دانشگاه علوم کشاورزی و منابع طبیعی گرگان

 آمار

تعداد نشریات13
تعداد شماره‌ها636
تعداد مقالات6,653
تعداد مشاهده مقاله9,072,970
تعداد دریافت فایل اصل مقاله8,557,000
اسکندری نسب, سعیده, بحرینی بهزادی, محمدرضا, رودباری, زهرا. (1400). شناسایی مسیرهای سیگنال‌دهی مؤثر در تولید شیر گاو با استفاده از داده‌های ریزRNA. , 9(1), 1-16. doi: 10.22069/ejrr.2021.17106.1711
سعیده اسکندری نسب; محمدرضا بحرینی بهزادی; زهرا رودباری. "شناسایی مسیرهای سیگنال‌دهی مؤثر در تولید شیر گاو با استفاده از داده‌های ریزRNA". , 9, 1, 1400, 1-16. doi: 10.22069/ejrr.2021.17106.1711
اسکندری نسب, سعیده, بحرینی بهزادی, محمدرضا, رودباری, زهرا. (1400). 'شناسایی مسیرهای سیگنال‌دهی مؤثر در تولید شیر گاو با استفاده از داده‌های ریزRNA', , 9(1), pp. 1-16. doi: 10.22069/ejrr.2021.17106.1711
اسکندری نسب, سعیده, بحرینی بهزادی, محمدرضا, رودباری, زهرا. شناسایی مسیرهای سیگنال‌دهی مؤثر در تولید شیر گاو با استفاده از داده‌های ریزRNA. , 1400; 9(1): 1-16. doi: 10.22069/ejrr.2021.17106.1711

شناسایی مسیرهای سیگنال‌دهی مؤثر در تولید شیر گاو با استفاده از داده‌های ریزRNA

نشریه پژوهش‌ در نشخوار کنندگان
دوره 9، شماره 1، خرداد 1400، صفحه 1-16    اصل مقاله (1.35 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22069/ejrr.2021.17106.1711
نویسندگان
سعیده اسکندری نسب1؛ محمدرضا بحرینی بهزادی* 2؛ زهرا رودباری3
1دانشجوی کارشناسی ارشد ، گروه علوم دامی، دانشکده کشاورزی، دانشگاه یاسوج
2دانشیار ، گروه علوم دامی، دانشکده کشاورزی، دانشگاه یاسوج، یاسوج، ایران
3استادیار ، گروه علوم دامی، دانشکده کشاورزی، دانشگاه جیرفت
چکیده
سابقه و هدف: اطلاعات حاصل از RNAها به علت اینکه حلقه ارتباط دهنده ژنوتیپ و فنوتیپ هستند، کمک شایانی در فهم و درک جنبه‌های زیست‌شناختی مرتبط با مسیرهای فیزیولوژیکی می‌کنند. ریزRNAها، مولکول‌های 22 نوکلئوتیدی و تک رشته‌ای هستند که می-توانند به صورت اختصاصی بر عملکرد و بیان ژن‌ها تأثیر بگذارند. از این رو پژوهش‌های فراوانی در مورد نقش این مولکول‌ها در فرآیندهای زیستی مختلف مانند تولید شیر انجام شده است. صفت تولید شیر یکی از مهمترین صفات در صنعت دامپروری است. این صفت در حیوانات مزرعه به صورت چند‌ژنی می‌باشد و هر ژن ممکن است در مسیرهای زیستی مختلف دخیل باشد و در مقابل هر مسیر زیستی نیز می‌تواند شامل تعداد زیادی ژن شود. این روابط شبکه پیچیده‌ای را تشکیل می‌دهند که نشان دهنده ارتباط تعداد زیادی ژن با تعداد زیادی مسیر زیستی است. مولکول‌های سیگنالی که می‌توانند به عنوان مورفوژن عمل نمایند، الگوی شبکه ژنی ساختمان بافت را در تمام طول عمر از مرحله رویان در حال رشد تا ارگانیزم بالغ کنترل می‌نمایند. مورفوژن‌ها بستگی به میزان ترشح و فاصله منبع ترشح، می‌توانند واکنش‌های مختلف سلولی را ایجاد نمایند. از این رو هدف پژوهش حاضر بررسی مستندسازی عملکردی ژن‌های هدف ریزRNAهای با بیان متفاوت جهت شناسایی تعدادی از مسیرهای زیستی دخیل در فرآیند تولید شیر است.
