[发明专利]一种稻瘟菌侵染水稻关键sRNA识别系统及识别方法

说明书

本发明公开了一种稻瘟菌侵染水稻关键sRNA识别系统及识别方法，所述识别系统包括：输入单元，其用于输入稻瘟菌和水稻多组学数据；微处理器，其连接所述输入单元；存储单元，其连接所述微处理器；处理单元，其连接所述微处理器，用于处理数据并得出识别结果；其中，所述处理单元包括：预处理单元，其从所述存储单元中获取所述多组学数据，并进行预处理；网络构建单元，其获取预处理后的多组学数据，处理得到稻瘟菌和水稻多组学分层异质互作网络；致病因子挖掘单元，其输入所述多组学分层异质互作网络，输出致病sRNA调控网络；以及关键sRNA识别单元，其接收致病sRNA调控网络，并进行稻瘟菌关键sRNA识别，得到识别结果。

技术领域

本发明属于生物信息学技术领域，特别涉及一种稻瘟菌侵染水稻关键sRNA识别系统及识别方法。

背景技术

由稻瘟菌引起的稻瘟病对全世界的稻米及其它禾谷类作物生产构成巨大危害。尽管稻瘟菌是研究植物真菌病害的模式真菌，然而目前研究表明，在田间使用水稻杀真菌剂或选用抗病水稻品种对稻瘟病害的长期控制的表现中仍不稳定。为了找到对稻瘟病持久有效的防治方法，关键在于揭示稻瘟菌侵染水稻的细胞机制。

随着真菌-植物互作相关的转录组学、基因组学、蛋白质组学和代谢组学等组学数据大量出现，研究者开始基于组学数据，应用生物计算方法辅助和指导生物实验揭示生物分子间相互作用，挖掘生物过程中的关键因子。目前多组学数据整合方法的应用在癌症等复杂疾病的预后分析、分类等方面有一定成效，但在真菌-植物互作机制的研究还处于起步阶段。

如今，深度学习在各大领域的预测问题上均有非常有效的结果。深度学习的方法可以在大规模数据中，通过构建多组学分层异质网络来提取出有效的、隐含的特征，并利用这些特征构建出有效的预测模型。目前，深度学习的方法在生物信息学有了较大的突破。因此，将深度学习方法应用到基于多组学数据识别关键致病sRNA成为一个新的研究领域。

目前，识别稻瘟菌关键sRNA的方法存在如下问题：

(1)尽管稻瘟菌与水稻组学数据日益丰富，但如何整合各组学数据平台资源并加以分析仍是难题；

(2)病原菌sRNA如何参与到真菌-植物互作过程，与各组学致病标志物之间的调控关系尚不为人所知。

发明内容

本发明的目的之一是提供一种稻瘟菌侵染水稻关键sRNA识别系统，其能够准确识别稻瘟菌、水稻多组学数据，并识别稻瘟菌致病相关的关键sRNA。

本发明还提供了一种稻瘟菌侵染水稻关键sRNA识别方法，其联合致病因子关联网络从统计角度对跨物种的关键sRNA进行挖掘，能够对稻瘟菌关键致病sRNA进行更准确的识别。

本发明提供的技术方案为：

一种稻瘟菌侵染水稻关键sRNA识别系统及识别方法，包括：

输入单元，其用于输入稻瘟菌和水稻多组学数据；

微处理器，其连接所述输入单元；

存储单元，其连接所述微处理器；

处理单元，其连接所述微处理器，用于处理数据并得出识别结果；

其中，所述处理单元包括：

预处理单元，其从所述存储单元中获取所述多组学数据，并进行预处理；

网络构建单元，其获取预处理后的多组学数据，处理得到稻瘟菌和水稻多组学分层异质互作网络；

致病因子挖掘单元，其输入所述多组学分层异质互作网络，输出致病sRNA调控模块；以及

关键sRNA识别单元，其接收致病sRNA调控模块，并进行稻瘟菌关键sRNA识别，得到识别结果。