دوره 16، شماره 4 - ( زمستان 1404 )
جلد 16 شماره 4 صفحات 28-18 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ghafouri-Kesbi F. (2025). A Study on the Protein-Protein Interaction Network Based on Gene Expression Changes in the Spleen Tissue of Broiler Chickens Infected with the Newcastle Virus Strain JS5-05. Res Anim Prod. 16(4), 18-28. doi:10.61882/rap.2025.1496
URL: http://rap.sanru.ac.ir/article-1-1496-fa.html
URL: http://rap.sanru.ac.ir/article-1-1496-fa.html
غفوری کسبی فرهاد.(1404). مطالعه شبکه برهمکنش پروتئین-پروتئین بر اساس تغییر بیان ژن ها در بافت طحال مرغان گوشتی آلوده به سویه JS5-05 از ویروس نیوکاسل پژوهشهاي توليدات دامي 16 (4) :28-18 10.61882/rap.2025.1496
گروه علوم دامی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
چکیده: (1044 مشاهده)
چکیده مبسوط
مقدمه و هدف: یکی از بیماری های مهم و قابل توجه در گله مرغ و خروس و یا ماکیان که تلفات بسیاری از آنها را در پی خواهد داشت، بیماری نیوکاسل است. بیماری بسیار خطرناک است و در صورت شیوع تا 90% تلفات در گله های تجاری مرغان گوشتی و تخم گذار برجای می گذارد. این بیماری بر اثر عفونت با سویه های بدخیم ویروس پارامیکسوویروس نیوکاسل ایجاد می شود و علاوه بر اینکه می تواند گله مرغ و خروس ها را درگیر کند، توانایی سرایت به سایر ماکیان مانند بوقلمون، اردک و غاز، بلدرچین، قرقاول، کبوتر و حتی پرنده های زینتی مانند طوطی سانان را دارد. خوشبختانه، این بیماری دارای واکسن است و اگر در زمان مقرر واکسن های لازم به گله تزریق شوند مانع از سرایت آن به گله خواهند شد. سویه ویروس JS5-05 یکی از ویروس های مرجع ایجادکننده نیوکاسل است که سایر سویه های ویروس از نظر شدت بیماری زایی و خصوصیات دیگر با این سویه مقایسه می شوند. گزارشات قبلی نشان میدهند که پاسخهای ایمنی به بیماری نیوکاسل منشاء ژنتیکی دارند. بنا بر این، قابل انتظار است که در زمان شیوع این بیماری بیان برخی ژنها افزایش و بیان برخی دیگر کاهش یابد. این ژنها احتمالاً شبکهای را تشکیل میدهند که در آن شبکه در تعامل با یکدیگر خواهند بود. در مطالعه حاضر، شبکه ژنی و تعامل پروتئین-پروتئین در بیماری نیوکاسل ناشی از ویروس JS5-05 بررسی گردید.
مواد و روش ها: داده های بیان ژن مربوط به سلول های طحال جوجه های گوشتی آلوده شده با ویروس JS5-05 (تیمار بیمار، 3 نمونه) و همچنین جوجه های گوشتی سالم (تیمار کنترل، سه نمونه) از سایت NCBI و پایگاه GEO Expression Omnibus با شماره دسترسی GSE40100 استخراج شدند. کنترل کیفیت و نرمال سازی داده ها و همچنین تشخیص ژن های با بیان متفاوت بین دو تیمار کنترل و بیمار در سطح احتمال < 0.05 p-value و آمارهLogFC (-2 < LogFC > +2) با استفاده از نرم افزار برخط GEO2R انجام شد. برای به دست آوردن شبکه ژنی از منبع STRING استفاده شد. الگوریتمNetwork Analyzer که یک برنامه بارگذاری شده در نرم افزار Cytoscape است، برای آنالیز شبکه به کار برده شد. برای شناسایی ژن های کلیدی در شبکه، از سه پارامتر درجه مرکزیت، مرکزیت بینابینی، و مرکزیت نزدیکی استفاده شد. این معیارهای توپولوژی شبکه با استفاده از افزونه CytoNCA محاسبه شدند و سپس با استفاده از افزونه Cytohubba، ده ژن کلیدی در شبکه (ژنهای هاب) بهصورت یک شبکه رسم گردید. در نهایت، جهت بررسی ارتباط ژنهای مرکزی شناساییشده در شبکه تعاملی با بیماری نیوکاسل و بررسی مسیرهای سیگنال دهی آنها، از نرم افزار برخط DAVID استفاده شد.
