Ein Chromosom

Communications Biology Band 6, Artikelnummer: 813 (2023) Diesen Artikel zitieren

97 Zugriffe

3 Altmetrisch

Details zu den Metriken

Insekten haben aufgrund der genomischen Anpassung ein begrenztes Wirtsspektrum. Thysanoptera, allgemein bekannt als Thripse, bewohnen unterschiedliche Nahrungshabitate, es mangelt jedoch an vergleichenden Genomanalysen und die verfügbaren Genomressourcen sind begrenzt. In dieser Studie wird das Genom auf Chromosomenebene von Stenchaetothrips biformis, einem oligophagen Reisschädling, mithilfe mehrerer Sequenzierungstechnologien zusammengesetzt, darunter PacBio, Illumina Short-Reads und Hi-C-Technologie. Es wird ein 338,86 MB großes Genom erhalten, das aus 1269 Contigs mit einer Contig-N50-Größe von 381 kb und einer Gerüst-N50-Größe von 18,21 MB besteht. Danach werden 17.167 proteinkodierende Gene und 36,25 % repetitive Elemente annotiert. Vergleichende Genomanalysen mit zwei anderen polyphagen Thripsen zeigten kontrahierte chemosensorische und erweiterte Stressreaktions- und Entgiftungsgenfamilien in S. biformis, was möglicherweise die Reisanpassung erleichtert. Bei den polyphagen Thripsarten Frankliniella occidentalis und Thrips palmi sind erweiterte Genfamilien im Stoffwechsel aromatischer und anthocyanhaltiger Verbindungen, der Immunität gegen Viren und Entgiftungsenzymen angereichert. Diese Expansionsgenfamilien spielen nicht nur eine entscheidende Rolle bei der Anpassung an Wirte, sondern auch bei der Entwicklung einer Pestizidresistenz, wie die Transkriptomergebnisse nach der Behandlung mit Insektiziden belegen. Diese Studie liefert eine Genomassemblierung auf Chromosomenebene und legt den Grundstein für weitere Studien zur Entwicklung von Thripsen und zur Schädlingsbekämpfung.

Die Ordnung Thysanoptera, allgemein als Thripse bezeichnet, umfasst über 7000 Arten mit einer Körperlänge von 1 bis 3 mm1,2. Thripse weisen vielfältige biologische Merkmale auf, wobei sich etwa die Hälfte der bekannten Arten von Pilzen und einige wenige von kleinen Arthropoden ernähren3. Die übrigen Arten sind phytophag, einige können landwirtschaftliche und gärtnerische Nutzpflanzen schädigen. Beispiele für solche Arten sind Frankliniella occidentalis, Thrips palmi, Stenchaetothrips biformis und Thrips tabaci. Trotz ihrer ökologischen Bedeutung mangelt es an genomischen Ressourcen, um ein besseres Verständnis der genetischen und molekularen Mechanismen zu ermöglichen, die der Anpassung von Thripsen an ihre verschiedenen Wirte zugrunde liegen.

S. biformis (Thysanoptera: Thripidae), allgemein bekannt als Reisthrips, ist ein äußerst zerstörerischer Schädling für Reiskulturen (Abb. 1). Die Art ist in Asien, Europa, Ozeanien und Südamerika weit verbreitet, wie in mehreren Studien dokumentiert4,5,6. Obwohl S. biformis oligophag ist und verschiedene Poaceae-Arten befallen kann, darunter Weizen, Gerste, Zuckerrohr4 und Leersia hexaandra, ist es für seine schweren Schäden an Reis berüchtigt. Der Schädling greift mit seinen „Stanz- und Saug“-Mundwerkzeugen vor allem die jungen Reisblätter während der Sämlings- und Bestockungsphase an. Der Befall kann zum Rollen der Blätter, zur Verfärbung und sogar zum Welken der ganzen Pflanze führen. Seit den 1970er Jahren ist S. biformis in mehreren asiatischen Ländern für Ertragsverluste im Reisanbau verantwortlich. Derzeit ist das Genom von S. biformis noch nicht bekannt.

Maßstabsbalken: 200 μm.

S. biformis weist biologische Unterschiede im Vergleich zu den beiden anderen Thripsarten F. occidentalis und T. palmi auf, über deren Genome berichtet wurde. Zu diesen Variationen gehören das Wirtsspektrum, die Ernährungsgewohnheiten sowie die von ihnen übertragenen Viren und symbiotischen Bakterien. Konkret ernährt sich S. biformis überwiegend von jungen Reisblättern, während F. occidentalis sich von einem breiteren Spektrum an Nutzpflanzen ernährt, darunter Gemüse und Zierpflanzen7. T. palmi hingegen hat ein relativ kleines Wirtsspektrum und verursacht hauptsächlich Schäden an Früchten, Blättern und Blüten von Gemüse sowie einigen Zierpflanzen wie Orchideen8.

Im Gegensatz zu F. occidentalis, von dem bekannt ist, dass es mindestens elf Pflanzenviren9 überträgt, darunter das Tomato Spotted Welke Orthotospovirus (TSWV)10, wurde S. biformis nicht als Vektor für irgendein Virus gemeldet. Darüber hinaus ist T. palmi ein Vektor für die Übertragung mehrerer pflanzlicher Tospoviren, darunter das Erdnussknospen-Nekrose-Virus (GBNV)11 und das Wassermelonen-Knospen-Nekrose-Virus (WBNV)12, die beide schwere Ernteverluste verursachen können. Darüber hinaus wurden zwei Arten von bakteriellen Symbionten der Familie Enterobacteriaceae im Hinterdarm und in den Malpighian-Röhren von F. occidentalis gefunden13. Diese Symbionten sind für F. occidentalis unter Bedingungen der Nahrungsmittelknappheit von Vorteil14. Im Gegensatz dazu gibt es bisher weder bei T. palmi noch bei S. biformis Berichte über bakterielle Symbionten.

Die adaptive Evolution des Genoms zu Wirtspflanzen ist in der Natur bei pflanzenfressenden Insekten ein häufiges Phänomen. Die molekularen Interaktionsmechanismen zwischen Insekten und Pflanzen umfassen typischerweise die Wahrnehmung von Wirtspflanzen, die Reaktion von Speichelproteinen auf pflanzliche Abwehrkräfte, die Verdauung von Pflanzengeweben und die Entgiftung pflanzlicher Sekundärmetaboliten15. Diese Mechanismen können zur Spezialisierung und Artbildung von Insektenfressern führen. Obwohl das Genom von F. occidentalis16 und T. palmi17 bekannt ist, hat noch keine vergleichende Genomanalyse die zugrunde liegenden genetischen Mechanismen unterschiedlicher Merkmale bei den Thripidae-Arten enthüllt.

Diese Studie präsentiert das Genom von S. biformis, das mithilfe einer Kombination aus PacBio- und Illumina-Sequenzierungstechnologien de novo zusammengesetzt und mithilfe der Hi-C-Technologie auf Chromosomenebene weiter zusammengesetzt wurde. Darüber hinaus wurden Genomannotationen und vergleichende Genomanalysen durchgeführt, wobei der Schwerpunkt auf der genetischen Grundlage verschiedener biologischer Merkmale lag, die bei S. biformis, T. palmi und F. occidentalis beobachtet wurden. Die Ergebnisse unserer Studie stellen eine wertvolle genomische Ressource für das Verständnis der genetischen, evolutionären und ökologischen Probleme von Thripsen dar und bieten darüber hinaus die Möglichkeit, eine integrierte Schädlingsbekämpfung dieser Schädlinge umzusetzen.

Nach dem Filtern der Adapter und Lesevorgänge mit geringer Qualität wurden etwa 30,58 GB an sauberen Lesevorgängen (~100×) durch die Paired-End-Short-Reads-Sequenzierung von Illumina beibehalten, und etwa 63,24 GB an Subreads (~200×) wurden durch die PacBio-Langzeitsequenzierung erhalten. liest Sequenzierung. Die PacBio-Lesevorgänge hatten eine durchschnittliche Länge von 16,34 kb, mit einer N50-Länge von 19,57 kb (Supplementary Data 1).

Unter Verwendung von gce v1.0.2 wurde das Genom von S. biformis auf ungefähr 251,50 MB geschätzt, mit einer Heterozygotierate von 0,63 % und einem Wiederholungsgehalt von 31,5 %, basierend auf Illumina-Kurzablesungen, als kmer auf 17 eingestellt war (Supplementary Data 2; Supplementary). Abb. 1). Die PacBio-Subreads wurden dann zunächst zusammengesetzt und poliert, um die Roh-Contigs zu erhalten. Typischerweise war das Roh-Contig-Genom etwa 751,60 MB groß und enthielt 6040 Contigs mit einer Contig-N50-Länge von 205,12 kb. Nach dem Entfernen von Haploiden wurde eine Genomassemblierung auf Haploid-Contig-Ebene mit einer Länge von 337,63 MB erhalten, bestehend aus 1267 Contigs mit einer Contig-N50-Länge von 381,39 kb (Supplementary Data 3).

Bei der Sequenzierung der Hi-C-Bibliothek wurden insgesamt 75,16 Gb Paired-End-Lesevorgänge generiert (Supplementary Data 1). Anschließend wurden die Hi-C-Daten verwendet, um das Genom auf Chromosomenebene zu verbessern. Das endgültige Genom hatte eine Länge von 338,86 MB und bestand aus 31 Gerüsten mit einem Gerüst N50 von 18,21 MB (Tabelle 1). Insgesamt wurden 18 Gerüste auf Chromosomenebene (Längenbereich 14, 51–27, 23 MB) zusammengestellt (ergänzende Abbildung 2), die 99, 8% des gesamten Genoms ausmachen. Darüber hinaus gab es 13 kleine Gerüste, die etwa 0,2 % des Genoms einnahmen. Die endgültige Genomassemblierung von S. biformis war größer als die geschätzte Größe, was wahrscheinlich auf den Einfluss heterozygoter Regionen zurückzuführen ist, die sich zu verschiedenen Genomregionen zusammenfügen und Duplikationen bilden, wodurch die Genauigkeit der Genomschätzungen beeinträchtigt wird. Der Genom-GC-Gehalt von S. biformis betrug 51,09 %.

