gene candidates (CYSP, NDUFS8, YLS8, EIF5A2, Gluc, GDT1, and EF-Hand) with stable expression across two tissue types, three developmental stages and status of infection with grapevine leafroll-associated virus 3 (GLRaV-3). We evaluated the stability of these candidate genes together with two conventional reference genes (actin and NAD5) using geNorm, NormFinder and BestKeeper. We found that the novel reference gene candidates outperformed both actin and NAD5. The three most stable reference genes were CYSP, NDUFS8 and YSL8, whereas actin and NAD5 were among the least stable. We further tested if there would be a difference in RT-qPCR quantification results when the most stable (CYSP) and the least stable (actin and NAD5) genes were used for normalization. We concluded that both actin and NAD5 led to erroneous RT-qPCR results in determining the statistical significance and fold-change values of gene expressional change. CONCLUSIONS: We have formulated a rapid, safe and highly effective protocol for isolating RNA from recalcitrant berry tissue of wine grapes. The resulting RNA is of high quality and suitable for RT-qPCR and RNA-Seq. We have identified and validated a set of novel reference genes based on RNA-Seq dataset. We have shown that these new reference genes are superior over actin and NAD5, two of the conventional reference genes commonly used in early studies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,084
Tête enseignante GPT0,420
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlant MethodsMême sujetMolecular Biology Techniques and ApplicationsTravaux en français237 207