یافته ها: در مجموع، از 33815 ژن مطالعه شده، 4720 ژن بیان متفاوتی داشتند که از این تعداد، تفاوت بیان 414 ژن معنی دار بود ( p< 0.05 و -2 < LogFC > +2 ). این ژنها در یک شبکه تعاملی قرار داشتند که در آن هر ژن در تعامل با سایر ژن ها بود. 10 ژن با اهمیت بیشتر شامل IFIH1، MX1، RSAD2، IFIT5،.EIF2AK2 ، OASL، USP41، DHX58، CMPK2 و IFI6 هسته مرکزی شبکه را تشکیل می دادند که فرایندهای بیولوژیکی مختلفی شامل توقف رونویسی از ژنوم ویروس، تحریک تولید اینتفرون ها و ماکروفاژها و تحریک فعالیت برخی آنزیم ها را در هنگام بروز عفونت نیوکاسل منجر می شدند. مهمترین ژن در شبکه مرکزی، ژن IFIH1 بود. این ژن پروتئینی درون سلولی به نام MAD5 را کد می کند که یک حسگر درون سلولی برای RNA ویروسی است و از طریق تحریک تولید اینترفرون ها پاسخ ایمنی ذاتی را تحریک می نماید. نتایج حاصل از تجزیه و تحلیل مسیرهای سیگنال دهی نشان دادند که ژن های مشخص شده در این تحقیق نه تنها با عفونت ناشی از ویروس نیوکاسل درگیر بودند بلکه این ژن ها در مسیرهای دیگری نیز فعال بودند. عفونت ناشی از ویروس آنفلوانزا A و ویروس هِرپس و درضمن مسیرهای فعال در سیستم ایمنی از جمله این مسیرها بودند.
نتیجهگیری: تمامی ژن های موجود در هسته مرکزی شبکه ژنی دخیل در پاسخ به ویروس نیوکاسل با فرایندهای ایمنی و پاسخهای دفاعی به عفونت نیوکاسل در ارتباط بودند و از این رو، تغییر در میزان بیان آنها در زمان آلودگی با ویروس قابل انتظار بود. از آن جا که برای این ژن ها ژنوتیپ های مختلفی وجود دارند، پیشنهاد می شود که میزان مقاومت به بیماری نیوکاسل در گروه های مختلف ژنوتیپی برای هر ژن بررسی شود و پرندگانی که برای ژن های حاضر در شبکه مرکزی دارای ژنوتیپ برتر باشند را جهت افزایش مقاومت ژنتیکی به نیوکاسل انتخاب نمود.
مقدمه و هدف: یکی از بیماری های مهم و قابل توجه در گله مرغ و خروس و یا ماکیان که تلفات بسیاری از آنها را در پی خواهد داشت، بیماری نیوکاسل است. بیماری بسیار خطرناک است و در صورت شیوع تا 90% تلفات در گله های تجاری مرغان گوشتی و تخم گذار برجای می گذارد. این بیماری بر اثر عفونت با سویه های بدخیم ویروس پارامیکسوویروس نیوکاسل ایجاد می شود و علاوه بر اینکه می تواند گله مرغ و خروس ها را درگیر کند، توانایی سرایت به سایر ماکیان مانند بوقلمون، اردک و غاز، بلدرچین، قرقاول، کبوتر و حتی پرنده های زینتی مانند طوطی سانان را دارد. خوشبختانه، این بیماری دارای واکسن است و اگر در زمان مقرر واکسن های لازم به گله تزریق شوند مانع از سرایت آن به گله خواهند شد. سویه ویروس JS5-05 یکی از ویروس های مرجع ایجادکننده نیوکاسل است که سایر سویه های ویروس از نظر شدت بیماری زایی و خصوصیات دیگر با این سویه مقایسه می شوند. گزارشات قبلی نشان میدهند که پاسخهای ایمنی به بیماری نیوکاسل منشاء ژنتیکی دارند. بنا بر این، قابل انتظار است که در زمان شیوع این بیماری بیان برخی ژنها افزایش و بیان برخی دیگر کاهش یابد. این ژنها احتمالاً شبکهای را تشکیل میدهند که در آن شبکه در تعامل با یکدیگر خواهند بود. در مطالعه حاضر، شبکه ژنی و تعامل پروتئین-پروتئین در بیماری نیوکاسل ناشی از ویروس JS5-05 بررسی گردید.
مواد و روش ها: داده های بیان ژن مربوط به سلول های طحال جوجه های گوشتی آلوده شده با ویروس JS5-05 (تیمار بیمار، 3 نمونه) و همچنین جوجه های گوشتی سالم (تیمار کنترل، سه نمونه) از سایت NCBI و پایگاه GEO Expression Omnibus با شماره دسترسی GSE40100 استخراج شدند. کنترل کیفیت و نرمال سازی داده ها و همچنین تشخیص ژن های با بیان متفاوت بین دو تیمار کنترل و بیمار در سطح احتمال < 0.05 p-value و آمارهLogFC (-2 < LogFC > +2) با استفاده از نرم افزار برخط GEO2R انجام شد. برای به دست آوردن شبکه ژنی از منبع STRING استفاده شد. الگوریتمNetwork Analyzer که یک برنامه بارگذاری شده در نرم افزار Cytoscape است، برای آنالیز شبکه به کار برده شد. برای شناسایی ژن های کلیدی در شبکه، از سه پارامتر درجه مرکزیت، مرکزیت بینابینی، و مرکزیت نزدیکی استفاده شد. این معیارهای توپولوژی شبکه با استفاده از افزونه CytoNCA محاسبه شدند و سپس با استفاده از افزونه Cytohubba، ده ژن کلیدی در شبکه (ژنهای هاب) بهصورت یک شبکه رسم گردید. در نهایت، جهت بررسی ارتباط ژنهای مرکزی شناساییشده در شبکه تعاملی با بیماری نیوکاسل و بررسی مسیرهای سیگنال دهی آنها، از نرم افزار برخط DAVID استفاده شد.
یافته ها: در مجموع، از 33815 ژن مطالعه شده، 4720 ژن بیان متفاوتی داشتند که از این تعداد، تفاوت بیان 414 ژن معنی دار بود ( p< 0.05 و -2 < LogFC > +2 ). این ژنها در یک شبکه تعاملی قرار داشتند که در آن هر ژن در تعامل با سایر ژن ها بود. 10 ژن با اهمیت بیشتر شامل IFIH1، MX1، RSAD2، IFIT5،.EIF2AK2 ، OASL، USP41، DHX58، CMPK2 و IFI6 هسته مرکزی شبکه را تشکیل می دادند که فرایندهای بیولوژیکی مختلفی شامل توقف رونویسی از ژنوم ویروس، تحریک تولید اینتفرون ها و ماکروفاژها و تحریک فعالیت برخی آنزیم ها را در هنگام بروز عفونت نیوکاسل منجر می شدند. مهمترین ژن در شبکه مرکزی، ژن IFIH1 بود. این ژن پروتئینی درون سلولی به نام MAD5 را کد می کند که یک حسگر درون سلولی برای RNA ویروسی است و از طریق تحریک تولید اینترفرون ها پاسخ ایمنی ذاتی را تحریک می نماید. نتایج حاصل از تجزیه و تحلیل مسیرهای سیگنال دهی نشان دادند که ژن های مشخص شده در این تحقیق نه تنها با عفونت ناشی از ویروس نیوکاسل درگیر بودند بلکه این ژن ها در مسیرهای دیگری نیز فعال بودند. عفونت ناشی از ویروس آنفلوانزا A و ویروس هِرپس و درضمن مسیرهای فعال در سیستم ایمنی از جمله این مسیرها بودند.
