Ostatnie postępy w sekwencjonowaniu DNA nowej generacji doprowadziły do ​​odkrycia nowych genotypów w żeńce Panax, rewolucjonizując sposób, w jaki uwierzytelniamy i rozumiemy tę istotną dla leczniczą roślinę. Naukowcy dr Christopher Oberc i dr Paul Li z Uniwersytetu Simona Frasera wykorzystali wyrafinowane techniki odkrywania tych genotypów, oznaczając znaczący skok w dziedzinie genetyki roślin. Ich odkrycia, opublikowane w Heliyon, szczegółowo opisują metodologię i implikacje tej przełomowej pracy.

Panax żeń -szeń i panax quinquefolius, powszechnie znany odpowiednio jako chińsko -koreański żeń -szeń i szereg amerykański/kanadyjski, są dwoma głównymi gatunkami z rodzaju panax. Pomimo różnic morfologicznych rozróżnienie między tymi gatunkami staje się trudne, gdy są one przetwarzane w produkty komercyjne, takie jak plastry lub proszki. Uwierzytelnianie genetyczne, które pokonuje te ograniczenia, stało się zatem kluczowym narzędziem.

W swoich badaniach dr Oberc i dr Li zastosowali sekwencjonowanie nowej generacji (NGS) do analizy czternastu próbek z żeń-szenia w różnych formach. Ta metoda pozwoliła im uzyskać miliony odczytów DNA z każdej próbki. Korzystając z wyrównnika koła Burrows-Wheeler (BWA) i analizy klastrowania opartego na Pythonie, zidentyfikowali nowy genotyp wśród próbek. Dwie próbki zostały uwierzytelnione z pewnością, podczas gdy inne wykazywały charakterystykę hybrydową, ujawniając złożoną genetyczną naturę tych roślin.

„Sekwencjonowanie nowej generacji oferuje solidną platformę do odkrywania zmian genetycznych poza prostymi mutacjami punktowymi”, stwierdził dr Li. Zespół zastosował algorytm uczenia maszynowego o nazwie Gaussian Mixture Clustering do analizy danych sekwencjonowania, co umożliwiło im sklasyfikowanie próbek żeń -szenia w odrębne genotypy. Badanie ujawniło wcześniej nie zgłoszony genotyp, dodając nową warstwę do naszego zrozumienia różnorodności genetycznej gatunku Panax.

Jednym z kluczowych ustaleń była identyfikacja genotypu CCG, który nie został wcześniej udokumentowany. Implikacje tego genetypu wykraczają poza zainteresowanie akademickie. Uwierzytelnianie genetyczne żeń -szenia może znacząco wpłynąć na przemysł komercyjny, zapewniając czystość i autentyczność produktów z żeń -szenia. Jest to szczególnie ważne, biorąc pod uwagę wysoką wartość rynkową i lecznicze znaczenie żeń -szeń. Dzięki nowym informacjom genotypowym producenci mogą lepiej zweryfikować autentyczność swoich produktów, zapewniając konsumentom większą pewność co do jakości zakupionego żeń -szeń.

Ponadto badanie podkreśla potencjał wykorzystania informacji genetycznych w celu poprawy uprawy i komercjalizacji żeń -szeń. Rozumiejąc różnorodność genetyczną w gatunkach Panax, naukowcy i rolnicy mogą opracować lepsze strategie hodowli i rosnącego żeń -szenia, optymalizując jego właściwości lecznicze i wartość rynkową.

Udane zastosowanie NGS i analizy uczenia maszynowego w tym badaniu stanowi również precedens dla przyszłych badań w zakresie genetyki roślin. Metodologię opracowaną przez dr Oberc i dr Li można dostosowywać i stosować do innych gatunków roślin, zwiększając naszą zdolność do genetycznego uwierzytelniania i badania różnych roślin leczniczych. Postęp ten otwiera nowe możliwości badań i rozwoju w dziedzinie medycyny ziołowej, gdzie uwierzytelnianie genetyczne ma kluczowe znaczenie dla zapewnienia bezpieczeństwa i skuteczności produktów ziołowych.

Podsumowując, praca dr Christophera Oberca i dr Paul Li reprezentuje znaczący postęp w uwierzytelnianiu genetycznym żeń -szeństwa Panax. Ich odkrycie nowych genotypów przy użyciu sekwencjonowania nowej generacji nie tylko pogłębia nasze rozumienie różnorodności genetycznej żeń-szeń, ale także zapewnia praktyczne narzędzia zapewniające autentyczność i jakość produktów z żeń-szeń. To badanie jest przykładem siły nowoczesnych technik genetycznych w rozwijaniu zarówno wiedzy naukowej, jak i praktycznych zastosowań w dziedzinie roślin leczniczych.

Referencje dziennika

Oberc, C. i Li, PCH (2024). Sekwencjonowanie DNA nowej generacji próbek PANAX ujawniło nowe genotypy: wyrównanie koła nornika, obfitość i analiza klastrowania oparta na Python. Heliyon, 10, E29104. Doi: https://doi.org/10.1016/j.heliyon.2024.e29104