مواد و روش‌ها: به منظور شناسایی و بررسی مسیرهای زیستی دخیل در تولید شیر از داده‌های توالی‌یابی شده ریزRNA استفاده شد که از پایگاه داده ArrayExpress با شماره دسترسی E-GEOD-61227 استخراج شدند. در مطالعه حاضر همه مراحل استانداردسازی داده‌ها، تفاوت بیان ریزRNAها و تعیین معنی‌داری توسط نرم‌افزار GEO2R انجام شد. معیارهای انتخاب ریزRNAها در این مطالعه شامل p value تصحیح شده کمتر از 05/0 و (1>Log fc>1-) بودند. در مرحله بعد بررسی‌های بیوانفورماتیکی جهت یافتن ژن هدف هر ریزRNA انجام شد. بدین منظور ریزRNAهای با بیان متفاوت حاصل از تجزیه و تحلیل در مرحله قبل، جهت پیدا کردن ژن‌های هدف به نرم‌افزار Target Scan معرفی شدند. پس از شناسایی و مشخص شدن ژن‌های هدف ریزRNA جهت بررسی اطلاعات زیستی و آنالیز عملکردی از سرور DAVID استفاده شد.
یافته‌ها: نتایج این پژوهش نشان داد که 23 ریزRNA با بیان متفاوت وجود دارد که ژن‌های زیادی را تحت تأثیر قرار می‌دهند و این ژن‌ها در مسیرهای سیگنال‌دهی TGF-β، WNT، MAPK، mTOR، PI3k-Akt، انسولین، استروژن و پرولاکتین نقش دارند که بیشتر این مسیرهای سیگنال‌دهی در رشد و تکثیر سلولی، فعالیت سلول‌های اپیتلیال و در نتیجه توسعه غدد پستان تاثیرگذار هستند. از آنجایی که این مسیرهای شناسایی شده با تولید شیر ارتباط دارند می‌توان از ژن‌های شناسایی شده در این مسیرهای سیگنال‌دهی در بهبود صفت تولید شیر استفاده کرد.
نتیجه‌گیری: ژن‌های MAPK1، MAPK8، FASLG و PTEN در اکثر مسیرهای زیستی فعال و با ژن‌های مختلفی در ارتباط هستند، بر این اساس این ژن‌ها جزء ژن‌های عمده اثر در فرآیند تولید شیر به شمار می‌روند.
کلیدواژه‌ها
بیوانفورماتیک؛ ژن‌ هدف؛ غده پستان؛ مسیر زیستی
مراجع
  1. Alipanah, M., Roudbari, Z., Javadmenesh, A., Sataei Mokhtari, M., Seydabadi, H.R. and Gharari, F. 2017. Identification of biological pathways involved in body growth of cattle using gene expression profiles. Animal Science Journal (Pajouhesh and Sazandegi). 31(119): 59-70. (In Persian).
  2. Amini Shal, S.H., Yazdani, A.R., Chizari, A.H., Alaei Borujeni, P. and Rafiei, H. 2013. Investigate the effect of management factors on production and profitability of industrial dairy cattle breeding farms: the case study of southern Tehran province. Iranian Journal of Agricultural Economics and Development Research. 44(1): 67-76. (In Persian).
  3. Bao, Z., Lin, J., Ye, L., Zhang, Q., Chen, J., Yang, Q. and Yu, Q. 2016. Modulation of mammary gland development and milk production by growth hormone expression in GH transgenic goats. Frontiers in Physiology. 7: 74-79.
