王雨 裴行杰 傅釔鈞 霍愷森 梁重鈞 劉麗巖 王佳 鈕俊

摘 要：華石斛是海南島特有的熱帶蘭科植物，具有很高的觀賞和藥用價值。然而，未確定的內(nèi)參基因限制了該物種基因表達分析。本研究利用之前華石斛轉(zhuǎn)錄組數(shù)據(jù)，篩選出164 個變異系數(shù)低（CV≤0.2）和表達量中等（TPM 在10～300之間）的候選內(nèi)參基因。為了避免共表達現(xiàn)象對內(nèi)參基因穩(wěn)定性分析的影響，根據(jù)GO 功能聚類分析結(jié)果，從不同的功能群中共篩選出24 個候選基因。為避免模板中可能殘留的基因組DNA 在RT-qPCR 擴增過程中產(chǎn)生假陽性，本研究設(shè)計了跨越內(nèi)含子引物，并通過電泳篩選出符合要求的15 個候選內(nèi)參基因的擴增引物。為了確保RT-qPCR 擴增的特異性，使用LightCycler 96 進行熔解曲線分析。依據(jù)15 個候選基因的RT-qPCR 數(shù)據(jù)，同時綜合多個算法分析，在干旱脅迫下，不同軟件分別確定CLP1 & SEC23、SEC23 & CPY71、CLP1 & SEC23 和RNG1L & PECT 為最佳內(nèi)參基因，綜合排序后選取SEC23 和CLP1 為華石斛干旱脅迫下最穩(wěn)定內(nèi)參基因。在華石斛不同組織中，不同軟件分別確定了ADF11& IBR5、PRP19 & CLP1、ADF11 & CLP1、ACBP2 & IBR5 為最佳內(nèi)參基因，綜合分析后確定ADF11 和ACBP2 為不同組織中最穩(wěn)定內(nèi)參基因。結(jié)合上述干旱脅迫和不同組織分析數(shù)據(jù)，最終確定IBR5 和CPY71 為綜合條件下較穩(wěn)定的內(nèi)參基因。內(nèi)參基因驗證表明，與傳統(tǒng)的Actin 內(nèi)參相比，本研究篩選出的內(nèi)參基因可獲得更為精確的RT-qPCR 校準結(jié)果，表明所篩選的內(nèi)參基因具有極高的穩(wěn)定性。綜上所述，本研究為利用轉(zhuǎn)錄組數(shù)據(jù)鑒定穩(wěn)定內(nèi)參基因提供思路，首次在華石斛全基因組范圍內(nèi)鑒定穩(wěn)定內(nèi)參基因，為進一步研究基因表達和功能奠定基礎(chǔ)。

關(guān)鍵詞：華石斛；內(nèi)參基因；轉(zhuǎn)錄組；穩(wěn)定性分析

中圖分類號：S682.31 文獻標識碼：A

華石斛（Dendrobium sinense）是海南島特有的蘭科植物，具有很高的觀賞價值和經(jīng)濟價值。

前期的活性成分分析表明，從華石斛中可以分離到菲類、雙芐基類、黃酮類和木脂素類等化合物[1-5]。

聯(lián)芐是石斛屬植物的主要酚類成分之一，具有抗腫瘤、抗糖尿病、神經(jīng)保護等作用[6]。近年來，隨著高通量測序技術(shù)的快速發(fā)展，華石斛公布的基因數(shù)量也迅速增加[4]。對探索華石斛花葉發(fā)育、脅迫響應(yīng)和生物活性物質(zhì)合成途徑有關(guān)的功能基因和轉(zhuǎn)錄因子研究提供了數(shù)據(jù)基礎(chǔ)。然而，華石斛穩(wěn)定內(nèi)參基因尚未鑒定，這不可避免地會限制對華石斛基因表達及其功能的探究。

