Kenevir bitkisinde agronomik açıdan önemli genlerin biyoinformatik yöntemler ile belirlenmesi

Abstract

Bu çalışma, yerli kenevir (Cannabis sativa L.) çeşitleri olan "Narlı" ve "Vezir"de brassinosteroidlerin (BR) ve BR inhibitörü brassinazole'un (BRZ) etkilerini morfolojik açıdan incelemiştir. Diğer yandan, Cannabis sativa türüne özgü TF proteinlerini içeren bir veri tabanı oluşturulmuş, Cannbio-2 genom birleştirmesinde korunmuş peptid domainleri ile belirlenmiş 57 TF ailesine ait toplam 1.323 TF geni tanımlanmış ve biyoinformatik yöntemler kullanılarak karakterize edilmiştir. Kromozomal lokasyonları, gen yapıları, peptidlerinin fizikokimyasal özellikleri, korunmuş peptid motifleri, filogenetik ilişkileri, tahmini 3 boyutlu peptid yapıları, dizi bilgileri biyoinformatik analizler ile belirlenmiş ve veritabanına yüklenmiştir. Cannabis sativa genomunda kodlanan tüm TFlerin tahminlemesini yapabilmek amacıyla bir hibrit derin öğrenme modeli geliştirilmiştir. Bu model, Word2Vec tabanlı dizi temsilini Convolutional Neural Networks (CNN), çift yönlü Geçitli Tekrarlayan Birim (BiGRU) ve Dikkat mekanizmasıyla birleştirmiştir. Model, 13.499 peptitlik veri seti ile eğitilmiş; %97,80 doğruluk ve %97,74 F1-skora ulaşarak, bu proteinlerin sınıflandırılmasında mevcut yöntemlere göre üstün bir performans sergilemiştir. Narlı ve Vezir çeşitleri kontrollü koşullarda yetiştirilmiştir. Farklı gelişimsel dönemlerde uygulanan BR ile BRZ, bitki boyu ve teknik sap uzunluğu parametrelerini anlamlı şekilde etkilemiştir. Erkek bitkiler, dişilere kıyasla BR uygulamasına özellikle daha güçlü yanıt vermiştir. Erkek bitkiler, dişilere oranla BR uygulamalarına daha güçlü bir yanıt vermiş, bu da potansiyel lif veriminde artışa işaret etmiştir. BR uygulamaları, bitki boyu ve teknik sap uzunluğu gibi büyüme parametrelerini artırırken, BRZ uygulaması bu etkileri baskılamıştır. Bu bulgular, kenevir tarımı ve brassinosteroidlerin tarımsal uygulamalardaki potansiyel kullanımları için yeni ufuklar sunmaktadır. Ayrıca, bu çalışma kapsamında geliştirilmiş biyoinformatik araçlar ve derin öğrenme tabanlı sınıflandırma modeli, kenevir genomunda yer alan TF genlerinin kapsamlı ve yüksek doğrulukla tanımlanmasına imkân tanımıştır. Bu yaklaşım, gelecekte lif gelişimi, stres toleransı ve metabolik düzenleme gibi konularda kenevirin genetik temellerini aydınlatacak ileri çalışmalar için stratejik bir başlangıç noktası oluşturmaktadır.