Um die Vollständigkeit der Genomassemblierung von S. biformis zu bewerten, wurde eine BUSCO-Vollständigkeitsanalyse unter Verwendung von Eukaryota-, Arthropoda- und Insecta-Datenbanken durchgeführt. Die Analyse ergab, dass die Genomvollständigkeit in der Insektendatenbank 96,6 % betrug, darunter 91,3 % Einzelkopien und 5,3 % duplizierte Gene. Im Vergleich dazu waren nur 1 % bzw. 2,4 % der Gene fragmentiert bzw. fehlten (Tabelle 1, ergänzende Abbildung 3a).

Insgesamt wurden 36,25 % der repetitiven Elemente aus dem Genom von S. biformis identifiziert, darunter 0,07 % der Short Interspersed Nuclear Elements (SINEs), 1,02 % der Long Interspersed Nuclear Elements (LINEs) und 3,18 % der Long Terminal Repeats Elements (LTRs). ), 4,30 % der DNA-Transposons und 23,41 % der nicht klassifizierten Elemente. Darüber hinaus wurden 1907 Satelliten und 230.843 einfache Wiederholungen identifiziert, die 0,19 % bzw. 3,45 % des Genoms ausmachen (Abb. 2a, Zusatzdaten 4).

a Ideogramme von 18 Chromosomen von S. biformis zeigen genomische Merkmale. I, GC-Gehalt im gesamten Genom; II, Anzahl der proteinkodierenden Gene; III, Dichte der Wiederholungsinhalte von DNA-Transposons; IV, Dichte sich wiederholender Inhalte. LINIEN, lange eingestreute Elemente; V, Dichte der Wiederholungsinhalte SINEs, kurze eingestreute Elemente; VI, Dichte der Wiederholungsinhalte LTR, lange terminale Wiederholungselemente; VII, Dichte einfacher Wiederholungen. b Syntenieblockaden auf Chromosomenebene zwischen S. biformis und T. palmi.

Um die Genauigkeit der Genannotation zu verbessern, wurden Illumina-RNA-seq-Daten aus männlichen und weiblichen Bibliotheken getrennt sequenziert. Nach der Qualitätskontrolle blieben ca. 14,26 GB saubere Daten erhalten, bestehend aus 96.169.734 Sequenzen mit einer durchschnittlichen Leselänge von 148 bp (Supplementary Data 1). Diese kurzen Lesevorgänge wurden anschließend mithilfe von Trinity zur Annotation des Genoms zu 170.763 Transkripten zusammengesetzt.

Im Genom von S. biformis wurden insgesamt 17.176 proteinkodierende Gene annotiert (Tabelle 1, Ergänzungsdaten 5). Die durchschnittliche Genlänge und Exonlänge betrugen 7359 bp bzw. 235 bp. Die durchschnittliche Exonzahl pro Gen betrug 7,33 (Supplementary Data 5). Basierend auf der BUSCO-Analyse wurde die Vollständigkeit der proteinkodierenden Gene durch Abgleich mit der Datenbank „insekta_odb10“ auf 92,8 % geschätzt (ergänzende Abbildung 3b). Die funktionelle Annotation zeigte, dass 15.707 (91 %), 15.730 (92 %), 14.317 (83 %) und 11.107 (65 %) Gene in NR, UniprotKB/TrEMBL, UniprotKB/Swiss-Prot, Interproscan und Eggnog signifikant ausgerichtet waren Datenbanken (Supplementary Data 6). Es gab 7958 (46 %) und 8354 (49 %) Gene, die mit KEGG-Signalwegen bzw. GO-Begriffen versehen waren. Insgesamt kamen 16.195 (94 %) Gene in allen Datenbanken mindestens einmal vor (Supplementary Data 6). Die hohe Vollständigkeitsrate von BUSCO und die funktionelle Annotationsrate des Gensatzes zeigten die Genauigkeit und Zuverlässigkeit unserer Genomannotationsergebnisse. Darüber hinaus wurden im gesamten Genom nicht-kodierende RNAs (ncRNAs) identifiziert. Insgesamt wurden 91 microRNAs (miRNAs), 660 ribosomale RNAs (rRNAs) und 188 kleine nukleare RNAs (snRNAs) basierend auf den Rfam-Datenbanken identifiziert, während 2572 Transfer-RNAs (tRNAs) mithilfe der tRNAscan-SE-Datenbank (Supplementary Data 7) identifiziert wurden ).

Vergleichende Genomanalysen wurden an S. biformis und 18 anderen Insektenarten verschiedener Ordnungen durchgeführt, darunter Hymenoptera, Neuroptera, Lepidoptera, Hemiptera, Coleoptera, Diptera, Ephemeroptera, Phthiraptera und Siphonaptera (Supplementary Data 8). Als Ergebnis ergab OrthoFinder, dass 276.424 (89,2 % aller) Gene von 18 Arten in 22.300 Orthogruppen zusammengefasst werden konnten (Supplementary Data 9). Von diesen Orthogruppen waren 2432 in allen Arten vorhanden, und 298 waren Einzelexemplar-Orthogruppen (Ergänzungsdaten 9). Für S. biformis wurden 16.499 von 17.167 Genen 9646 Orthogruppen zugeordnet, von denen 331 artspezifisch waren und insgesamt 1168 Gene enthielten (Supplementary Data 10).

Außerdem wurde ein phylogenetischer Artenbaum basierend auf 298 Einzelkopie-Genen erstellt, was darauf hindeutet, dass Thysanoptera die Schwestergruppe von Phthiraptera war (Abb. 3). Die abgeleitete Divergenzzeit der Differenzierung von Thysanoptera von Phthiraptera betrug etwa 358,86 Ma, während die von Hemiptera etwa 379,68 Ma betrug (Abb. 3), was mit früheren Studien 18, 19 übereinstimmt. Die Studie gibt auch Aufschluss über die Artbildungszeiten innerhalb der Thysanoptera-Arten. F. occidentalis spaltete sich vor etwa 137,89 Ma von den beiden anderen Arten ab, und T. palmi spaltete sich vor etwa 25,91 Ma von S. biformis (Abb. 3). Die phylogenetische Verwandtschaft stimmte mit der vorherigen überein, basierend auf fünf molekulargenetischen Loci2.

Der phylogenetische Baum mit ungefähr maximaler Wahrscheinlichkeit wurde auf der Grundlage von 298 orthologen Einzelkopie-Genen von 19 Arten erstellt. An den Internodien wurden die Divergenzzeit und das 95 %-Konfidenzintervall (blauer Balken) angezeigt. Balken stellen die Genanzahl verschiedener Arten von Orthologen dar. 1:1:1 (orthologe Einzelkopie-Gene bei allen Arten); N:N:N (orthologe Gene mit mehreren Kopien in allen Arten); artspezifisch (einzigartige Gene für bestimmte Arten); Lepidoptera (Lepidopteren-spezifische orthologe Gene); Hymenoptera (Hymenopteren-spezifische orthologe Gene); Diptera (Diptera-spezifische orthologe Gene); Hemiptera (Hemiptera-spezifische orthologe Gene); Thripse (Thrips-spezifische orthologe Gene); andere (Gene gehören zu allen anderen Orthogruppen); nicht zugeordnet (Gene können keiner Orthogruppe zugeordnet werden).

Die Genomassemblierung auf Chromosomenebene von S. biformis wurde mit der von T. palmi verglichen, und es wurde eine gute Kollinearität zwischen ihnen festgestellt (Abb. 2b). Allerdings wurden in S. biformis 18 Gerüste auf Chromosomenebene konstruiert, verglichen mit 16 Chromosomen in T. palmi. Außerdem zeigten chr13 und chr16 in S. biformis syntenische Blöcke mit Chromosom 1 in T. palmi, während chr15 und chr18 in S. biformis kollinear mit Chromosom 2 in T. palmi waren. Weitere Untersuchungen sind erforderlich, um die zugrunde liegende evolutionäre Bedeutung zu analysieren.

CAFE v4.2.1 wurde verwendet, um die Expansion und Kontraktion von Genfamilien (Orthogruppen) zu analysieren, die durch OrthoFinder charakterisiert wurden. Unsere Ergebnisse zeigten, dass S. biformis im Vergleich zum gemeinsamen Vorfahren von T. palmi und S. biformis 1451 erweiterte und 1569 kontrahierte Genfamilien aufwies (Abb. 4), und unter ihnen waren 126 Orthogruppen signifikant erweitert (p-Wert < 0,01). . GO-Analysen zeigten, dass die erweiterten Orthogruppen in biologischen Prozessen wie Chromatinmodifikation (GO:0016568) und epigenetischer Regulation (GO:0040029), Stoffwechselprozessen (Lipidstoffwechsel (GO:0006629) usw.) signifikant angereichert waren (q-Wert < 0,05). Kohlenhydratderivat-Katabolismus (GO:1901136)) und Stressreaktionen (Reaktion auf Ethanol (GO:0045471), Vitamin (GO:0033273), Hypoxie (GO:0001666), Kokain (GO:0042220), Antibiotika (GO:0046677) ) (Ergänzende Daten 11, Abb. 5). Darüber hinaus zeigte die KEGG-Signalweganalyse, dass die erweiterten Orthogruppen an Funktionen des Immunsystems (Bildung extrazellulärer Neutrophilenfallen (ko04613) und Verarbeitung und Präsentation von Antigenen (ko04612)), Aminosäurestoffwechsel (Cystein- und Methioninstoffwechsel (ko00270)) und Kohlenhydratstoffwechsel ( Stoffwechsel von Fruktose, Mannose (ko00051) und Galaktose (ko00052), Funktionen des Verdauungssystems (Cholesterin (ko04979), Kohlenhydrate (ko04973), Vitamin (ko04977) und Mineralstoffverdauung und -absorption (ko04978)) und Umweltanpassung (Thermogenese ( ko04714)) (Ergänzende Daten 12). Diese Ergebnisse legen nahe, dass die erweiterten Genfamilien in S. biformis mit der Verdauung und dem Stoffwechsel von Nahrungsmitteln sowie der Anpassung an die Umwelt in Zusammenhang stehen.