نتیجهگیری: تمامی ژن های موجود در هسته مرکزی شبکه ژنی دخیل در پاسخ به ویروس نیوکاسل با فرایندهای ایمنی و پاسخهای دفاعی به عفونت نیوکاسل در ارتباط بودند و از این رو، تغییر در میزان بیان آنها در زمان آلودگی با ویروس قابل انتظار بود. از آن جا که برای این ژن ها ژنوتیپ های مختلفی وجود دارند، پیشنهاد می شود که میزان مقاومت به بیماری نیوکاسل در گروه های مختلف ژنوتیپی برای هر ژن بررسی شود و پرندگانی که برای ژن های حاضر در شبکه مرکزی دارای ژنوتیپ برتر باشند را جهت افزایش مقاومت ژنتیکی به نیوکاسل انتخاب نمود.
فهرست منابع
1. Alqazlan, N., Astill, J., Raj, S., & Sharif, S. (2022). Strategies for enhancing immunity against avian influenza virus in chickens: A review. Avian Pathology, 51, 211-235. [DOI:10.1080/03079457.2022.2054309]
2. Almeida-Da-Silva, C.L.C., Savio, L.E.B., Coutinho-Silva, R., Ojcius, D.M. (2023). The role of NOD-like receptors in innate immunity. Frontiers in Immunology, 14, 1122586. [DOI:10.3389/fimmu.2023.1122586]
3. Ashraf, A., & Shah, M. )2014(. Newcastle disease: present status and future challenges for developing countries. African Journal of Microbiology Research, 8, 411-416. [DOI:10.5897/AJMR2013.6540]
4. Aziz Ali-Abadi1, F., Darmani Kuhi, H., Mohammadi, M., & Nazaran, M.H. (2017). Main and interaction effects of dietary protein and nano adjuvant on performance, antibody titres against Newcastle disease and white blood cells counts of broiler chickens. Research on Animal Production, 8, 63-69. [DOI:10.29252/rap.8.16.63]
5. [In Persian]
6. Barrett, T., Suzek, T.O., Troup, D.B., Wilhite, S.E., Ngau, W.C., Ledoux, P., Rudnev, D., Lash, A.E., Fujibuchi, W., & Edgar, R. (2005). NCBI GEO: mining millions of expression profiles-database and tools. Nucleic Acids Research, 33, 562-566. [DOI:10.1093/nar/gki022]
7. Behboudi, E., & Hamidi Sofiani, V. (2021). Immune responses to Newcastle disease virus as a minor zoonotic viral agent. Journal of Zoonotic Diseases, 5, 12-23.
8. Bumgarner, R. (2013). Overview of DNA microarrays: types, applications, and their future. Current Protocols in Molecular Biology, 101, 22. [DOI:10.1002/0471142727.mb2201s101]
9. Del Vesco, A.P., Jang, H.J., Monson, M.S., & Lamont, S.J. (2021). Role of the chicken oligoadenylate synthase-like gene during in vitro Newcastle disease virus infection. Poultry Science, 100, 101067. [DOI:10.1016/j.psj.2021.101067]
10. Diaz-Beneitez, E., Cubas-Gaona, L.L., Candelas-Rivera, O., Benito-Zafra, A., Sánchez-Aparicio, M.T., Miorin, L., Rodríguez, J.F., García-Sastre, A., & Rodríguez, D. (2022). Interaction between chicken TRIM25 and MDA5 and their role in mediated antiviral activity against IBDV infection. Frontiers in Microbiology, 13, 1068328 [DOI:10.3389/fmicb.2022.1068328]
11. Dufva, M., 2009. Introduction to microarray technology. DNA Microarrays for biomedical research: Methods and Protocols, 1-22. [DOI:10.1007/978-1-59745-538-1_1]
12. Ge, L., Zhang, Y., Zhao, X., Wang, J., Zhang, Y., Wang, Q., Yu, H., Zhang, Y., & You, Y. (2021). EIF2AK2 selectively regulates the gene transcription in immune response and histones associated with systemic lupus erythematosus. Molecular Immunology, 132, 132-141. [DOI:10.1016/j.molimm.2021.01.030]
13. Ghasemi, M., Ghazvinian, K., Ahmadi Hamedani M., & Kafshdoozan, K. (2022). The Effect of Ceratonia siliqua in comparison with antibiotics and prebiotics on performance, carcass characteristics, immune system and blood parameters of broiler chickens. Research on Animal Production, 34, 1-10. [In Persian] [DOI:10.52547/rap.12.34.1]
14. Huang, M., Xiao, J., Yan, C., Wang, T., & Ling, R. (2021). USP41 promotes breast cancer via regulating RACK1. Annals of Translational Medicine, 9, 1566. [DOI:10.21037/atm-21-4921]
15. Khabiri, A., Toroghi, R., Mohammadabadi, M., & Tabatabaeizadeh, S.E. (2023). Introduction of a Newcastle disease virus challenge strain (sub-genotype VII. 1.1) isolated in Iran. Veterinary Research Forum, 14(4), e221.
16. Kawasaki, T., & Kawai, T. (2014) Toll-Like Receptor Signaling Pathways. Frontiers in Immunology, 5, 461. [DOI:10.3389/fimmu.2014.00461]
17. Kinchen, J.M., & Ravichandran, K.S. (2008). Phagosome maturation: going through the acid test. Nature Review Molecular Cell Biology, 9, 781-95. [DOI:10.1038/nrm2515]
18. Li, Y., Cui, Q., Zhou, B., Zhang, J., Guo, R., Wang, Y., & Xu, X. (2024). RSAD2, a pyroptosis-related gene, predicts the prognosis and immunotherapy response for colorectal cancer. American Journal of Cancer Research, 14, 2507. [DOI:10.62347/RGJO6884]
19. Li, J.J., Yin, Y., Yang, H.L., Yang, C.W., Yu, C.L., Wang, Y., Yin, H.D., Lian, T., Peng, H., & Zhu, Q. (2020). mRNA expression and functional analysis of chicken IFIT5 after infected with Newcastle disease virus. Infection Genetics and Evolution, 86, 104585 [DOI:10.1016/j.meegid.2020.104585]
20. Liu, J., Gu, T., Chen, J., Luo, S., Dong, X., Zheng, M., Chen, G., & Xu, Q. (2022). The TRIM25 gene in ducks: cloning, characterization and antiviral immune response. Genes, 13, 2090. [DOI:10.3390/genes13112090]
21. Mohammadabadi, M.R., Nikbakhti, M., & Mirzaee, H.R. (2010). Genetic variability in three native Iranian chicken populations of the Khorasan province based on microsatellite markers. Russian Journal of Genetics, 46(4), 505-509 [DOI:10.1134/S1022795410040198]
22. Mohammadifar, A., Faghih Imani, S.A., Mohammadabadi, M.R., & Soflaei, M. (2014). The effect of TGFb3 gene on phenotypic and breeding values of body weight traits in Fars native fowls. Agricultural Biotechnology Journal, 5, 125-136.
23. Mohammadifar, A., & Mohammadabadi, M.R. (2018) Melanocortin-3 receptor (MC3R) gene association with growth and egg production traits in Fars indigenous chicken. Malaysian Applied Biology, 47, 85-90.