  4. Booth, A.K. and Gutierrez-Hartmann, A. 2015. Signaling pathways regulating pituitary lactotrope homeostasis and tumorigenesis. In Recent Advances in prolactin Research. Springer, Cham. 37-59.
  5. Dejmek, J., Dib, K., Jonsson, M. and Andersson, T. 2003. Wnt-5a and G-protein signaling are required for collagen-induced DDR1 receptor activation and normal mammary cell adhesion. International Journal of Cancer. 103(3): 344-351.
  6. Dennis, G., Sherman, B.T., Hosack, D.A., Yang, J., Gao, W., Lane, H.C. and Lempicki, R.A. 2003. DAVID: database for annotation, visualization, and integrated discovery. Genome Biology. 4(9): 1-11.
  7. Farhangfar, H. and Behdani, E. 2018. Identification of the major miRNAs, target genes and signaling pathways associated with milk production using miRNA-Seq. Journal of Ruminant Research. 5(4): 73-86. (In Persian).
  8. Farlow, D.W., Xu, X. and Veenstra, T.D. 2009. Quantitative measurement of endogenous estrogen metabolites, risk-factors for development of breast cancer, in commercial milk products by LC-MS/MS. Journal of Chromatography B. 877(13): 1327-1334.
  9. Fata, J.E., Kong, Y.Y., li, J., Sasaki, T., Irie-Saski, J., Moorehead, R.A., Elliott, R., Scully, S., Voura, E.B. and Lacey, D.L. 2000. The osteoclast differentiation factor osteoprotegerin-ligand is essential for mammary gland development. Cell. 103(1): 41-50.
  10. Ghasemi, N., Zadehrahmani, M., Rahimi, GH. and Hafezian, S.H. 2009. Association between prolactin gene polymorphism and milk production in montebeliard cows. International Journal of Genetics and Molecular Biology. 1(3): 048-051.
  11. Ghorbani, Sh., Tahmoorespur, M., Masoudi-nejad, A., Nasiri, M.R., Asgari, Y. and Motamedian, E. 2016. Reconstruction and topology analysis of metabolism network involved in Bos Taurus milk production. Animal Science Journal (Pajouhesh and Sazandegi). 29(110): 167-180. (In Persian).
  12. Huang, T.H., Fan, B., Rothschild, M.F., Hu, Z.L., Li, K. and Zhao, S.H. 2007. MiRFinder: an improved approach and software implementation for genome-wide fast microRNA precursor scans. BMC bioinformatics. 8(1): 341-350.
  13. Jiang, N., Wang, Y., Yu, Z., Hu, L., Liu, C., Gao, X. and Zheng, S. 2015. WISP3 (CCN6) regulates milk protein synthesis and cell growth through mTOR signaling in dairy cow mammary epithelial cells. DNA and Cell Biology. 34(8): 524-533.
  14. Karjalainen, J., Martin, J.M., Knip, M., Ilonen, J., Robinson, B.H., Savilahti, E., Akerblom H.K. and Dosch, H.M. 1992. A bovine albumin peptide as a possible trigger of insulin-dependent diabetes mellitus. New England Journal of Medicine. 327(5): 302-307.
  15. Kikuchi, A., Kishida, S. and Yamamoto, H. 2006. Regulation of Wnt signaling by protein-protein interaction and post-translational modifications. Experimental and Molecular Medicine. 38(1): 1-10.
  16. Lan, X.Y., Pan, C.Y., Chen, H., Lei, C.Z., Zhang, H.Y. and Ni, Y.S. 2009. Novel SNP of the goat prolactin gene (PRL) associated with cashmere traits. Journal of Applied Genetics. 50(1): 51-54.
  17. Lu, Y.C., Chen, Y.J., Wang, H.M., Tsai, C.Y., Chen, W.H., Huang, Y.C., Fan, K.H., Tsai, C.N., Huang, S.F., Kang, C.J., Chang, J.T.C. and Cheng, A.J. 2012. Oncogenic function and early detection potential of miRNA-10b in oral cancer as identified by microRNA profiling. Cancer Prevention Research. 5(4): 665-674.
