蒜头果KCS基因的克隆与功能分析

来源 :西北农林科技大学 | 被引量 : 0次 | 上传用户:beyond870402
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
神经酸是一种超长链单不饱和脂肪酸24:1Δ15(顺-15-二十四碳烯酸),在自然界中作为油酸延长后的产物。近年来,神经酸广泛应用于医药以及工业方面。在我国珍稀植物蒜头果种子中,富含约40%的神经酸。运用cDNA末端快速克隆(RACE)技术和聚合酶链式反应方法,我们分离得到了蒜头果中编码β-酮脂酰-CoA合成酶(KCS)的基因,KCS催化神经酸合成过程中脂肪酸延长反应。采用种子特异性启动子phaseolin构建蒜头果的KCS基因表达载体,转化拟南芥植株中,在拟南芥转化株系中对上述克隆的基因进行功能分析。为进一步探讨神经酸积累的机理,我们对发育中后期蒜头果种胚的转录组进行了分析。本研究主要获得如下结果:1)从蒜头果中克隆得到了三个KCS基因,分别命名为MoKCS11,MoKCS4-1,MoKCS4-2,基因的全长分别为1539bp、1551bp、1557bp。与其它已经验证了具有脂肪酸延长功能的酶的氨基酸序列比较,这三个基因编码的氨基酸序列中都有6个半胱氨酸(Cys)和4个组氨酸(His)的保守序列。在实现脂肪酸延长酶功能的一个重要关键性位点429位上为酪氨酸(Tyr)或组氨酸(His)。2)通过Gateway技术对所得到的两个蒜头果KCS基因构建植物表达载体并转化野生型拟南芥Col-0,通过对T3代转化株种子进行气相色谱分析,发现以Col-0为背景的MoKCS11转化株系种子中,芥酸和神经酸含量均有明显提升。芥酸比例较未转化的拟南芥野生型Col-0提高了4倍,达到了8.1%,同时神经酸含量最高的株系达到了5.3%,而拟南芥野生型Col-0种子中极少甚至没有神经酸。而MoKCS4-2转化拟南芥野生型Col-0后功能不明显。这个结果表明了蒜头果的MoKCS11基因编码了一个利用单不饱和的酰基底物合成芥酸和神经酸等超长链脂肪酸含量的缩合酶。3)利用Illumina测序平台对蒜头果发育中后期的种胚组织转录组进行测序,最终得到61462条高质量Unigene序列。通过将Unigene与已知基因序列进行比对,在本次获得的蒜头果转录组数据中,我们共发现303个Unigenes编码参与脂类代谢途径(包括脂肪酸延长与表皮蜡质合成、三酰甘油合成、脂肪酸合成),涉及55类酶,表达量最高的为KCS11和SAD同源基因。
其他文献
自然界中广泛存在包含有1-苯基-α,β-不饱和酮结构的天然产物,如查尔酮、黄酮、1,5-二苯基-2-戊烯-1-酮(瑞香狼毒中的活性物质)等。大量研究显示,这类化合物普遍具有抗菌、
背景:肺癌的发病率和死亡率在全世界都处于不断上升的趋势,他是全球男性因癌症死亡的首要原因,是全球女性因癌症死亡的次要原因。据不完全估计,肺癌是2015年中国最常见的癌症
软木作为一种可再生资源,应用越来越广泛,但我国栓皮栎软木质地较硬、杂质含量较多,其物理特性比国外栓皮槠软木稍差。为从本源上解释国产栓皮栎软木的物理力学性能,本文以初
南瓜(Cucurbita moschata Duch.)在我国种植地域分布广泛,易种植,产量高,生产成本低,是我国的重要经济作物,年产量达410万t,占世界总产量的30%。南瓜生产过程中会产生大量的
聚丙烯(PP)是一种重要的热塑性塑料,金属化的PP兼具塑料和金属的优点,进一步扩大了其应用领域,例如电子、精密仪器、电器、化学工业等行业。本文对电晕前处理的PP表面自组装APT
在城市化进程的推动下机动车成为广泛应用的移动交通工具,给人们的出行带来了许多便捷。但与之而来的是日趋复杂的交通环境和渐趋严峻的交通安全问题。利用有效的交通场景理
深度学习作为目前流行的研究热点,涉及到智能搜索、数据挖掘、自然语言处理以及图像和语音等各个领域。而使用生成对抗网络(Generative Adversarial Networks GAN)生成图像则是目前图像领域比较受追捧的热门探究。本文研究的则是从草图图像向真实世界的图像的转换。首先,研究集中了从自然风景的草图图像到真实世界的风景图像之间的相互转换。其中,草图与自然风景图像之间的转换是一对一的。
AcMVPV LEF-10是一种病毒的晚期表达因子,对病毒晚期基因的表达起重要的调控作用。先前的研究发现,在原核细胞E.coli或真核细胞Sf9细胞中,LEF-10均会形成难解离的高分子量复
仿金电镀因为具有更高的致密性、耐磨性,以及特殊的光学性能、瑰丽的外观,而被广泛的应用在首饰、工艺制品、灯具、打火机、制笔等各个领域。仿金电镀体系主要包括有氰电镀和
随着物联网、云计算、大数据、人工智能等数字技术的发展,全球进入数字经济时代,人们的个性化需求、数据的多样性与复杂性让用户对信息的获取提出了更高的要求。如何帮助用户从海量信息中找到其感兴趣的信息,已成为学术界广泛关注的问题。推荐系统作为一种有效的信息过滤系统,是解决这一问题的重要工具,但随着用户和物品数量的极速增长,传统的基于协同过滤的推荐系统正面临着推荐质量和推荐实时性下降的挑战。最近的研究表明,