RRGPredictor, a set-theory-based tool for predicting pathogen-associated molecular pattern receptors (PRRs) and resistance (R) proteins from plants

Santana Silva Raner José, Micheli Fabienne. 2020. RRGPredictor, a set-theory-based tool for predicting pathogen-associated molecular pattern receptors (PRRs) and resistance (R) proteins from plants. Genomics, 112 (3) : 2666-2676.

https://doi.org/10.1016/j.ygeno.2020.03.001

Article de revue ; Article de recherche ; Article de revue à facteur d'impact

Version publiée - Anglais
Accès réservé aux personnels Cirad
Utilisation soumise à autorisation de l'auteur ou du Cirad.
2020 Silva and Micheli Genomics.pdf
Télécharger (1MB) | Demander une copie

Quartile : Q1, Sujet : BIOTECHNOLOGY & APPLIED MICROBIOLOGY / Quartile : Q1, Sujet : GENETICS & HEREDITY

Liste HCERES des revues (en SHS) : oui

Thème(s) HCERES des revues (en SHS) : Psychologie-éthologie-ergonomie

Résumé : In plant–pathogen interactions, plant immunity through pathogen-associated molecular pattern receptors (PAMPs) and R proteins, also called pattern recognition receptors (PRRs), occurs in different ways depending on both plant and pathogen species. The use and search for a structural pattern based on the presence and absence of characteristic domains, regardless of their disposition within a sequence, could be efficient in identifying PRRs proteins. Here, we develop a method mainly based on text mining and set theory to identify PRR and R genes that classify them into 13 categories based on the presence and absence of the main domains. Analyzing 24 plant and algae genomes, we showed that the RRGPredictor was more efficient, specific and sensitive than other tools already available, and identified PRR proteins with variations in size and in domain distribution throughout the sequence. Besides an easy identification of new plant PRRs proteins, RRGPredictor provided a low computational cost.

Mots-clés Agrovoc : bioinformatique, fouille de données, relation hôte pathogène, immunité cellulaire, réaction de défense des plantes

Mots-clés complémentaires : Motif moléculaire associé aux pathogènes, Récepteur de reconnaissance de motifs moléculaires

Mots-clés libres : Bioinformatics, Data mining, Classification, Hidden Markov models, Protein domains, Plant-pathogen interaction

Classification Agris : U10 - Informatique, mathématiques et statistiques
H01 - Protection des végétaux - Considérations générales

Champ stratégique Cirad : CTS 4 (2019-) - Santé des plantes, des animaux et des écosystèmes

Auteurs et affiliations