Die Zahlen innerhalb jedes Knotens wurden mithilfe der CAFE-Software extrahiert, wobei Grün die Erweiterungen der Orthogruppen, Rot die Kontraktionen der Orthogruppen und Blau die schnellen Entwicklungen der Orthogruppen anzeigt.

Mit GO deutlich angereicherte Begriffe (q-Wert < 0,05) wurden mithilfe von REVIGO80 angezeigt, um die redundanten Begriffe zu entfernen. Die mit Text gekennzeichneten Begriffe hatten eine Entbehrlichkeit (die semantische Ähnlichkeitsschwelle) von weniger als 0,1.

Im Genom von T. palmi wurden 419 Genfamilien erweitert, während 1178 kontrahiert wurden (Abb. 4). Davon waren 32 Genfamilien signifikant erweitert und 105 signifikant verkleinert (p-Wert < 0,01). In ähnlicher Weise hatte F. occidentalis 34 signifikant erweiterte und 3 signifikant kontrahierte Orthogruppen (Abb. 4). Im Gegensatz zu S. biformis, das sich hauptsächlich von einer begrenzten Anzahl von Poaceae-Arten ernährt, ernähren sich sowohl T. palmi als auch F. occidentalis von einer Vielzahl von Gemüsen und Blumen, die den wasserlöslichen Farbstoff Anthocyan enthalten, der ihnen ihr farbenfrohes Aussehen verleiht . Bemerkenswerterweise waren die erweiterten Genfamilien sowohl in T. palmi als auch in F. occidentalis mit Stoffwechselprozessen im Zusammenhang mit aromatischen (GO:0019439, GO:0006725) und Anthocyan-haltigen Verbindungen (GO:0046283) angereichert, die mit dem Stoffwechsel in Zusammenhang stehen könnten von Anthocyanen aus der Wirtspflanze, wie durch GO-Analysen nahegelegt (Supplementary Data 13 und 15). Darüber hinaus ergaben KEGG-Analysen, dass die erweiterten Genfamilien im Lipidstoffwechsel (Fettsäureabbau (ko00071)), Kohlenhydratstoffwechsel (Galaktosestoffwechsel (ko00052), Aminozucker- und Nukleotidzuckerstoffwechsel (ko00520)) signifikant angereichert waren (q-Wert < 0,05). ) und Aminosäurestoffwechsel (Lysinabbau (ko00310), Glutathionstoffwechsel (ko00480), Cyanoaminosäurestoffwechsel (ko00460)), die mit dem Stoffwechsel der Wirtspflanze zusammenhängen könnten (Supplementary Data 14).

Darüber hinaus waren T. palmi und F. occidentalis beide Überträger verschiedener Arten zerstörerischer Pflanzenviren. Thripse übertragen Tospoviren auf persistent-propagative Weise, wobei sich die Viren im Mitteldarm und in den Speicheldrüsen von Thripsen vermehren. Auch das Immunsystem von F. occidentalis und T. palmi wurde nachweislich nach einer Virusinfektion aktiviert. Medeiros et al. 20. analysierten das Transkriptom von F. occidentalis nach einer TSWV-Infektion und fanden heraus, dass die hochregulierten Gene an der Kodierung antimikrobieller Peptide, der Erkennung von Krankheitserregern und der angeborenen Immunantwort beteiligt waren. In dieser Studie fanden wir heraus, dass erweiterte Genfamilien an der viralen Transkription und Immunantwort angereichert waren, wie z. B. T-Zell-Aktivierung (GO:0002286), B-Zell-Aktivierung (GO:0042113), Regulierung der Apoptose (GO:0042981) und Mitophagie ( GO:0000422) in T. palmi (Supplementary Data 13). KEGG-Signalwege, angereichert im Immunsystem des NOD-ähnlichen Rezeptor-Signalwegs (ko04621) und der Komplement- und Gerinnungskaskaden (ko04610) (Ergänzende Daten 14). In F. occidentalis wurden die Genfamilien hinsichtlich der angeborenen Immunantwort (GO:0045087) und der antibakteriellen Peptidproduktion (GO:0002778) (Ergänzungsdaten 15) angereichert, und die KEGG-Signalwege wurden im Toll- und Imd-Signalweg (ko04624) (Ergänzungsdaten) angereichert 16). Die Erweiterung immunbezogener Gene in T. palmi und F. occidentalis könnte an der Übertragung von Viren beteiligt sein. Bakterielle Symbionten befinden sich im Hinterdarm und in den Malpighiantubuli von F. occidentalis, und es wurde festgestellt, dass erweiterte Genfamilien im katabolischen Peptidoglycan-Prozess (GO:0009253) angereichert sind (Supplementary Data 15), was die Koexistenz von F. occidentalis mit unterstützen könnte Darmbakterien.

F. occidentalis und T. palmi sind beide polyphage Schädlinge, die ein wirksameres Entgiftungsenzymsystem als oligophage Schädlinge benötigen, um sich an das breitere Spektrum an Wirtspflanzen anzupassen. Insekten nutzen metabolische Anpassungsmechanismen wie P450 und Glutathion-S-Transferase, um die Sekundärmetaboliten der Pflanze zu entgiften und die Insektizidresistenz zu verbessern. In dieser Studie wurde festgestellt, dass die KEGG-Wege des biologischen Abbaus und Metabolismus von Xenobiotika, einschließlich Arzneimittelmetabolismus – Cytochrom P450 (ko00982), Arzneimittelmetabolismus – andere Enzyme (ko00983) und Biosynthese anderer sekundärer Metaboliten (ko00999), signifikant an F angereichert sind . occidentalis und T. palmi (Ergänzende Daten 14 und 16). Die Ergebnisse legen nahe, dass die Erweiterung der Genfamilie mit der Anpassung des Genoms an die Verdauung der Wirtspflanze, der Reaktion auf Virus- und Bakterieninfektionen und dem Metabolismus pflanzlicher Sekundärmetaboliten in F. occidentalis und T. palmi zusammenhängen könnte. Es bedarf jedoch weiterer Forschung, um die spezifischen molekularen Mechanismen dieser Gene aufzuklären und eine Grundlage für die Bewältigung der Übertragung von Schädlingen und Viren zu schaffen.

Angesichts der Tatsache, dass die Anpassung des Wirts normalerweise die Erkennung und Entgiftung von Sekundärmetaboliten des Wirts umfasst, wurden in dieser Studie die gemeinsamen Genfamilien manuell annotiert, einschließlich chemosensorischer Gene von Geschmacksrezeptoren (GRs), Geruchsrezeptoren (ORs), ionotropen Rezeptoren (IRs) und chemosensorischen Proteinen (CSPs) und Geruchsstoffbindungsproteine ​​(OBPs) sowie entgiftungsbezogene Gene von Cytochrom P450 (P450), ATP-bindender Kassette (ABC), Carboxyl/Cholinesterase (CCE), UDP-Glykosyltransferasen (UGT) und Glutathion -S-Transferase (GST). Insgesamt wurden in S. biformis 30 GRs, 34 ORs, 36 IRs, 9 CSPs und 17 OBPs identifiziert (Tabelle 2). Die Genfamiliengrößen von GRs, IRs und ORs nahmen sequentiell in S. biformis, T. palmi und F. occidentali zu, während sie bei OBPs und CSPs weitgehend unverändert blieben (Tabelle 2). Dies legt nahe, dass die Genfamiliengrößen chemosensorischer Gene, insbesondere GRs, IRs und ORs, positiv mit dem Wirtsbereich dieser drei Thripidae-Arten zusammenhängen. Die phylogenetische Analyse zeigte, dass GRs in F. occidentali und T. palmi expandierten, insbesondere in den Unterlinien mutmaßlicher Bitter- und Kohlendioxidrezeptorgene (Abb. 6a). Die Unterlinien mehrerer ORs wurden auch in F. occidentali und T. palmi erweitert (ergänzende Abbildung 4). IRs expandierten in F. occidentali hauptsächlich in der Gruppe divergenter Proteine ​​(ergänzende Abbildung 5). Diese Sublinienerweiterungen könnten an polyphagen Wirten von F. occidentali und T. palmi beteiligt sein. Dennoch ergab der phylogenetische Baum der IRs und ORs zwei S. biformis-spezifische Sublinienerweiterungen, die möglicherweise mit der artspezifischen Identifizierung zusammenhängen, wie z. B. der Wahrnehmung von Reis und anderen Poaceae-Pflanzen. (Ergänzende Abbildungen 4 und 5).

Phylogenetische Bäume mit maximaler Wahrscheinlichkeit (ML) der in drei Thripsen annotierten a GRs- und b CCEs-Gene wurden unter Verwendung von IQ-TREE mit 1000 Bootstrap-Replikaten erstellt.

Für Insekten ist es wichtig, gegen die Abwehrstoffe der Wirtspflanzen und die vom Menschen eingesetzten Insektizide zu kämpfen. In dieser Studie wurden 92 P450, 60 ABCs, 69 CCEs, 14 UGTs und 25 GSTs im Genom von S. biformis identifiziert (Tabelle 2). S. biformis besaß die größte Genfamilie von ABCs und CCEs (Tabelle 2, ergänzende Abbildung 6, Abbildung 6b). Während F. occidentali und T. palmi eine leicht erweiterte Genfamiliengröße von P450s und UGTs besaßen (Tabelle 2, ergänzende Abbildung 7). Es wurde keine Variation in der Genfamiliengröße von GSTs bei drei Arten festgestellt (Tabelle 2). Die phylogenetische Analyse von CCEs zeigte eine linienspezifische Erweiterung der Ernährungs-/Entgiftungsklasse der CCEs-Gene in S. biformis, die für die Entgiftung der Wirtspflanze Reis von entscheidender Bedeutung sein könnte (Abb. 6b).