  18. Melnik, B.C., John, S.M., Carrera-Bastos, P. and Cordain, L. 2012. The impact of Cow’s milk-mediated mTORC1-signaling in the initiation and progression of prostate cancer. Nutrition and Metabolism. 9(1): 1-24.
  19. Moshel, Y., Rhoads, R.E. and Barash, I. 2006. Role of amino acids in translational mechanisms governing milk protein synthesis in murine and ruminant mammary epithelial cells. Journal of Cellular Biochemistry. 98(3): 98: 685-700.
  20. Mumtaz, Kh.I. 2002. Method of food preservation and Sterilization: Commercial Method of food preservation. Bawarchi: health and nutrition. Copyright Satyan Infoway Ltd.
  21. Musters, S., Coughlan, K., McFadden, T., Maple, R., Mulvey, T. and Plaut, K. 2004. Exogenous TGF-β1 promotes stromal development in the heifer mammary gland. Journal of Dairy Science. 87(4): 896-904.
  22. Noppe, H., Le Bizec, B., Verheyden, K. and De Brabander, H.F. 2008. Novel analytical methods for the determination of steroid hormones in edible matrices. Analytica Chimica Acta. 611(1): 1-16.
  23. Oliver, C.H. and Watson, C.J. 2013. Making milk: A new link between STAT5 and Akt1. Jak-Stat. 2(2): 2154-2168.
  24. Orford, M., Tzamaloukas, O., Papachristoforou, C. and Miltiadou, D. 2010. A simplified PCR- based assay for the characterization of two prolactin variants that affect milk traits in sheep breeds. Journal of Dairy Science. 93(12): 93: 5996-5999.
  25. Plath, A., Einspanier, R., Peters, F., Sinowarz, F. and Schams, D. 1997. Expression of transforming growth factors alpha and beta-1 messenger RNA in the bovine mammary gland during different stages of development and lactation. Journal of Endocrinology. 155(3): 501-511.
  26. Raven, L.A., Cocks, B.G., Goddard, M.E., Pryce, J.E. and Hayes, B.J. 2014. Genetic variants in mammary development, prolactin signaling and involution pathways explain considerable variation in bovine milk production and milk composition. Genetics Selection Evolution. 46(1): 29.
  27. Rodriguez Neira, J.D. Correa Londono, G.A. and Echeverri Zuluaga, J. J. 2013. Prediction models for total milk yield and fat percentage using partial samples. Revista Facultad Nacional de Agronomía Medellín. 66(1): 6909-6917.
  28. Smalley, M.J. and Dale, T.C. 1999. Wnt Signaling in mammalian Development and Cancer. Cancer and Metastasis Reviews. 18(2): 215-230.
  29. Stampfer, M.R., Yaswen, P., Alhadeff, M. and Hosoda, J. 1993. TGFβ induction of extracellular matrix associated proteins in normal and transformed human mammary epithelial cells in culture is independent of growth effects. Journal of Cellular Physiology, 155(1): 210-221.
  30. Tabass-Madrid, D., Muniategui, A., Sanchez-Caballero, I., Martinez-Herrera, D.J., Sorzano, C.O.S., Rubio, A. and Pascual-Montano, A. 2014. Improving miRNA-mRNA interaction predictions. BMC Genomics. 15(S10): 1-12.
  31. Warnefors, M., Liechti, A., Halbert, J., Valloton, D. and Kaessmann, H. 2014. Conserved microRNA editing in mammalian evolution, development and disease. Genome Biology. 15(6): 1-14.
  32. Wickramasinghs, S., Canovas, A., Rincon, G. and Medrano, J.F. 2014. RNA sequencing: a tool to explore new frontiers in animal genetics. Livestock Science. 166: 206-216.
آمار
تعداد مشاهده مقاله: 378
تعداد دریافت فایل اصل مقاله: 247


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب