综述：从系统角度探讨植物生长调控：整合组学、信号网络和计算模型

《Plant Growth Regulation》：Systems perspectives on plant growth regulation: integrating omics, signaling networks, and computational models

　　

摘要

植物生长的调控是一个高度复杂且动态的过程，受到分子、环境和发育因素的共同影响。高通量基因组学、转录组学、蛋白质组学、代谢组学、网络生物学以及人工智能领域的最新进展，使植物生长研究从对单一途径的描述转向了综合性和预测性的系统级框架。这些进步使得激素信号传导、基因调控网络、蛋白质相互作用、代谢重编程和环境变量能够被作为一个整体进行分析，而不再被视为独立的生物过程。尽管取得了显著进展，但理解这些分子网络之间的相互作用以及植物系统如何整体协调生长和应激适应仍然具有挑战性。在这篇综述中，我们综合了植物生长调控方面的最新进展，特别强调了多组学整合、植物激素之间的相互作用、基因调控网络结构以及计算建模如何重塑植物生长这一系统级特征。我们不再将植物激素、分子途径和环境响应视为独立的研究对象，而是探讨它们之间的相互作用如何在不同的组织和应激条件下产生依赖于具体环境的发育结果。此外，我们还讨论了系统生物学、网络推断和机器学习领域的最新进展如何将研究方向从描述性研究转向植物行为的预测性建模。我们还介绍了结合多组学数据集与可解释的计算框架的新兴策略，以优先识别潜在的调控因子并预测植物的应激反应。通过弥合分子生物学与计算建模之间的差距，本文主张从线性途径描述向具有机械联系的多尺度植物发育模型转变。最终，这些基于系统的方法对于推进作物改良工作以应对不断变化的全球环境条件至关重要。