Ein weiteres Experiment wurde durchgeführt, um die Rolle von Entgiftungsgenen nach einer Insektizidbehandlung zu bestätigen. Wir fanden heraus, dass in der mit Deltamethrin behandelten S. biformis-Gruppe im Vergleich zur Kontrollgruppe 56 Gene hochreguliert und 59 Gene herunterreguliert waren (Supplementary Data 17). Unter den hochregulierten Genen beobachteten wir die Hochregulierung eines entgiftungsbezogenen Gens, der Glutathion-S-Transferase. Im Fall von mit Imidacloprid behandeltem S. biformis waren im Vergleich zur Kontrollgruppe insgesamt 76 Gene hochreguliert, während 52 Gene herunterreguliert waren (Supplementary Data 18). Insbesondere beobachteten wir nach der Behandlung mit Imidacloprid die Hochregulierung von zwei entgiftungsbezogenen Genen, UDP-Glucuronosyltransferase und Cytochrom P450 307a1. Um die Zuverlässigkeit der Transkriptomergebnisse zu bestätigen, führten wir ein quantitatives Echtzeit-PCR-Experiment (qPCR) für 11 Gene durch (ergänzende Abbildung 8). Das Ergebnis legt nahe, dass unser Ergebnis zuverlässig war.

Ziel dieser Studie war es, durch die Kombination von Illumina-Paired-End-Short-Reads, PacBio-Long-Read-Sequenzierung und Hi-C-Technologie eine qualitativ hochwertige Genomassemblierung von S. biformis zu generieren. Die Ergebnisse von ContigN50, Scaffold N50 und BUSCO weisen auf die gute Kontiguität und Genauigkeit der Anordnung hin und stellen eine wertvolle Ressource für zukünftige genetische Forschung dar.

Bei den drei untersuchten Thripidae-Arten beobachteten wir eine positive Korrelation zwischen dem chemosensorischen Genrepertoire und dem Wirtspflanzenspektrum, insbesondere in GRs, ORs und IRs. Dieser Befund steht im Einklang mit früheren Studien an Coleopteren21 und Schmetterlingen22,23, die auf eine Genduplikation innerhalb dieser Genfamilien schließen lassen, um die Anpassung an verschiedene Wirtspflanzen zu unterstützen. Vier Coleoptera-Arten zeigten eine Korrelation zwischen dem Gehalt an chemosensorischen Genfamilien und der Wirtsspezifität, wobei wirtsspezifische Insekten weniger ORs-, GRs-, IRs- und OBPs-Gene aufwiesen als polyphage Arten21. Suzuki et al. 22. analysierte das GR-Repertoire bei vier Schmetterlingen, der Generalistin Vanessa Cardui und drei Spezialisten, und fand eine größere GR-Anzahl beim Generalisten V. Cardui. Die Erweiterung der GRs-Gene wurde auch bei polyphagen Noctuidae, S. frugiperda und Hlicoverpa armigera im Vergleich zu mono- und oligophagen B. mori festgestellt, was möglicherweise ein Anpassungsmechanismus für diese Arten zur Anpassung an ein breites Spektrum von Wirtspflanzen ist23.

Dieser Zusammenhang war jedoch nicht für alle Arten erkennbar. Beispielsweise zeigte die Identifizierung von Geruchsstoffen und GRs bei sechs Papilio-Schmetterlingsarten ähnliche ORs und GRs sowohl bei generalistischen als auch bei spezialisierten Arten24. Darüber hinaus waren Größe und Inhalt der chemosensorischen Genfamilien IRs, GRs und ORs bei sechzehn Anopheles-Arten unabhängig von ihren unterschiedlichen Wirtsbereichen relativ konserviert25. Während die drei Thripidae-Arten in dieser Studie Vertreter dreier verschiedener Gattungen waren, gibt es unter ihnen im Stammbaum viele andere Artenlinien. Daher sind zusätzliche Arteninformationen erforderlich, um die Korrelation zwischen der Größe der chemosensorischen Genfamilie und den Wirtsbereichen bei Thripidae und Thysanoptera zu bestätigen.

Entgiftungsbezogene Gene, darunter CYP450s, UDP-Glykosyltransferasen, Esterasegene, GSTs und ATP-bindende Kassettentransporter, spielen eine entscheidende Rolle in pflanzlichen Sekundärmetaboliten und tragen zur Insektizidtoleranz bei Insekten bei. Frühere Studien zu F. occidentalis zeigten die Hochregulierung von Entgiftungsgenen, darunter Glutathion-S-Transferase S1, drei UDP-Glucuronosyltransferasen, vier CYP450 und ein Mitglied der ABC-Transporter-G-Familie, nach der Behandlung mit drei Insektiziden26. In T. palmi wies die Spinetoram-resistente Population unterschiedlich exprimierte Gene auf, die mit P450s, Hitzeschockproteinen, CCEs und ABC-Transportern assoziiert sind17. In dieser Studie identifizierten wir drei hochregulierte entgiftungsbezogene Gene, nämlich Cytochrom P450 307a1, UDP-Glucuronosyltransferase und Glutathion-S-Transferase 1 in S. biformis nach einer Insektizidbehandlung. Die Anzahl der unterschiedlich exprimierten Gene war im Vergleich zu früheren Studien relativ geringer. Bei S. biformis wurde nach der Insektizidbehandlung eine Lähmung oder ein eingeschränktes Mobilitätsverhalten als Reaktion auf die Behandlung mit Insektiziden beobachtet. Erstens handelte es sich bei der im Experiment verwendeten S. biformis um eine Laborpopulation, die möglicherweise anfälliger für Pestizide ist. Zweitens deuten an S. avenae durchgeführte Studien darauf hin, dass die Expression toleranzbezogener Gene durch die Behandlungsdauer beeinflusst werden könnte, wobei eine gewisse unterschiedliche Expression entgiftungsbezogener Gene erst nach 36 Stunden Behandlung beobachtet wird27. Es ist möglich, dass eine weitere Verlängerung der Behandlungszeit bei S. biformis in Zukunft zusätzliche entgiftungsbezogene Gene aufdecken könnte.

Außer entgiftungsbezogenen Genen wurden auch andere Gene beobachtet, die mit der Insektizidtoleranz nach der Behandlung assoziiert sind. Mehrere Hitzeschockproteine ​​wurden nach der Deltamethrin-Behandlung hochreguliert (Supplementary Data 17). Frühere Studien haben gezeigt, dass in Myzus persicae ein Hitzeschockprotein, MpHsp70, als Reaktion auf die durch Lambda-Cyhalothrin, ein weiteres Pyrethroid-Insektizid, induzierte Hochregulierung von H2O2 hochreguliert wurde. Daher könnte die Hochregulierung dieser drei Hitzeschock-Gene in unserer Studie auch mit oxidativem Stress zusammenhängen, der durch die Behandlung mit Deltamethrin ausgelöst wird. Darüber hinaus entdeckten wir die Hochregulierung von zwei Cuticula-Proteinen (Supplementary Data 17, 18), die durch Verringerung der Permeabilität zu einer erhöhten Insektizidtoleranz beitragen könnten. In Culex pipiens pallens wurden mehrere Kutikulaproteine ​​überexprimiert, was bei Deltamethrin-resistenten Stämmen zu einer erhöhten Kutikuladicke führte29,30,31. Diese Ergebnisse legen nahe, dass S. biformis als Reaktion auf die Behandlung mit Deltamethrin und Imidacloprid nicht nur eine Hochregulierung entgiftungsbezogener Gene, sondern auch ein breiteres Spektrum an Genreaktionen zeigt.

Der in dieser Studie verwendete S. biformis-Stamm wurde ursprünglich im Jahr 2020 auf Reisfeldern in Ningbo, China, gesammelt und anschließend etwa 10 Generationen lang im Labor gezüchtet. Der Stamm wurde mit Reissämlingen (Xiushui 134) unter kontrollierten Bedingungen von 27 ± 0,5 °C, relativer Luftfeuchtigkeit >80 % und einer 16-stündigen Photoperiode aufgezogen.

Genomische DNA wurde aus etwa 2000 erwachsenen S. biformis mit dem Wizard® Genomic DNA Purification Kit gemäß den Anweisungen des Herstellers extrahiert. Um die Bibliothek aufzubauen, wurden insgesamt ca. 3 μg genomische DNA zufällig in Fragmente von ca. 20 kb geschert. Die SMRTbell-Bibliothek wurde mit dem SMRTbell Express Template Preparation Kit 2.0 erstellt. Die vorbereitete Bibliothek wurde auf der PacBio Sequel II-Plattform bei Novogene (Beijing) Co., Ltd. sequenziert und ein zirkulärer Konsens (CCS)-Read wurde generiert. Eine Gesamtmenge von ca. 0,2 μg DNA wurde für die Vorbereitung der Illumina-Paired-End-Sequenzierungsbibliothek unter Verwendung des NEB Next® Ultra™ DNA Library Prep Kit für Illumina (NEB, USA) gemäß den Empfehlungen des Herstellers verwendet. Anschließend wurden die DNA-Bibliotheken auf der Illumina-Plattform NovaSeq 6000 sequenziert.

Um die Genomgröße und Heterozygotie von S. biformis abzuschätzen, führten wir eine Genomuntersuchung mit Illumina Short Reads und gce v1.0.232 mit dem Parameter „-k 17“ durch. Anschließend wurden von PacBio generierte lange Lesevorgänge verwendet, um die De-novo-Genomassemblierung von S. biformis durchzuführen. Der Entwurf des Genoms wurde mit FALCON v1.8.133 mit den Parametern „length_cutoff = −1; genomgröße = 300.000.000; Seed_coverage = 80'. Der vorläufige Entwurf des Genoms wurde durch NextPolish v1.4.134 weiter verfeinert, um die potenziellen Basisfehler zu beseitigen, indem eine Runde der Politur langer Lesevorgänge und zwei Runden der Politur kurzer Lesevorgänge durchgeführt wurden. In diesem Prozess wurde minimap235 verwendet, um die langen Lesevorgänge am Genom auszurichten, bwa v0.7.17-r118836 wurde verwendet, um kurze Lesevorgänge abzubilden, und SAMtools v1.16.137 wurde für die Konvertierung von Dateiformaten verwendet. HaploMerger238 wurde verwendet, um die Heterozygotie zu reduzieren, indem der Wiederholungsinhalt des Genoms mit dem WinMasker-Befehl weich maskiert wurde. Anschließend wurde hm.batchA1-3 ausgeführt, um erhebliche Fehlverbindungen aus der diploiden Anordnung zu beseitigen, und hm.batchB1-5 wurde ausgeführt, um die haploide Anordnung zu generieren. Schließlich wurde Purge Haplotigs v1.1.139 angewendet, um die haploiden Genomsequenzen mit purge_haplotigs cov unter Verwendung der Parameter „-l 50 -m 65 -h 80“ und purge_haplotigs purge mit den Parametern „-t 60 -a 70“ zu erhalten.

Die Hi-C-Technik (High-Throughput Chromatin Conformation Capture) wurde verwendet, um die Genomassemblierung von S. biformis auf Chromosomenebene zu konstruieren. Ungefähr 1000 männliche Personen wurden für den Aufbau einer Hi-C-Bibliothek vorbereitet. Die Proben wurden durch einen Homogenisator mechanisch aufgeschlossen und dann zur Vernetzungsreaktion in 2 % Formaldehyd inkubiert. Nach der Vernetzung wurde Chromatin mit 400 U MboI-Restriktionsenzym (NEB) verdaut, eine Biotin-Markierung wurde durchgeführt, um die Hi-C-Proben vorzubereiten, gefolgt von DNA-Ligation mit T4-DBA-Ligase (NEB), umgekehrter Vernetzung und DNA-Reinigung , Scherung und Reparatur der DNA-Enden. Mit Biotin markierte Hi-C-Proben wurden auf der HiSeq-2500-Plattform sequenziert, um 150-bp-Paired-End-Reads zu erhalten.

Wir haben ALLHic v0.9.840 verwendet, um die Chromosomenkonstruktion mit Standardparametern basierend auf den Hi-C-Reads durchzuführen. Wir haben Juicebox Assembly Tools (JABT) v1.11.0841 eingesetzt, um Montagefehler manuell zu visualisieren und zu korrigieren. Die endgültige Genomassemblierung auf Chromosomenebene wurde durch Ausführen des Skripts run-asm-pipeline-post-review.sh aus der 3D-DNA-Version 180922 (https://github.com/aidenlab/3d-dna) erhalten.

Zur Annotation des Genoms haben wir die Transkriptome von 500 erwachsenen Frauen und Männern getrennt sequenziert. Die Gesamt-RNA wurde mit dem Takara RNIzol Total RNA Isolation Kit gemäß den Anweisungen des Herstellers extrahiert. Die cDNA-Bibliotheken wurden mit dem NEBNext® Ultra™ RNA Library Prep Kit für Illumina® (NEB, USA) erstellt und dann auf dem Illumina NovaSeq 6000 sequenziert. Der Aufbau und die Sequenzierung der cDNA-Bibliothek wurden von Novogene Co., Ltd. (Peking, China) durchgeführt ).

Die repetitiven und transponierbaren Elemente wurden sowohl mithilfe von De-novo- als auch homologiebasierten Vorhersagemethoden identifiziert. Eine De-novo-Wiederholungsbibliothek wurde mit RepeatModeler v2.0.142 mit dem Parameter „-engine ncbi“ erstellt. RepeatMasker v4.1.243 wurde verwendet, um eine homobasierte Vorhersage repetitiver Elemente basierend auf RepBase Version 20181026 (http://www.girinst.org) mit Standardparametern durchzuführen. Nichtkodierende RNAs (ncRNA) wie miRNAs, snRNAs und rRNAs wurden mithilfe der Rfam-Datenbank (http://rfam.xfam.org) annotiert. Darüber hinaus wurden tRNAs mit tRNAscan-SE v2.0.944 mit Standardeinstellungen identifiziert.

Wir haben drei Beweislinien genutzt, um proteinkodierende Gene zu identifizieren, nämlich Homo-basierte, RNA-basierte und Ab-initio-Methoden. Für homobasierte Ansätze wurde Gene Model Mapper (GeMoMa) v1.7.145 unter Verwendung von T. palmi, F. occidentalis, Drosophila melanogaster, Acyrthosiphon pisum und Nilaparvata lugens als Referenzen angewendet. Für RNA-basierte Methoden wurden RNA-Transkriptom-Reads von Frauen und Männern von TRINITY v2.11.046 im genomgesteuerten bzw. ohne Referenzmodus zusammengestellt. Um eine genomgesteuerte Assemblierung durchzuführen, wurden RNA-seq-Reads von Hisat2 v2.1.047 mit Standardparametern auf das Genom abgebildet. Anschließend verwendeten wir die PASA-Pipeline v2.4.148, um sowohl genomgesteuerte als auch De-novo-Transkriptom-Transkripte mit Standardparametern an das Genom anzupassen und Genstrukturen zu erhalten. Vor der Ab-initio-Vorhersage wurden sich wiederholende Elemente des gesamten Genoms weich maskiert. Wir verwendeten Augustus v3.3.349 und SNAP v2006-07-2850, trainiert mit 1365 Genen, die aus PASA-Ergebnissen ausgewählt wurden, mit einer CDS-Länge > 1500 bp und einer Exon-Nummer > 3. Der von Augustus und SNAP erhaltene Gensatz wurde von Maker Version 3.01.0351 verwendet um einen unabhängigen Gensatz zu erzeugen. Darüber hinaus haben wir die von Hisat2 generierten Transkriptom-BAM-Dateien von Braker v2.1.552 verwendet, um einen weiteren Gensatz mit „--softmasking“ zu erhalten. Schließlich haben wir die oben genannten unabhängigen Gensätze mit EVidenceModeler v1.1.153 integriert und dabei die Parameter „--segmentSize 1000000 --overlapSize 10000“ und die Gewichtungen „ab initio, 1; Protein, 5; Transkript, 10'. Im endgültigen Gensatz haben wir nur Gene mit Transkript- oder Homologienachweisen beibehalten.

Die Genfunktionen proteinkodierender Gene wurden vorhergesagt, indem mit den Datenbanken UniProtKB/Swiss-Prot54, UniProtKB/TrEMBL55 und nichtredundante Proteinsequenzen (NR)56 unter Verwendung von Diamond v2.0.1557 unter Verwendung der Parameter „-sensitive; -Bewertung 1e-5; -max-target-seqs 20'. Darüber hinaus wurde interproscan v5.56-89.058 zur Suche in sechs Datenbanken verwendet: CDD, Gene3D, Panther, Pfam, SMART und SUPERFAMILY. Wir haben auch die Anmerkungen zur Genontologie (GO) und zur Kyoto Encyclopedia of Genes and Genomes (KEGG) erhalten, indem wir sie mithilfe von emapper v2.1.759 mit Standardparametern an der EGGNOG-Datenbank (http://eggnog.embl.de) abgeglichen haben.

Orthologe und Orthogruppen von 19 Insektenarten wurden mit OrthoFinder v2.5.460 unter Verwendung von „-M msa“ identifiziert. Der phylogenetische Baum wurde auf der Grundlage von Einzelkopie-Genen rekonstruiert und Ephemera Danica als Außengruppe bezeichnet. MAFFT v7.50561 wurde verwendet, um die homologen Regionen des orthologen 1:1:1-Gens mithilfe der L-INS-I-Strategie auszurichten. FastTree Version 2.1.1162 wurde angewendet, um einen phylogenetischen Baum mit ungefähr maximaler Wahrscheinlichkeit mit dem JTT-Aminosäureentwicklungsmodell (Jones-Taylor-Thorton) und einer einzelnen Rate für jede Stelle (CAT) abzuleiten. Dieser Prozess war ein Workflow in OrthoFinder. Darüber hinaus haben wir die Divergenzzeit dieser Arten mithilfe von MCMCtree in Paml-Version 4.9i63 abgeleitet. Nukleotide des orthologen 1:1:1-Gens wurden durch Muskel v3.8.3164 mehrfach ausgerichtet. Zur Kalibrierung der Divergenzzeit wurden sechs Standardzeitpunkte aus der TimeTree-Datenbank (http://timetree.org) verwendet, darunter A. pisum–T. palmi, vor 206,1–404,6 Millionen Jahren (Ma), Bombyx mori–Anopheles stephensi, 223,8–344,7 Ma, B. mori–Tribolium castaneum, 280,9–361,6 Ma, Apis mellifera– T. castaneum, 312,9–389,7 Ma, A. pisum -B. mori, 330,4–481,7 Ma, Ephemera danica–D. melanogaster, 376,5–441,6 Ma. Der phylogenetische Baum wurde mit dem R-Paket ggtree65 erstellt.

Bei Thysanoptera weist nur T. palmi eine Genomanordnung auf Chromosomenebene auf. Daher verwendeten wir T. palmi als Referenz zur Untersuchung der Variation der Genomstruktur. Wir verwendeten BLASTP66 mit den Parametern „-evalue 1e-5 -outfmt 6 -num Alignments 10“, um die Proteinsequenzen von S. biformis und T. palmi zu vergleichen. Anschließend verwendeten wir MCScanX67, um die Kollinearität zwischen diesen beiden Arten zu analysieren, wobei wir GFF-Datei- und Explosionsergebnisse als Eingaben verwendeten. Das Kollinearitätsdiagramm wurde mit Circos v0.69-868 visualisiert.

Die computergestützte Analyse der Genfamilienentwicklung (CAFE) v4.2.169 wurde verwendet, um orthologe Kontraktionen und Erweiterungen der Genfamilie zu charakterisieren. Um nicht informative Parameterschätzungen zu vermeiden, wurde das von CAFE bereitgestellte Skript clade_and_size_filter.py angewendet, um Genfamilien mit mehr als 100 Genkopien in einer oder mehreren Arten herauszufiltern. Als Eingabebaum wurde ein phylogenetischer Baum im NEWICK-Format mit Divergenzzeit als Zweiglänge verwendet. Die genetische Geburts- und Sterberate des Lambda-Werts wurde mithilfe von „lambda -s“ geschätzt. GO- und KEGG-Anreicherungsanalysen wurden mithilfe der Online-Plattform Omicshare (https://www.omicshare.com/tools) durchgeführt. GO-Terme und KEGG-Pfade mit einer Q-Wert-Falscherkennungsrate < 0,05 wurden als signifikant angesehen.

Um die Annotationsgenauigkeit zu verbessern und bisher nicht identifizierte Genfamilien zu erkennen, haben wir zehn Genfamilien, die mit der Wirtswahrnehmung (ORs, GRs, IRs, OBPs und CSPs) und der Entgiftung (P450s, ABCs, CCEs, UGTs und GSTs) zusammenhängen, neu annotiert. Hidden-Markov-Modelle (HMMs) der Genfamilie wurden von Pfam 35.0 (November 2021, 19.632 Einträge)70 heruntergeladen, und Orthologe der Modellart D. melanogaster sowie der eng verwandten Arten T. palmi und F. occidentalis wurden für das Gen verwendet Identifikation. Wir verwendeten die BITACORA71-Pipeline zur Identifizierung von Genfamilien und verwendeten HMMER v3.3.1 und BLAST v2.11.0 für die Analyse. Proteinsequenzen mit konservierten Pfam-Domänen und einem BLAST-E-Wert < 1e−5 wurden als potenzielle Treffer angesehen. Wir haben Gene mithilfe von MUSCLE v3.8.31 abgeglichen und mithilfe von IQ-TREE v1.6.1272 mit 1000 Bootstrap-Replikationen den phylogenetischen Baum mit maximaler Wahrscheinlichkeit für jede Genfamilie abgeleitet.

Zwei häufig verwendete Insektizide zur Bekämpfung von S. biformis, Imidacloprid (97 % Reinheit, Jiangsu Juhe Biological Agriculture Co., Ltd., Jiangsu, China) und Deltamethrin (98 % Reinheit, Nanjing Hongtaiyang Co., Ltd., Jiangsu, China). wurden in dieser Studie eingesetzt. Aceton (Reinheit ≥ 99,8 %, Xilong Scientific Co., Ltd., Guangdong, China) wurde verwendet, um das Insektizidpulver in geeigneten Konzentrationen aufzulösen. Frühere Studien deuten darauf hin, dass Insektizidbehandlungen mit subletaler Konzentration (LC10) die Expression entgiftungsassoziierter Gene und die Insektizidtoleranz auslösen können73. Daher führten wir einen Vortest zur Bestimmung der LC10-Konzentration durch. Die Bioassays folgten den Verfahren von Gao et al.73. Kurz gesagt, Imidacloprid- und Deltamethrin-Pulver wurden in Stammlösungen von 2000 ml/l unter Verwendung von Aceton gelöst und dann seriell in verschiedenen Konzentrationen verdünnt. Für jedes Insektizid wurden 100 µl jeder Verdünnung verwendet, um die Innenwand von 5-ml-Glasfläschchen (Sangon Biotech Co., Ltd., Shanghai, China) durch 5-minütiges Rollen zu beschichten und dann auf einen 3D-Rotationsmischer (Hangzhou Miu) zu geben Instruments Co., Ltd., Zhejiang, China) für 1 Stunde, um eine vollständige Verdunstung des Acetons zu ermöglichen. Um die durch Austrocknung verursachte Mortalität von S. biformis zu verhindern, wurde 1 µl doppelt destilliertes Wasser auf ein Stück Filterpapier gegeben und in jedes Fläschchen gegeben, das dann mit Parafilm verschlossen wurde. Für den Vortest wurden 10–15 weibliche S. biformis in jedes Fläschchen gegeben und für jede Behandlung wurden zwei Replikate hergestellt. Für die Kontrollgruppe wurden die Glasfläschchen nur mit 100 µl Aceton beschichtet. Die Moral wurde 8 Stunden später aufgezeichnet. Letztendlich haben wir Konzentrationen von 2E−06 mg/L und 2E−05 mg/L für Imidacloprid bzw. Deltamethrin ermittelt (ergänzende Abbildung 9). Die gleiche Methode wie oben wurde verwendet, um die mit Insektiziden behandelten Thripse für die Transkriptomanalyse zu sammeln. In jedes Glasfläschchen wurden 50 weibliche S. biformis gegeben, und jede Behandlung erfolgte dreifach wiederholt. Nach 8-stündiger Behandlung wurden die Proben in TRIzol-Reagenz gesammelt. Die Transkriptomsequenzen wurden mit den gleichen Verfahren erhalten, die oben im Abschnitt zur Transkriptomsequenzierung beschrieben wurden.

Um eine differenziell exprimierte Genanalyse durchzuführen, wurden die RNA-seq-Daten unter Verwendung von HISAT2 v2.1.047 mit Standardparametern mit dem Referenzgenom abgeglichen. Anschließend wurde featureCounts v2.0274 verwendet, um die Rohlesezahl jedes Gens mit den Parametern „-p -B -C -t exon -g gene_id“ zu bestimmen. Die Identifizierung unterschiedlich exprimierter Gene zwischen mit Insektiziden behandelten Gruppen und Kontrollgruppen wurde mit dem R-Paket75 EdgeR v3.32.176 durchgeführt. Die Gene mit normalisierten Counts per Million (CPM)-Werten > 1 in mindestens zwei biologischen Replikaten wurden beibehalten. Zur Schätzung der Streuung wurde die tagweise Methode angewendet und zur Anpassung der Ein-Faktor-Analyse ein verallgemeinertes logarithmisch-lineares Modell verwendet. In Übereinstimmung mit einer früheren Studie26 wurden Gene mit Fold Changes von <–1,5 oder >1,5 als unterschiedlich exprimiert angesehen. Die Rangkorrelationsanalyse nach Spearman wurde verwendet, um die Korrelationskoeffizienten zwischen den drei Replikaten zu bewerten (Supplementary Data 19).

Die für die Transkriptomsequenzierung verwendete RNA wurde verwendet. Insgesamt 1 μg RNA wurde unter Verwendung des PrimeScript-Erststrang-cDNA-Synthesekits (TaKaRa, Katalog-Nr. 6110 A) gemäß den Anweisungen des Herstellers revers transkribiert. Genprimer wurden mit Primer Premier Version 5.077 entwickelt. Das verwendete interne Referenzgen war das Actin-Gen von S. biformis (Primerliste siehe Ergänzungstabelle 1). qRT-PCR wurde mit dem SYBR Premix ExTaq Kit (TaKaRa) gemäß den Anweisungen des Herstellers durchgeführt. Zur Berechnung der relativen Expressionsvariationen wurde die relative quantitative Methode 2−ΔΔCt verwendet78.

Die GraphPad Prism 8-Software79 wurde verwendet, um die statistische Analyse der qRT-PCR-Ergebnisse anzuzeigen (ergänzende Abbildung 8). Das Balkendiagramm wurde durch Darstellung des Mittelwerts ± Standardfehler erstellt. Die statistische Signifikanz der Unterschiede zwischen der Kontrollgruppe und der mit Insektiziden behandelten Gruppe wurde mithilfe des Student-t-Tests (*P < 0,05; **P < 0,01; ***P < 0,001) bestimmt. Jede Gruppe bestand aus drei biologischen Replikaten .

Weitere Informationen zum Forschungsdesign finden Sie in der mit diesem Artikel verlinkten Nature Portfolio Reporting Summary.

Die Rohsequenzen von PacBio-, Illumina- und Hi-C-Daten für die Genomassemblierung und RNA-Seq-Daten der Insektizidbehandlung wurden im Sequence Read Archive (SRR25338378, SRR25338348, SRR25338347, SRR24847376, SRR24847375, SRR24847374, SRR24847373, SRR24847372, SRR24847371 , SRR24847379, SRR24847378 und SRR24847377) am NCBI im Rahmen des Projekts PRJNA901696. Dieses Whole Genome Shotgun-Projekt wurde bei DDBJ/ENA/GenBank unter der Zugangsnummer JAPMNG000000000 hinterlegt. Die in diesem Dokument beschriebene Version ist die Version JAPMNG010000000. Die Genom-Annotationsdatei und manuell annotierte Genfamiliensequenzen sind in figshare (https://doi.org/10.6084/m9.figshare.23708619.v1) hinterlegt. Die Abb. 3 zugrunde liegenden Quelldaten sind in den Zusatzdaten 10 dargestellt.

Mound, LA, Heming, BS & Palmer, JM Phylogenetische Beziehungen zwischen den Familien rezenter Thysanoptera (Insecta). Zool. J. Linn. Soc. 69, 111–141 (1980).

Artikel Google Scholar

Buckman, RS, Mound, LA & Whiting, MF Phylogenie von Thripsen (Insecta: Thysanoptera) basierend auf fünf molekularen Loci. Syst. Entomol. 38, 123–133 (2013).

Artikel Google Scholar

Zhang, S., Mound, L. & Feng, J. Morphologische Phylogenie von Thripidae (Thysanoptera: Terebrantia). Wirbel. Syst. 33, 671–696 (2019).

Google Scholar

Sallam, N., Braithwaite, K. & Tree, D. in Tagungsband der 35. Konferenz der Australian Society of Sugar Cane Technologists, die vom 16. bis 18. April 2013 in Townsville, Queensland, Australien, stattfand. (Australian Society of Sugar Cane Technologists) .

Singh, BB & Singh, R. Große Reisinsektenschädlinge im Nordosten von UP. Int. J. Life Sci. Biotechnologie. Pharma Res. 1, 124–143 (2014).

Google Scholar

Dänemark, HA, Mound, LA & Marullo, R. Die Thripse Mittel- und Südamerikas: eine Einführung (Insecta: Thysanoptera). Fla. Entomol. 79, 270 (1996).

