Differential analysis of glycinin and β-conglycinin gene expression in seeds of cultivated soybean varieties at different periods of their maturation

Cover Page

Cite item

Full Text

Abstract

Background. Soybeans are an economically important crop used in various industries, from human nutrition to animal feeding. The creation of new varieties with a high protein content or with a certain subunit composition more suitable for food and feed purposes is an urgent area for research. In this study, the differential expression of glycinin and β-conglycinin genes in seeds of various soybean varieties (Glycine max [L.] Merr) at different stages of maturation (R5-R8) was analyzed. Glycinin’s and β-conglycinins make up a significant part of the protein contained in soybeans, play an important role in seed germination and provide biotic protection. High-protein (Bride and Stately) and low-protein (Harmony and Dauria) varieties were analyzed in the study.

Purpose. To carry out a differential analysis of the expression of glycinin and β-conglycin genes in various phases of filling and maturation of seeds (R5-R8) of soybean varieties selected by the Federal State Budgetary Scientific Research Center of the Russian Research Institute of Soybeans with increased and decreased protein content.

Materials and methods. The selection of primers for the analysis of glycine genes (Gy1-5 and Gy7) and β-conglycinins (Cg1 and Cg3-4) was carried out using software that allows to achieve high specificity and the absence of secondary structures (dimers, hairpins), from RNA extracted from seeds, was cDNA was obtained using the necessary reagent kits, amplification of fragments and their detection were carried out on a CFX-96 thermo-cycler in real time.

Results. Primers have been developed suitable for analyzing the expression level of genes encoding different subunits of glycinins and β-conglycinins. Transcriptomic profiles of the studied subunits were obtained.

Conclusion. The results showed that high-protein varieties demonstrate increased expression of glycinin genes in the early stages of development, whereas low-protein varieties are characterized by increased expression of β-conglycinin genes. This opens up prospects for using data on gene expression in the selection of new soybean varieties, and may also be able to optimize the timing of soybean harvest for food production, depending on a certain subunit composition of proteins.

About the authors

Andrey A. Penzin

All-Russian Scientific Research Institute of Soybean

Author for correspondence.
Email: penzin9898@mail.ru

Researcher

 

Russian Federation, 19, Ignatievskoe hw., Blagoveshchensk, 675028, Russian Federation

Pavel D. Timkin

All-Russian Scientific Research Institute of Soybean

19, Ignatievskoe hw., Blagoveshchensk, 675028, Russian Federation

Email: tpd@vniisoi.ru

Junior Researcher

 

Russian Federation, Игнатьевское ш., 19, г. Благовещенск, 675028, Российская Федерация

Daniil D. Kotelnikov

All-Russian Scientific Research Institute of Soybean

Email: danil.kotelnikov.02@gmail.com

Laboratory Assistant

 

Russian Federation, 19, Ignatievskoe hw., Blagoveshchensk, 675028, Russian Federation

References

  1. Каталог сортов сои / Фокина, Е. М., Беляева, Г. Н., Синеговский, М. О. [и др.]. (2021). Благовещенск: ООО «ИПК «ОДЕОН». 69 с. (Catalog of soybean varieties / Fokina, E. M., Belyaeva, G. N., Sinegovsky, M. O. et al. (2021). Blagoveshchensk: LLC "IPC “ODEON”, 69 p.) ISBN: 978-5-6040714-5-8 EDN: https://elibrary.ru/qosjcx
  2. Badley, R. A., Atkinson, D., Hauser, H., Oldani, D., Green, J. P., & Stubb, J. M. (1975). The structure, physical and chemical properties of the soy bean protein glycinin. Biochim Biophys Acta, 412(2), 214-228. https://doi.org/10.1016/0005-2795(75)90036-7
  3. Cheadle, C., Vawter, M. P., Freed, W. J., & Becker, K. G. (2003). Analysis of microarray data using Z score transformation. J Mol Diagn, 5(2), 73-81. https://doi.org/10.1016/S1525-1578(10)60455-2
  4. Freitas, C. S., Vericimo, M. A., Silva, M. L., da Costa, G. C. V., Pereira, P. R., Paschoalin, V. M. F., & Del Aguila, E. M. (2019). Encrypted antimicrobial and antitumoral peptides recovered from a protein-rich soybean (Glycine max) by-product. Journal of Functional Foods, 54, 187-198. https://doi.org/10.1016/j.jff.2019.01.024
  5. Guo, B., Sun, L., Jiang, S., et al. (2022). Soybean genetic resources contributing to sustainable protein production. Theor Appl Genet, 135, 4095-4121. https://doi.org/10.1007/s00122-022-04222-9 EDN: https://elibrary.ru/fzjutt
  6. Hooker, J. C., Nissan, N., Luckert, D., Charette, M., Zapata, G., Lefebvre, F., Mohr, R. M., Daba, K. A., Warkentin, T. D., Hadinezhad, M., et al. (2023). A Multi-Year, Multi-Cultivar Approach to Differential Expression Analysis of High- and Low-Protein Soybean (Glycine max). Int. J. Mol. Sci., 24, 222. https://doi.org/10.3390/ijms24010222 EDN: https://elibrary.ru/fqyarx
  7. Hu, R., Fan, C., Li, H., et al. (2009). Evaluation of putative reference genes for gene expression normalization in soybean by quantitative real-time RT-PCR. BMC Molecular Biol, 10, 93. https://doi.org/10.1186/1471-2199-10-93 EDN: https://elibrary.ru/ybghyr
  8. Koressaar, T., Lepamets, M., Kaplinski, L., Raime, K., Andreson, R., & Remm, M. (2018). Primer3_masker: integrating masking of template sequence with primer design software. Bioinformatics, 34(11), 1937-1938. https://doi.org/10.1093/bioinformatics/bty036
  9. Li, C., & Zhang, Y. M. (2011). Molecular evolution of glycinin and β-conglycinin gene families in soybean (Glycine max L. Merr.). Heredity, 106, 633-641. https://doi.org/10.1038/hdy.2010.97
  10. Mulalapele, L. T., & Xi, J. (2021). Detection and inactivation of allergens in soybeans: A brief review of recent research advances. Grain & Oil Science and Technology, 4(4), 191-200. https://doi.org/10.1016/j.gaost.2021.11.001 EDN: https://elibrary.ru/xsoawf
  11. Livak, K. J., & Schmittgen, T. D. (2001). Analysis of relative gene expression data using real-time quantitative PCR and the 2(-Delta Delta C(T)) Method. Methods, 25(4), 402-408. https://doi.org/10.1006/meth.2001.1262
  12. Ma, Y., Kan, G., Zhang, X., Wang, Y., Zhang, W., Du, H., & Yu, D. (2016). Quantitative Trait Loci (QTL) Mapping for Glycinin and β-Conglycinin Contents in Soybean (Glycine max L. Merr.). J Agric Food Chem, 64(17), 3473-3483. https://doi.org/10.1021/acs.jafc.6b00167
  13. Owczarzy, R., Tataurov, A. V., Wu, Y., Manthey, J. A., McQuisten, K. A., Almabrazi, H. G., Pedersen, K. F., Lin, Y., Garretson, J., McEntaggart, N. O., Sailor, C. A., Dawson, R. B., & Peek, A. S. (2008). IDT SciTools: a suite for analysis and design of nucleic acid oligomers. Nucleic Acids Res, 36(Web Server issue), W163-W169. https://doi.org/10.1093/nar/gkn198
  14. Rio, D. C., Ares, M., Hannon, G. J., & Nilsen, T. W. (2010). Nondenaturing Agarose Gel Electrophoresis of RNA. Cold Spring Harbor protocols, pdb.prot5445. https://doi.org/10.1101/pdb.prot5445
  15. Shea, Z., Singer, W., & Zhang, B. (2020). Soybean Production, Versatility, and Improvement. https://doi.org/10.5772/intechopen.91778
  16. Sui, X., Zhang, T., & Jiang, L. (2021). Soy protein: molecular structure revisited and recent advances in processing technologies. Annual Review of Food Science and Technology, 12(1), 119-147. https://doi.org/10.1146/annurev-food-062220-104405 EDN: https://elibrary.ru/dnsbtu
  17. Okonechnikov, K., Golosova, O., Fursov, M., & the UGENE team. (2012). Unipro UGENE: a unified bioinformatics toolkit. Bioinformatics, 28, 1166-1167. https://doi.org/10.1093/bioinformatics/bts091 EDN: https://elibrary.ru/pdnjnv
  18. Kim W, Kim S, Krishnan HB. Seed-Specific Silencing of Abundantly Expressed Soybean Bowman–Birk Protease Inhibitor Genes by RNAi Lowers Trypsin and Chymotrypsin Inhibitor Activities and Enhances Protein Digestibility. International Journal of Molecular Sciences. 2025; 26(14):6943. https://doi.org/10.3390/ijms26146943
  19. Wang, T., Qin, G.-X., Sun, Z.-W., & Zhao, Y. (2014). Advances of Research on Glycinin and β-Conglycinin: A Review of Two Major Soybean Allergenic Proteins. Critical Reviews in Food Science and Nutrition, 54, 850-862. https://doi.org/10.1080/10408398.2011.613534
  20. Xiang, N., Lyu, Y., Zhu, X., Bhunia, A. K., & Narsimhan, G. (2016). Methodology for identification of pore forming antimicrobial peptides from soy protein subunits β-conglycinin and glycinin. Peptides, 85, 27-40. PMID: 27612614. https://doi.org/10.1016/j.peptides.2016.09.004 EDN: https://elibrary.ru/xzcg
  21. Zhang, S., Du, H., Ma, Y., Li, H., Kan, G., & Yu, D. (2021). Linkage and association study discovered loci and candidate genes for glycinin and β-conglycinin in soybean (Glycine max L. Merr.). Theoretical and Applied Genetics, 134(4), 1201-1215. https://doi.org/10.1007/s00122-021-03766-6 EDN: https://elibrary.ru/xkuijx

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».