24. Mpenda, F.N., Lyantagaye, S.L., & Buza, J. (2020). Association of chicken Mx1 polymorphisms with susceptibility in chicken embryos challenged with virulent Newcastle disease virus. Asian Journal of Animal Science, 14, 9-15. [DOI:10.3923/ajas.2020.9.15]
25. Qing, F., & Liu, Z. (2023). Interferon regulatory factor 7 in inflammation, cancer and infection. Frontiers in Immunology, 14, 1190841. [DOI:10.3389/fimmu.2023.1190841]
26. Rehwinke,l J., & Gack, M.U. (2020). RIG-I-Like Receptors: Their Regulation and Roles in RNA Sensing. Nature Imunology Review, 20: 537-51 [DOI:10.1038/s41577-020-0288-3]
27. Rice, G.I., del Toro Duany, Y., Jenkinson, E.M., Forte, G.M., Anderson, B.H., Ariaudo, G., Bader-Meunier, B., Baildam, E.M., Battini, R., & Beresford, M.W. (2014). Gain-of-function mutations in IFIH1 cause a spectrum of human disease phenotypes associated with upregulated type I interferon signaling. Nature Genetics, 46, 503-509. [DOI:10.1038/ng.2933]
28. Shannon, P., Markiel, A., Ozier, O., Baliga, N.S., Wang, J.T., Ramage, D., Amin, N., Schwikowski, B., & Ideker, T. (2003). Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome Research, 13, 2498-2504. [DOI:10.1101/gr.1239303]
29. Sherman, B.T., Hao, M., Qiu, J., Jiao, X., Baseler, M.W., Lane, H.C., Imamichi, T., & Chang, W., (2022). DAVID: a web server for functional enrichment analysis and functional annotation of gene lists (2021 update). Nucleic Acids Research, 50, 216-221. [DOI:10.1093/nar/gkac194]
30. Spangler, J. B., Moraga, I., Mendoza, J. L. & Garcia, K. C. (2015). Insights into cytokine-receptor interactions from cytokine engineering. Annual Review of Imonology, 139-167. [DOI:10.1146/annurev-immunol-032713-120211]
31. Szklarczyk, D., Kirsch, R., Koutrouli, M., Nastou, K., Mehryary, F., Hachilif, R., Gable, A.L., Fang, T., Doncheva, N.T., & Pyysalo, S. (2023). The STRING database in 2023: protein-protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Research, 51, D638-D646. [DOI:10.1093/nar/gkac1000]
32. Torabi, A., & Roudbari, Z. (2023). Analysis of protein-protein interaction network based on altered genes expressed in lung tissue for avian influenza disease. Veterinary Research & Biological Products, 36, 68-76. [DOI:10.32592/vrbp.2023.36.4.68]
33. Wang, J., Lin, Z., Liu, Q., Fu, F., Wang, Z., & Ma, J. (2022). Bat employs a conserved MDA5 gene to trigger antiviral innate immune responses. Frontiers in Immunilogy, 13, 904481. [DOI:10.3389/fimmu.2022.904481]
34. Wang, L., Xue, Z., Wang, J., Jian, Y., Lu, H., Ma, H., Wang, S., Zeng, W. & Zhang, T. (2023). Targeted knockout of Mx in the DF-1 chicken fibroblast cell line impairs immune response against Newcastle disease virus: Mx knockout impairs response against NDV. Poultry Science, 102, 102855. [DOI:10.1016/j.psj.2023.102855]
35. Wilden, H., Fournier, P., Zawatzky, R. & Schirrmacher, V. (2009). Expression of RIG-I, IRF3, IFN-β and IRF7 determines resistance or susceptibility of cells to infection by Newcastle Disease Virus. Inernational Journal of Oncology, 34, 971-982. [DOI:10.3892/ijo_00000223]
36. Yang, X., Arslan, M., Liu, X., Song, H., Du, M., Li, Y., & Zhang, Z. (2020). IFN-γ establishes interferon-stimulated gene-mediated antiviral state against Newcastle disease virus in chicken fibroblasts. Acta Biochimica et Biophysica Sinica, 20 1-13. [DOI:10.1093/abbs/gmz158]
37. Yang, C., Liu, F., Chen, S., Wang, M., & Jia, R. (2015). Identification of 2'-5'-oligoadenylate synthetase-like gene in goose: Gene structure, expression patterns, and antiviral activity against Newcastle disease virus. Journal of Interferon and Cytokine Research, 36, 563-572. [DOI:10.1089/jir.2015.0167]
38. Yu, L., & Liu, P. (2021). Cytosolic DNA sensing by cGAS: regulation, function, and human diseases. Signal Transduction and Targeted Therapy, 6, 170. [DOI:10.1038/s41392-021-00554-y]
39. Zhang, B., Liu, X., Chen, W., & Chen, L. (2013). IFIT5 potentiates anti-viral response through enhancing innate immune signaling pathways. Acta Biochimica et Biophysica Sinica, 45, 867-874. [DOI:10.1093/abbs/gmt088]
40. Zhng, D., Ding, Z., & Xu, X. (2023). Pathologic mechanisms of the Newcastle disease virus. Viruses, 15, 864. [DOI:10.3390/v15040864]
41. Zvara, Á., Kitajka, K., Faragó, N., & Puskás, L.G. (2015). Microarray technology. Acta Biologica Szegediensis, 59, 51-67.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