Artikel Google Scholar

Yudin, L., Cho, J. & Mitchell, W. Wirtsbereich westlicher Blütenthripse, Frankliniella occidentalis (Thysanoptera: Thripidae), mit besonderem Bezug auf Leucaena glauca. Umgebung. Entomol. 15, 1292–1295 (1986).

Artikel Google Scholar

Cannon, R., Matthews, L. & Collins, D. Eine Überprüfung des Schädlingsstatus und der Bekämpfungsmöglichkeiten für Thrips palmi. Pflanzenschutz. 26, 1089–1098 (2007).

Artikel CAS Google Scholar

He, Z., Guo, JF, Reitz, SR, Lei, ZR & Wu, SY Eine globale Invasion des Thripses, Frankliniella occidentalis: aktueller Virusvektorstatus und sein Management. Insektenwissenschaft. 27, 626–645 (2019).

Artikel PubMed PubMed Central Google Scholar

Wan, Y. et al. Das Tomatenfleckenwelken-Ortotospovirus beeinflusst die Reproduktion seines Insektenvektors, des westlichen Blütenthrips Frankliniella occidentalis, um die Übertragung zu erleichtern. Schädlingsbekämpfer Wissenschaft. 76, 2406–2414 (2020).

Artikel CAS PubMed Google Scholar

Daimei, G. et al. Einfluss des Erdnussknospennekrosevirus auf die Lebensgeschichte und die Fresspräferenz seines Vektors Thrips palmi. Phytopathology 107, 1440–1445 (2017).

Artikel PubMed Google Scholar

Singh, S. & Krishnareddy, M. Wassermelonenknospennekrose: eine neue Tospovirus-Krankheit. Tospoviren Thripse Flor. Gemüse. Crops 431, 68–77 (1995).

Google Scholar

Chanbusarakum, L. & Ullman, D. Charakterisierung bakterieller Symbionten in Frankliniella occidentalis (Pergande), westlichen Blütenthripsen. J. Invertebr. Pathol. 99, 318–325 (2008).

Artikel PubMed Google Scholar

De Vries, EJ, Jacobs, G., Sabelis, MW, Menken, SB & Breeuwer, JA Ernährungsabhängige Auswirkungen von Darmbakterien auf ihren Insektenwirt: die Symbiose von Erwinia sp. und westliche Blütenthripse. Proz. R. Soc. London. Ser. B Biol. Wissenschaft. 271, 2171–2178 (2004).

Artikel Google Scholar

Simon, J.-C. et al. Genomik der Anpassung an Wirtspflanzen bei pflanzenfressenden Insekten. Knapp. Funktion. Genomics 14, 413–423 (2015).

Artikel CAS PubMed Google Scholar

Rotenberg, D. et al. Genomgestützte Einblicke in die Biologie von Thripsen als Nutzpflanzenschädlinge. BMC Biol. 18, 142 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Guo, SK et al. Die Zusammenstellung des Melonenthrips-Genoms auf Chromosomenebene liefert Einblicke in die Entwicklung eines saftsaugenden Lebensstils und der Pestizidresistenz. Mol. Ökologisch. Ressource. 20, 1110–1125 (2020).

Artikel CAS PubMed Google Scholar

Misof, B. et al. Die Phylogenomik klärt den Zeitpunkt und das Muster der Insektenevolution auf. Wissenschaft 346, 763–767 (2014).

Artikel CAS PubMed Google Scholar

Thomas, JA, Trueman, JW, Rambaut, A. & Welch, JJ Entspannte Phylogenetik und das Paläoptera-Problem: Lösung tiefgreifender Ahnenspaltungen in der Insektenphylogenie. Syst. Biol. 62, 285–297 (2013).

Artikel PubMed Google Scholar

Medeiros, RB, Resende Rde, O. & de Avila, AC Das Pflanzenvirus Tomato Spotted Wilt Tospovirus aktiviert das Immunsystem seines Hauptinsektenvektors Frankliniella occidentalis. J. Virol. 78, 4976–4982 (2004).

Artikel CAS PubMed PubMed Central Google Scholar

Andersson, MN, Keeling, CI & Mitchell, RF Der genomische Gehalt chemosensorischer Gene korreliert mit dem Wirtsspektrum bei holzbohrenden Käfern (Dendroctonus Ponderosae, Agrilus planipennis und Anoplophora glabripennis). BMC Genomics 20, 690 (2019).

Artikel PubMed PubMed Central Google Scholar

Suzuki, HC et al. Die Evolution der Genfamilie der Geschmacksrezeptoren liefert Einblicke in die Anpassung an verschiedene Wirtspflanzen bei Nymphalidenschmetterlingen. Genombiol. Entwicklung 10, 1351–1362 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Cheng, T. et al. Genomische Anpassung an Polyphagie und Insektizide bei einem großen ostasiatischen Nachtschädling. Nat. Ökologisch. Entwicklung 1, 1747–1756 (2017).

Artikel PubMed Google Scholar

Yin, N., Xiao, H., Yang, A., Wu, C. & Liu, N. Genomweite Analyse von Geruchs- und Geschmacksrezeptoren in sechs Schmetterlingsfaltern (Lepidoptera: Papilionidae). Insekten 13, 779 (2022).

Artikel PubMed PubMed Central Google Scholar

Neafsey, DE et al. Genomik von Mücken. Hochentwickelbare Malaria-Überträger: die Genome von 16 Anopheles-Mücken. Science 347, 1258522 (2015).

Artikel PubMed Google Scholar

Gao, Y. et al. Transkriptomische Identifizierung und Charakterisierung von Genen, die auf subletale Dosen von drei verschiedenen Insektiziden im westlichen Blütenthrips Frankliniella occidentalis reagieren. Pestisch. Biochem Physiol. 167, 104596 (2020).

Artikel CAS PubMed Google Scholar

Wei, N. et al. Transkriptomanalyse und Identifizierung von Insektizidtoleranz-bezogenen Genen nach Insektizidexposition in Sitobion avenae. Genes (Basel) 10, 951 (2019).

Artikel CAS PubMed Google Scholar

Dong, B. et al. Ein Hitzeschockprotein schützt vor oxidativem Stress, der durch Lambda-Cyhalothrin in der grünen Pfirsichblattlaus Myzus persicae verursacht wird. Pestisch. Biochem. Physiol. 181, 104995 (2022).

Artikel CAS PubMed Google Scholar

Fang, F. et al. Die Cuticula-Proteine: eine mutmaßliche Rolle für die Deltamethrin-Resistenz bei Culex pipiens pallens. Parasit. Res. 114, 4421–4429 (2015).

Artikel PubMed Google Scholar

Wang, W. et al. Identifizierung von Proteinen, die mit Pyrethroidresistenz assoziiert sind, durch iTRAQ-basierte quantitative Proteomanalyse in Culex pipiens pallens. Parasit. Vektoren 8, 95 (2015).

Artikel PubMed PubMed Central Google Scholar

Huang, Y. et al. Das kutikuläre Protein CPLCG5 von Culex pipiens pallens ist an der Pyrethroidresistenz beteiligt, indem es eine starre Matrix bildet. Parasit. Vektoren 11, 6 (2018).

Artikel PubMed PubMed Central Google Scholar

Ranallo-Benavidez, TR, Jaron, KS & Schatz, MC GenomeScope 2.0 und Smudgeplot für die referenzfreie Profilierung polyploider Genome. Nat. Komm. 11, 1–10 (2020).

Artikel Google Scholar

Chin, C.-S. et al. Phasenweise diploide Genomassemblierung mit Einzelmolekül-Echtzeitsequenzierung. Nat. Methoden 13, 1050–1054 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Hu, J., Fan, J., Sun, Z. & Liu, S. NextPolish: ein schnelles und effizientes Genom-Polierwerkzeug für die Long-Read-Assemblierung. Bioinformatik 36, 2253–2255 (2020).

Li, H. Minimap2: Paarweise Ausrichtung für Nukleotidsequenzen. Bioinformatik 34, 3094–3100 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Li, H. Ausrichten von Sequenzlesevorgängen, Klonsequenzen und Assemblierungs-Contigs mit BWA-MEM. Vorabdruck bei arXiv https://doi.org/10.48550/arXiv.1303.3997 (2013).

Li, H. et al. Das Sequenzausrichtungs-/Kartenformat und SAMtools. Bioinformatik 25, 2078–2079 (2009).

Artikel PubMed PubMed Central Google Scholar

Huang, S., Kang, M. & Bioinformatik 33, 2577–2579 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Roach, MJ, Schmidt, SA & Borneman, AR Purge Haplotigs: Allel-Contig-Neuzuordnung für diploide Genomassemblierungen der dritten Generation. BMC Bioinforma. 19, 1–10 (2018).

Artikel Google Scholar

Zhang, Nat. Pflanzen 5, 833–845 (2019).

Artikel CAS PubMed Google Scholar

Durand, NC et al. Juicebox bietet ein Visualisierungssystem für Hi-C-Kontaktkarten mit unbegrenztem Zoom. Zellsystem 3, 99–101 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Flynn, JM et al. RepeatModeler2 für die automatisierte genomische Entdeckung transponierbarer Elementfamilien. Proz. Natl Acad. Wissenschaft. USA 117, 9451–9457 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Chen, N. Verwendung von Repeat Masker zur Identifizierung repetitiver Elemente in Genomsequenzen. Curr. Protokoll. Bioinforma. 5, 10. 11–14.10. 14 (2004).

Artikel Google Scholar

Lowe, TM & Eddy, SR tRNAscan-SE: ein Programm zur verbesserten Erkennung von Transfer-RNA-Genen in der Genomsequenz. Nukleinsäuren Res. 25, 955–964 (1997).

Artikel CAS PubMed PubMed Central Google Scholar

Keilwagen, J. et al. Verwendung der Intronpositionskonservierung für die homologiebasierte Genvorhersage. Nukleinsäuren Res. 44, e89–e89 (2016).