基因表達分析是生物學研究中重要且常用的方法，研究基因表達有助于了解基因的功能[7]。

實時定量聚合酶鏈反應(yīng)（RT-qPCR）已經(jīng)成為目前主流方法，其具有靈敏度高、重復(fù)性好、高通量、通用性強等特點[8]。然而，RT-qPCR 產(chǎn)生的相對表達量受許多客觀因素的影響，如RNA 的數(shù)量、質(zhì)量和逆轉(zhuǎn)錄效率等[9]。RT-qPCR 相對定量時需要穩(wěn)定內(nèi)參基因為參考，從而才能獲得更準確可靠的表達結(jié)果[10]。

目前，管家基因被廣泛地用作內(nèi)參基因進行RT-qPCR 的定量分析[11]。管家基因在不同組織、細胞或?qū)嶒炋幚碇械谋磉_水平理論上應(yīng)該是穩(wěn)定的[11-12]，但是許多研究表明，管家基因在不同的實驗條件下仍會存在較大的表達波動[13-14]。在不同的物種中，管家基因的穩(wěn)定性必須經(jīng)過嚴格的驗證才能作為內(nèi)參基因進行使用[15]。

隨著測序技術(shù)的飛速發(fā)展，高通量RNA 測序（RNA-seq）已成為非模式物種基因挖掘及功能分析的有力工具。目前，第二代測序（NGS）和單分子實時測序（SMRT）是RNA-seq 最常用的測序技術(shù)。2 種RNA-seq 技術(shù)被廣泛應(yīng)用于植物的轉(zhuǎn)錄組文庫構(gòu)建及差異表達基因識別[4， 16]。通過高通量數(shù)據(jù)分析，那些在各種組織類型或條件下表現(xiàn)穩(wěn)定表達水平的基因，可能是潛在的優(yōu)良內(nèi)參基因[9， 17]。

基于前期的華石斛轉(zhuǎn)錄組數(shù)據(jù)[4]，本研究通過表達矩陣的歸一化處理的TPM（transcripts perkilobase of exon model per million mapped reads）算法，計算華石斛文庫各個基因的數(shù)字表達水平，從中篩選基因表達水平較穩(wěn)定的潛在候選基因。

通過基因GO 聚類分析，從不同的功能聚類中分別候選內(nèi)參基因。同時，設(shè)計所篩選內(nèi)參基因的跨內(nèi)含子引物，利用凝膠成像技術(shù)篩選符合條件的內(nèi)參引物。根據(jù)RT-qPCR 數(shù)據(jù)，利用ΔCt、BestKeeper、NormFinder 和geNorm 四種不同算法軟件，評估候選內(nèi)參基因表達的穩(wěn)定性并從中確定最佳內(nèi)參基因。本研究旨在確定華石斛的最佳內(nèi)參基因，為進一步研究基因表達和功能奠定基礎(chǔ)。

1 材料與方法

1.1 材料

野生華石斛采自海南省昌江霸王嶺國家級自然保護區(qū)。華石斛在25 ℃、相對濕度≥95%的光照培養(yǎng)箱中培養(yǎng)60 d。依據(jù)之前的干旱脅迫方法處理植物材料[4]，隨后收集華石斛根，假鱗莖和葉組織，經(jīng)液氮速凍并–80 ℃保存。

1.2 方法

1.2.1 轉(zhuǎn)錄數(shù)據(jù)和表達分析 從NCBI Short ReadArchive 數(shù)據(jù)庫中下載轉(zhuǎn)錄組數(shù)據(jù)，華石斛葉片轉(zhuǎn)錄組SRR15112264、SRR15112265、SRR15112266，假鱗莖轉(zhuǎn)錄組SRR15112267、SRR15112268、SRR15112269，根轉(zhuǎn)錄組SRR15112270、SRR1511

2271、SRR15112272。另外SRR14306704、SRR14306705 和SRR14306706 是極度干旱脅迫的華石斛轉(zhuǎn)錄組數(shù)據(jù)（DSC，相對濕度<5%），SRR14306707、SRR14306708 和SRR14306709 為一般干旱脅迫的華石斛轉(zhuǎn)錄組數(shù)據(jù)（DSB，45%≤相對濕度≤ 50% ） SRR14306710 ， SRR14306711 和SRR14306712 代表未經(jīng)干旱脅迫的華石斛轉(zhuǎn)錄組數(shù)據(jù)（DSA，相對濕度≥95%）。根據(jù)全長轉(zhuǎn)錄組文庫[4]，用TBtools 軟件通過TPM 算法計算基因表達量[18]。

1.2.2 基因篩選與基因聚類 根據(jù)RNA-seq 數(shù)據(jù)的TPM 結(jié)果，如果滿足變異系數(shù)（CV）≤0.2，TPM 水平在10～300 之間，那么就被當作候選基因。為了避免基因共表達可能會影響內(nèi)參穩(wěn)定性分析結(jié)果，使用Blast2GO 軟件對篩選出的候選內(nèi)參基因進行GO 功能聚類分析[19]。

1.2.3 引物設(shè)計 華石斛基因組DNA（gDNA）的提取采用植物基因組DNA 提取試劑盒（天根，北京，中國）?？俁NA 的提取采用RNA 純化試劑盒（天根，北京，中國）。Micro-Drop（BIO-DL，上海，中國）檢測RNA 純度和濃度。用反轉(zhuǎn)錄試劑盒（Monad，蘇州，中國）進行RNA 反轉(zhuǎn)錄，RNA 用量2 μg。根據(jù)與華石斛同源的鐵皮石斛基因組信息（ GenBank 登錄代碼： GCA_001605985.2），利用Primer Quest? Tool 在不同外顯子中設(shè)計RT- qPCR 引物。gDNA 和cDNA 的PCR 產(chǎn)物用1.5%瓊脂糖凝膠電泳驗證。

1.2.4 RT-qPCR 以1∶5 稀釋的cDNA作為模板進行RT-qPCR 分析。RT-qPCR 結(jié)果使用Light-Cycler 96（Roche， Penzberg， Germany）進行分析。

根據(jù)MonAmpTM SYBR?Green qPCR Mix（Monad，廣州， 中國）制備20 μL RT-qPCR 反應(yīng)體系。

RT-qPCR 擴增從初始步驟95 ℃ 30 s 開始，然后95 ℃變性5 s，55 ℃退火10 s，72 ℃延伸30 s，循環(huán)40 次。為了確保擴增的特異性，使用Light-Cycler 96 進行熔解曲線分析。RCD1（Radicalinducedcell death 1）是一種參與多種非生物脅迫反應(yīng)的應(yīng)激反應(yīng)基因[20]。葉綠素合成酶（CHLG）參與葉綠素a 合成的最后步驟之一[21]。本研究利用這2 個基因?qū)λx內(nèi)參基因的可靠性進行驗證。

1.2.5 基因表達穩(wěn)定性分析 根據(jù)E=10slope 公式計算不同內(nèi)參引物的擴增效率[22]。為了評估內(nèi)參基因的穩(wěn)定性，使用RefFinder（http：//blooge.cn/RefFinder/）篩選最佳內(nèi)參基因[23]。這個網(wǎng)站收集了目前主要算法（ geNorm[8] 、Normfinder[24] 、BestKeeper[25]和比較ΔCt 方法[26]）來對測試的候選內(nèi)參基因進行穩(wěn)定性比較和排序。

2 結(jié)果與分析

2.1 基于華石斛轉(zhuǎn)錄組數(shù)據(jù)篩選候選內(nèi)參基因

根據(jù)之前的華石斛轉(zhuǎn)錄組數(shù)據(jù)，利用TPM 計算基因表達。最終，共鑒定出164 個符合變異系數(shù)（CV≤0.2）和中等表達（TPM 在10～300 之間）的候選基因。GO 聚類分析顯示，這些候選基因歸屬于36 個GO 類別（圖1）。為了避免基因共表達對內(nèi)參基因穩(wěn)定性分析的影響，因此從不同GO 聚類分支中分別挑選候選基因，共篩選出24個候選內(nèi)參基因（表1）。例如，RHN1 參與囊泡運輸，ADF11 參與肌動蛋白絲結(jié)合，MGE2 參與ATP 依賴的蛋白易位，SGS3 參與轉(zhuǎn)錄后基因調(diào)控，RNG1L 參與蛋白泛素化。

2.2 內(nèi)參基因引物設(shè)計

根據(jù)鐵皮石斛的基因組數(shù)據(jù)，對24 個候選基因進行同源性鑒定，提取基因的內(nèi)含子/外顯子結(jié)構(gòu)，設(shè)計的RT-qPCR 引物至少跨越一個內(nèi)含子（表1）。為驗證RT-qPCR 引物是否跨內(nèi)含子，分別以cDNA 和gDNA 為模板進行PCR。cDNA 模板中RNG1、MGE2、RPS7A、IPUT1、TFIIA1、TF2H2、OOPDA、ANM1、SLX1 基因的擴增片段與gDNA模板相似（圖2A），說明擴增產(chǎn)物之間不存在內(nèi)含子，這些候選基因可能會在RT-qPCR 擴增過程中產(chǎn)生假陽性。ADF11 和PECT 的擴增產(chǎn)物在cDNA 模板中達到了預(yù)期的大小，而在gDNA 模板中未觀察到擴增條帶（圖2A）。這說明在gDNA模板中，ADF11 和PECT 的內(nèi)含子過長，無法完成PCR 擴增，因此可以當作候選基因。此外，SGS3、RNG1L、ACBP2、RPAC1、IBR5、CLP1、VDAC1、SR542、UBP25、MED17、PRP19、CPY71、SEC23 以gDNA 為模板的擴增條帶較cDNA 模板中擴增條帶長（圖2A）。這說明在正向引物和反向引物的擴增區(qū)域中至少包含一個內(nèi)含子。綜上所述一共鑒定出15 個候選內(nèi)參基因擴增引物具有跨內(nèi)含子結(jié)構(gòu)。RT-qPCR 擴增后，這15 個內(nèi)參基因進行了熔解曲線分析，均呈現(xiàn)單峰（圖2B），表明引物特異擴增。因此，選擇這15 個基因進行進一步的穩(wěn)定性分析。

2.3 表達穩(wěn)定性分析

根據(jù)15 個候選基因的RT-qPCR 數(shù)據(jù)，采用4種工具對其表達穩(wěn)定性進行評估。基因穩(wěn)定性分析結(jié)果用熱圖呈現(xiàn)（圖3），穩(wěn)定值越低，顏色越紅，說明該基因表達越穩(wěn)定。在干旱脅迫下，通過比較ΔCt 法、BestKeeper、Normfinder 和geNorm 分析分別確定CLP1 & SEC23、SEC23 &CPY71、CLP1 & SEC23 和RNG1L & PECT 為最佳內(nèi)參基因，綜合排序后選取SEC23 和CLP1 作為干旱脅迫下最穩(wěn)定內(nèi)參基因。在華石斛不同組織中，4 種算法分別確定了ADF11 & IBR5、PRP19& CLP1、ADF11 & CLP1、ACBP2 & IBR5 為最佳內(nèi)參基因，綜合分析后確定ADF11 和ACBP2 為不同組織中最穩(wěn)定內(nèi)參基因。結(jié)合上述干旱脅迫和不同組織分析數(shù)據(jù)，最終確定IBR5 和CPY71為綜合條件下較穩(wěn)定的內(nèi)參基因。

2.4 內(nèi)參基因驗證

為驗證本研究篩選出內(nèi)參基因的準確性，以最常見的管家基因Actin 作為內(nèi)參基因。分別驗證了CHLG 在不同組織和RCD1 在干旱脅迫下的表達水平（圖4）。與預(yù)期的一樣，不同內(nèi)參基因歸一化后CHLG 和RCD1 的表達量與轉(zhuǎn)錄組測序結(jié)果呈現(xiàn)出相似的模式，但存在一些細微的差異。

例如，在不同組織分析中，以Actin 作為內(nèi)參基因時，CHLG 在根和假鱗莖中的表達量沒有顯著差異，而以ADF11 和ACBP2 作為內(nèi)參基因時，CHLG在假鱗莖中的表達量顯著上調(diào)。后者與轉(zhuǎn)錄組數(shù)據(jù)結(jié)果更為一致，這說明本研究篩選出的內(nèi)參基因可以提供更準確的定量結(jié)果。

3 討論

華石斛是海南島特有的熱帶蘭科植物，具有很高的觀賞和藥用價值[1]。該植物附生于海拔1000 m 的山地疏林中樹干上，干旱脅迫是其生存中的最主要危害。研究表明華石斛具有豐富的活性藥物成分，其生物合成機理已成為研究熱點[1-2， 5-6]。

然而，華石斛的穩(wěn)定內(nèi)參基因尚未鑒定出來，這限制了相關(guān)基因的表達和功能研究。因此，為了推進華石斛基因功能、調(diào)控機制、遺傳機理等研究，穩(wěn)定的內(nèi)參基因鑒定至關(guān)重要。

高通量測序技術(shù)的快速發(fā)展使得非模式物種的基因資源挖掘和表達研究成為可能[4， 9]。此前的華石斛轉(zhuǎn)錄組測序為本研究提供了大量的基因數(shù)據(jù)[4]。將clean reads 映射到基因文庫，通過TPM對基因表達水平進行初步篩選。研究表明內(nèi)參基因的表達水平過低或過高都會影響表達校準結(jié)果[13]，

本研究共鑒定出164 個低變異系數(shù)（CV≤0.2）和中等表達（TPM 在10～300 之間）的候選內(nèi)參基因。此外，如果不同內(nèi)參基因同屬一個功能類群，那么很可能這些基因存在共表達現(xiàn)象[27]。為避免共表達對內(nèi)參基因穩(wěn)定性分析的潛在影響，候選基因從不同功能簇中挑選，包括一些常規(guī)內(nèi)參基因（如ADF11、PRS7A、CPY71 和UBP25）和不常見基因（如SGS3、IPUT1、VDAC1 和MED17）。

雖然在提取RNA 的過程中，樣品經(jīng)過DNAase處理，去除gDNA 污染，但并不清楚樣品中是否存在殘留的gDNA。為避免殘留gDNA對RT-qPCR分析的影響，本研究按照前人的方法設(shè)計了跨越內(nèi)含子的RT-qPCR 引物[27]。根據(jù)凝膠電泳結(jié)果顯示，9 個候選基因（RNG1、MGE2、RPS7A、IPUT1、TFIIA1、TF2H2、OOPDA、ANM1、SLX1）的擴增引物不符合要求，在后續(xù)分析中被剔除。熔解曲線分析表明，剩余的15 個候選基因引物進行特異擴增，可用于穩(wěn)定性分析。

為了評估這些候選內(nèi)參基因的表達穩(wěn)定性，本研究使用了4 種主流算法，包括geNorm[8]、Normfinder[24]、BestKeeper[25]和比較ΔCt 方法[26]。

穩(wěn)定值最低的候選基因被認為具有最高的穩(wěn)定性。在geNorm 分析中，所有內(nèi)參基因的穩(wěn)定性值均低于閾值1.5[8]，說明本研究產(chǎn)生的內(nèi)參基因的穩(wěn)定性極高。這一結(jié)果可能是由于本研究基于轉(zhuǎn)錄組數(shù)據(jù)對內(nèi)參基因進行了初步篩選，已將不穩(wěn)定的基因剔除，與前人對蘋果內(nèi)參基因研究一致[9]。內(nèi)參基因驗證表明，與傳統(tǒng)的Actin 內(nèi)參相比，本研究篩選出的內(nèi)參基因可獲得更為精確的RT-qPCR 校準結(jié)果，表明所產(chǎn)生的內(nèi)參基因具有極高的穩(wěn)定性。

4 結(jié)論

基于華石斛前期的轉(zhuǎn)錄組數(shù)據(jù)，通過廣泛的篩選獲得理想的RT-qPCR 內(nèi)參基因。本研究將164 個低變異系數(shù)及中等表達的候選基因劃分為36 個GO 分類，從中篩選了24 個候選基因。以cDNA 和gDNA 為模板，篩選出了15 個跨越內(nèi)含子的候選基因引物。綜合多種算法分別選取了SEC23 與CLP1、ADF11 與ACBP2、IBR5 與CPY71分別為干旱脅迫、不同組織和綜合情況下最穩(wěn)定的內(nèi)參基因。本研究首次在華石斛全基因組范圍內(nèi)鑒定了穩(wěn)定內(nèi)參基因，為進一步研究基因表達和功能奠定了基礎(chǔ)。

參考文獻

[1] 蔡彩虹， 譚彩銀， 陳惠琴， 王昊， 梅文莉， 宋希強， 戴好富.華石斛化學成分研究（Ⅱ）[J]. 廣西植物， 2020， 40（9）： 1368-1374.

[2] CHEN X J， MEI W L， CAI C H， GUO Z K， SONG X Q， DAI H F. Four new bibenzyl derivatives from Dendrobium sinense[J]. Phytochemistry Letters， 2014， 9： 107-112.

[3] CHEN X J， MEI W L， ZUO W J， ZENG Y B， GUO Z K， SONG X Q， DAI H F. A new antibacterial phenanthrenequinone from Dendrobium sinense[J]. Journal of Asian Natural Products Research， 2013， 15（1）： 67-70.

[4] ZHANG C， CHEN J， HUANG W， SONG X， NIU J. Transcriptomics and metabolomics reveal purine and phenylpropanoid metabolism response to drought stress in Dendrobium sinense， an endemic orchid species in Hainan Island[J]. Front Genet， 2021， 12： 1039.

[5] 譚彩銀， 梅文莉， 趙友興， 黃圣卓， 孔凡棟， 楊寧寧， 宋希強， 戴好富. 華石斛化學成分研究[J]. 熱帶亞熱帶植物學報， 2017， 25（2）： 189-194.

[6] HE L， SU Q， BAI L， LI M， LIU J， LIU X， ZHANG C，JIANG Z， HE J， SHI J. Recent research progress on natural small molecule bibenzyls and its derivatives in Dendrobium species[J]. European Journal of Medicinal Chemistry， 2020，204： 112530.

[7] VANGUILDER H D， VRANA K E， FREEMAN W M.Twenty-five years of quantitative PCR for gene expression analysis[J]. Biotechniques， 2008， 44（5）： 619-626.

[8] VANDESOMPELE J， DE PRETER K， PATTYN F， POPPE B， VAN ROY N， DE PAEPE A， SPELEMAN F. Accurate normalization of real-time quantitative RT-PCR data by geometric averaging of multiple internal control genes[J].Genome Biology， 2002， 3（7）： 1-12.

[9] ZHOU Z， CONG P， TIAN Y， ZHU Y. Using RNA-seq data to select reference genes for normalizing gene expression in apple roots[J]. PLoS One， 2017， 12（9）： e0185288.

[10] DERVEAUX S， VANDESOMPELE J， HELLEMANS J.How to do successful gene expression analysis using real-time PCR[J]. Methods， 2010， 50（4）： 227-230.

[11] DHEDA K， HUGGETT J F， BUSTIN S A， JOHNSON M A，ROOK G， ZUMLA A. Validation of housekeeping genes for normalizing RNA expression in real-time PCR[J]. Biotechniques，2004， 37（1）： 112-119.

[12] CHEN C M， LU Y L， SIO C P， WU G C， TZOU W S， PAI T W. Gene ontology based housekeeping gene selection for RNA-seq normalization[J]. Methods， 2014， 67（3）： 354-363.

[13] THELLIN O， ZORZI W， LAKAYE B， DE BORMAN B，COUMANS B， HENNEN G， GRISAR T， IGOUT A， HEINEN E. Housekeeping genes as internal standards： use and limits[J]. Journal of Biotechnology， 1999， 75（2/3）： 291-295.