Artikel PubMed PubMed Central Google Scholar

Haas, BJ et al. De-novo-Transkriptsequenzrekonstruktion aus RNA-seq unter Verwendung der Trinity-Plattform zur Referenzgenerierung und -analyse. Nat. Protokoll. 8, 1494–1512 (2013).

Artikel CAS PubMed Google Scholar

Kim, D., Paggi, JM, Park, C., Bennett, C. & Salzberg, SL Graphbasierte Genomausrichtung und Genotypisierung mit HISAT2 und HISAT-Genotyp. Nat. Biotechnologie. 37, 907–915 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

Haas, BJ et al. Verbesserung der Annotation des Arabidopsis-Genoms mithilfe maximaler Transkript-Alignment-Assemblys. Nukleinsäuren Res. 31, 5654–5666 (2003).

Artikel CAS PubMed PubMed Central Google Scholar

Stanke, M. et al. AUGUSTUS: Ab-initio-Vorhersage alternativer Transkripte. Nukleinsäuren Res. 34, W435–W439 (2006).

Artikel CAS PubMed PubMed Central Google Scholar

Korf, I. Genfindung in neuartigen Genomen. BMC Bioinforma. 5, 59 (2004).

Artikel Google Scholar

Holt, C. & Yandell, M. MAKER2: eine Annotationspipeline und ein Genomdatenbank-Verwaltungstool für Genomprojekte der zweiten Generation. BMC Bioinforma. 12, 491 (2011).

Artikel Google Scholar

Hoff, KJ, Lange, S., Lomsadze, A., Borodovsky, M. & Stanke, M. BRAKER1: unbeaufsichtigte RNA-Seq-basierte Genomannotation mit GeneMark-ET und AUGUSTUS. Bioinformatik 32, 767–769 (2016).

Artikel CAS PubMed Google Scholar

Haas, BJ et al. Automatisierte Annotation der eukaryotischen Genstruktur mit EVidenceModeler und dem Programm zum Zusammenstellen gespleißter Alignments. Genombiol. 9, R7 (2008).

Artikel PubMed PubMed Central Google Scholar

Bairoch, A. & Boeckmann, B. Die SWISS-PROT-Proteinsequenzdatenbank. Nukleinsäuren Res. 19, 2247 (1991).

Artikel CAS PubMed PubMed Central Google Scholar

Boeckmann, B. et al. Die Protein-Wissensdatenbank SWISS-PROT und ihre Ergänzung TrEMBL im Jahr 2003. Nucleic Acids Res. 31, 365–370 (2003).

Artikel CAS PubMed PubMed Central Google Scholar

Deng, Y. et al. Integrierte Nr-Datenbank im Protein-Annotationssystem und deren Lokalisierung. Berechnen. Ing. 32, 71–74 (2006).

Google Scholar

Buchfink, B., Xie, C. & Huson, DH Schnelles und empfindliches Protein-Alignment mit DIAMOND. Nat. Methoden 12, 59–60 (2015).

Artikel CAS PubMed Google Scholar

Jones, P. et al. InterProScan 5: Proteinfunktionsklassifizierung im Genommaßstab. Bioinformatik 30, 1236–1240 (2014).

Artikel CAS PubMed PubMed Central Google Scholar

Huerta-Cepas, J. et al. Schnelle genomweite funktionelle Annotation durch Orthologiezuordnung durch eggNOG-Mapper. Mol. Biol. Evolution. 34, 2115–2122 (2017).

Artikel CAS Google Scholar

Emms, DM & Kelly, S. OrthoFinder: Phylogenetische Orthologie-Inferenz für die vergleichende Genomik. Genombiol. 20, 238 (2019).

Artikel PubMed PubMed Central Google Scholar

Katoh, K. & Standley, DM MAFFT Multiple Sequence Alignment Software Version 7: Verbesserungen bei Leistung und Benutzerfreundlichkeit. Mol. Biol. Entwicklung 30, 772–780 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Price, MN, Dehal, PS & Arkin, AP FastTree: Berechnung großer Bäume mit minimaler Evolution mit Profilen anstelle einer Distanzmatrix. Mol. Biol. Entwicklung 26, 1641–1650 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Yang, Z. PAML 4: Phylogenetische Analyse nach Maximum Likelihood. Mol. Biol. Entwicklung 24, 1586–1591 (2007).

Artikel CAS PubMed Google Scholar

Edgar, RC MUSCLE: Mehrfachsequenz-Alignment mit hoher Genauigkeit und hohem Durchsatz. Nukleinsäuren Res. 32, 1792–1797 (2004).

Artikel CAS PubMed PubMed Central Google Scholar

Yu, G. Verwenden von ggtree zur Visualisierung von Daten auf baumähnlichen Strukturen. Curr. Protokoll. Bioinforma. 69, e96 (2020).

Artikel Google Scholar

Camacho, C. et al. BLAST+: Architektur und Anwendungen. BMC Bioinforma. 10, 421 (2009).

Artikel Google Scholar

Wang, Y. et al. MCScanX: ein Toolkit zur Erkennung und evolutionären Analyse der Syntenie und Kollinearität von Genen. Nukleinsäuren Res. 40, e49 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Krzywinski, M. et al. Circos: eine Informationsästhetik für die vergleichende Genomik. Genomres. 19, 1639–1645 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

De Bie, T., Cristianini, N., Demuth, JP & Hahn, MW CAFE: ein Computertool zur Untersuchung der Evolution von Genfamilien. Bioinformatik 22, 1269–1271 (2006).

Artikel PubMed Google Scholar

Mistry, J. et al. Pfam: Die Proteinfamilien-Datenbank im Jahr 2021. Nucleic Acids Res. 49, D412–d419 (2021).

Artikel CAS PubMed Google Scholar

Vizueta, J., Sánchez-Gracia, A. & Rozas, J. bitacora: Ein umfassendes Tool zur Identifizierung und Annotation von Genfamilien in Genomassemblierungen. Mol. Ökologisch. Ressource. 20, 1445–1452 (2020).

Artikel CAS PubMed Google Scholar

Nguyen, LT, Schmidt, HA, von Haeseler, A. & Minh, BQ IQ-TREE: ein schneller und effektiver stochastischer Algorithmus zur Schätzung von Maximum-Likelihood-Phylogenien. Mol. Biol. Entwicklung 32, 268–274 (2015).

Artikel CAS PubMed Google Scholar

Yoon, KS et al. Kurze Exposition menschlicher Körperläuse gegenüber subletalen Mengen Ivermectin führt zu einer Übertranskribierung von Entgiftungsgenen, die an der Toleranz beteiligt sind. Insektenmol. Biol. 20, 687–699 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Liao, Y., Smyth, GK & Shi, W. featureCounts: ein effizientes Allzweckprogramm zum Zuweisen von Sequenzablesungen zu genomischen Merkmalen. Bioinformatik 30, 923–930 (2014).

Artikel CAS PubMed Google Scholar

Team, RC R: Eine Sprache und Umgebung für statistische Berechnungen. (2013).

Robinson, MD, McCarthy, DJ & Smyth, GK EdgeR: ein Bioconductor-Paket für die differenzielle Expressionsanalyse digitaler Genexpressionsdaten. Bioinformatik 26, 139–140 (2010).

Artikel CAS PubMed Google Scholar

Lalitha, S. Primer Premier 5. Biotech. Softw. Internet Rep. 1, 270–272 (2000).

Artikel Google Scholar

Livak, KJ & Schmittgen, TD Analyse relativer Genexpressionsdaten mittels quantitativer Echtzeit-PCR und der 2(-Delta Delta C(T))-Methode. Methoden 25, 402–408 (2001).

Artikel CAS PubMed Google Scholar

Swift, ML GraphPad-Prisma, Datenanalyse und wissenschaftliche Grafik. J. Chem. Inf. Berechnen. Wissenschaft. 37, 411–412 (1997).

Artikel CAS Google Scholar

Supek, F., Bošnjak, M., Škunca, N. & Šmuc, T. REVIGO fasst lange Listen von Begriffen der Genontologie zusammen und visualisiert sie. PLoS ONE 6, e21800 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Referenzen herunterladen

Diese Arbeit wurde vom chinesischen National Key R&D Plan im 14. Fünfjahresplan (2021YFD1401100), der National Natural Science Foundation of China (32230086 und 32001899) und der Natural Science Foundation der Provinz Zhejiang (LQ21C140006) finanziert.

Staatliches Schlüssellabor für den Umgang mit biotischen und chemischen Bedrohungen der Qualität und Sicherheit von Agrarprodukten, Schlüssellabor für Biotechnologie im Pflanzenschutz des Landwirtschaftsministeriums und der Provinz Zhejiang, Institut für Pflanzenvirologie, Ningbo-Universität, Ningbo, 315211, China

Qing-Ling Hu, Zhuang-Xin Ye, Ji-Chong Zhuo, Jun-Min Li und Chuan-Xi Zhang

Institut für Insektenwissenschaften, Zhejiang-Universität, Hangzhou, 310058, China

Qing-Ling Hu & Chuan-Xi Zhang

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeptualisierung: CXZ; Software, QLH und ZXY; Datenanalyse, QLH; Ressourcen, JCZ und JML; Vorbereitung des schriftlichen Originalentwurfs, QLH; schriftliche Rezension und Ausgabe, CXZ und JCZ; Finanzierungseinwerbung, CXZ Alle Autoren haben die endgültige Fassung des Papiers gelesen und genehmigt.

Korrespondenz mit Chuan-Xi Zhang.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Communications Biology dankt den anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit. Hauptredakteure: Luke R. Grinham und George Inglis.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Hu, QL., Ye, ZX., Zhuo, JC. et al. Eine Genomassemblierung auf Chromosomenebene von Stenchaetothrips biformis und eine vergleichende Genomanalyse zeigen unterschiedliche Wirtsanpassungen zwischen Thripsen. Commun Biol 6, 813 (2023). https://doi.org/10.1038/s42003-023-05187-1

Zitat herunterladen

Eingegangen: 28. November 2022

Angenommen: 27. Juli 2023

Veröffentlicht: 04. August 2023

DOI: https://doi.org/10.1038/s42003-023-05187-1

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.