[14] SUZUKI T， HIGGINS P J， CRAWFORD D R. Control selection for RNA quantitation[J]. Biotechniques， 2000， 29（2）：332-337.

[15] LI F， CHENG Y， MA L， LI S， WANG J. Identification of reference genes provides functional insights into meiotic recombination suppressors in Gerbera hybrida[J]. Horticultural Plant Journal， 2022， 8（1）： 123-132.

[16] YE J， CHENG S， ZHOU X， CHEN Z， KIM S U， TAN J，ZHENG J， XU F， ZHANG W， LIAO Y. A global survey of full-length transcriptome of Ginkgo biloba reveals transcript variants involved in flavonoid biosynthesis[J]. Industrial Crops and Products， 2019， 139： 111547.

[17] CZECHOWSKI T， STITT M， ALTMANN T， UDVARDI M K， SCHEIBLE W R. Genome-wide identification and testing of superior reference genes for transcript normalization in Arabidopsis[J]. Plant Physiol， 2005， 139（1）： 5-17.

[18] CHEN C， CHEN H， ZHANG Y， THOMAS H R， FRANK M H， HE Y， XIA R. TBtools： an integrative toolkit developed for interactive analyses of big biological data[J]. Molecular Plant， 2020， 13（8）： 1194-1202.

[19] G?TZ S， GARCíAGóMEZ J M， TEROL J， WILLIAMS T D， NAGARAJ S H， NUEDA M J， ROBLES M， TALóN M， DOPAZO J， CONESA A. High-throughput functional annotation and data mining with the Blast2GO suite[J]. Nucleic Acids Research， 2008， 36（10）： 3420-3435.

[20] FUJIBE T， SAJI H， WATAHIKI M K， YAMAMOTO K T.Overexpression of the RADICAL-INDUCED CELL DEAT H1 （RCD1） gene of Arabidopsis causes weak rcd1 phenotype with compromised oxidative-stress responses[J]. Bioscience Biotechnology and Biochemistry， 2006， 70（8）： 1827-1831.

[21] SCHMID H C， OSTER U， K?GEL J， LENZ S， RüDIGER W. Cloning and characterisation of chlorophyll synthase from Avena sativa[J]. Biological Chemistry， 2001， 382： 903-911.

[22] RAMAKERS C， RUIJTER J M， DEPREZ R H L， MOORMAN A F. Assumption-free analysis of quantitative real-time polymerase chain reaction （PCR） data[J]. Neuroscience Letters， 2003， 339（1）： 62-66.

[23] XIE F， XIAO P， CHEN D， XU L， ZHANG B. miRDeep-Finder： a miRNA analysis tool for deep sequencing of plant small RNAs[J]. Plant Molecular Biology， 2012， 80（1）： 75-84.

[24] ANDERSEN C L， JENSEN J L， ?RNTOFT T F. Normalization of real-time quantitative reverse transcription-PCR data： a model-based variance estimation approach to identify genes suited for normalization， applied to bladder and colon cancer data sets[J]. Cancer Research， 2004， 64（15）： 5245-5250.

[25] ZHANG K， FAN W， CHEN D， JIANG L， LI Y， YAO Z，YANG Y， QIU D. Selection and validation of reference genes for quantitative gene expression normalization in Taxus spp[J]. Scientific Reports， 2020， 10（1）： 1-10.

[26] HOJA-?UKOWICZ D， MACI??EK D， KO?CIELNIAK P，JANIK M E. Innovative GenExpA software for selecting suitable reference genes for reliable normalization of gene expression in melanoma[J]. Scientific Reports， 2022， 12（1）： 3331.

[27] NIU J， ZHU B， CAI J， LI P， WANG L， DAI H， QIU L， YU H， HA D， ZHAO H. Selection of reference genes for gene expression studies in Siberian Apricot （Prunus sibirica L.） germplasm using Quantitative Real-Time PCR[J]. PLoS One，2014， 9（8）： e103900.