دوره 11، شماره 29 - ( پاییز 1399 )
جلد 11 شماره 29 صفحات 106-95 |
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:
Biranvand Z, Mir Hosseini S Z, ghaderi zefrehi M, Hosseini Moghaddam S H, Fazeli A, Zarrin Kaviani K. (2020). Predicting CpG Islands and DNA Methlation in the Cow Genome Using DNA Microarray Meta-Analysis and Genome Wide Scanning. rap. 11(29), 95-106. doi:10.52547/rap.11.29.95
URL: http://rap.sanru.ac.ir/article-1-930-fa.html
URL: http://rap.sanru.ac.ir/article-1-930-fa.html
بیرانوند زهرا، میر حسینی سید ضیاالدین، قادری زفره ایی مصطفی، حسینی مقدم سید حسین، فاضلی آرش، زرین کاویانی کیانوش. پپیش‌بینی جزایر CpG و متیلاسیون DNA در ژنوم گاو با استفاده از فراتحلیل ریزآرایه DNA و پویش ژنومی پژوهشهاي توليدات دامي 1399; 11 (29) :106-95 10.52547/rap.11.29.95
زهرا بیرانوند 
، سید ضیاالدین میر حسینی ، مصطفی قادری زفره ایی ، سید حسین حسینی مقدم ، آرش فاضلی ، کیانوش زرین کاویانی
، سید ضیاالدین میر حسینی ، مصطفی قادری زفره ایی ، سید حسین حسینی مقدم ، آرش فاضلی ، کیانوش زرین کاویانی
گروه علوم دامی، دانشگاه یاسوج، یاسوج، ایران
چکیده: (2357 مشاهده)
متیلاسیون DNA نوعی تغییر فرا‌ژنتیکی است که به طور مستقیم بر روی DNA تاثیر می‌گذارد. در پستانداران متیلاسیون DNA برای تکامل جنینی و تمایز سلول بنیادی ضروری است و این پدیده اساساً درون جزایر CpGاتفاق می‌افتد. در این پژوهش برای بررسی نیم‌رخ متیلاسیون DNA ژنوم گاو، از دو روش استفاده شد. در روش اول نیم‌رخ متیلاسیون DNA ژن‌های با بیان متفاوت حاصل از فراتحلیل داده‌های ریزآرایه DNA بیماری ورم پستان گاو شیری به دست آمد. برای انجام فراتحلیل داده‌های ریزآرایه DNA در این روش، از بسته metaDE در محیط R استفاده شد. سپس جهت پیش‌بینی جزایر CpG در ژن‌های با بیان متفاوت از 5 الگوریتم شامل TJ, GF, CpG cluster, HMM ,GHMM استفاده شد. در روش دوم نیم‌رخ متیلاسیون DNA با استفاده از پویش کل ژنوم گاو انجام گرفت. همچنین جهت پیش‌بینی جزایر CpG متیله شده در کل ژنوم، ابتدا توسط الگوریتم HMM جزایر CpG در ژنوم گاو و برای هر کروموزوم برآورد شدند و سپس هم‌پوشانی CpG باHypo/Hyper-Methylation توسط پایگاه برخط Galaxy محاسبه شد. نتایج روش اول نشان داد که از میان 32 ژن با بیان متفاوت، 14 ژن دارای جزایر CpG متیله شده بودند. این ژن‌ها، شامل ژن‌هایLTF, APP, CCL5, CD40, CSNK1D, CX3CL1, DAPP1, NFKBIZ, S100A9, ISG15, MAP3K8, MX1, RDAD2, ZC3H12A بودند. نتایج روش دوم تعداد 90668Hypo/Hyper-Methylation را در ژنوم گاو برآورد نمود که تعداد 9942 (%10.96) جزیره CpG باHypo/Hyper-Methylation دارای هم‌پوشانی بودند و به عنوان CpG متیله شده در نظر گرفته شدند. مقایسات ژنومی بین گونه‌ای متیلاسیون DNA نشان داد که نیم‌رخ کلی متیلاسیون DNA در اکثر گونه‌های مورد بررسی تقریبا مشابه هم بودند و به نظر می‌رسد که نیم‌رخ کلی متیلاسیون DNA بین گونه‌های مختلف به صورت محافظت شده باشد. حاصل این پژوهش نشان داد کنکاش متیلاسیون DNA در بیماری‌هایی که میزان وراثت‌پذیری پایینی دارند و بیشتر تحت تاثیر فرایندهای فراژنتیک هستند، ضروری به نظر می‌رسد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
ژنتیک و اصلاح نژاد دام
دریافت: 1397/2/25 | ویرایش نهایی: 1399/11/18 | پذیرش: 1399/1/29 | انتشار: 1399/7/14
دریافت: 1397/2/25 | ویرایش نهایی: 1399/11/18 | پذیرش: 1399/1/29 | انتشار: 1399/7/14
فهرست منابع
1. Archibald, A., N. Cockett, B. Dalrymple, T. Faraut and J. Kijas. 2010. The sheep genome reference sequence: a work in progress. Animal Genetics, 41: 449-453. [DOI:10.1111/j.1365-2052.2010.02100.x]
2. Ball, MP., J.B. Li, Y. Gao, J.H. Lee and E.M. LeProust. 2009. Targeted and genome-scale strategies reveal gene-body methylation signatures in human cells. Nature Biotechnology, 27: 361-368. [DOI:10.1038/nbt.1533]
3. Bird, A.P. 1987. CpG islands as gene markers in the vertebrate nucleus. Trends in Genetics, 3: 342-347. [DOI:10.1016/0168-9525(87)90294-0]
4. Couldrey, C., R. Brauning, J. Bracegirdle, P. Maclean, H.V. Henderson and J.C. McEwan. 2014. Genome-wide DNA methylation patterns and transcription analysis in sheep muscle. PloS One, 9(7): e101853. [DOI:10.1371/journal.pone.0101853]
5. Couldrey, C., R. Brauning, H. Henderson and J. McEwan. 2015. Genome‐wide DNA methylation analysis: no evidence for stable hemimethylation in the sheep muscle genome. Animal Genetics, 46: 185-189. [DOI:10.1111/age.12268]
6. Dong, Y., M. Xie, Y. Jiang, N. Xiao and X. Du. 2013. Sequencing and automated whole-genome optical mapping of the genome of a domestic goat (Capra hircus). Nature Biotechnology, 31: 135-141. [DOI:10.1038/nbt.2478]
7. Du, X., L. Han, A.Y. Guo and Z. Zhao. 2012. Features of methylation and gene expression in the promoter-associated CpG islands using human methylome data. Journal of Molecular Biology, 142: 461-469. [DOI:10.1155/2012/598987]
8. Elsik, C.G., R.L. Tellam and K.C. Worley. 2009. The genome sequence of taurine cattle: a window to ruminant biology and evolution. Science, 324: 522-528.
9. Gardiner-Garden, M and M. Frommer. 1987. CpG islands in vertebrate genomes. Journal of Molecular Biology, 196: 261-282. [DOI:10.1016/0022-2836(87)90689-9]
10. Hackenberg, M., G. Barturen, P, Carpena, P.L. Luque-Escamilla, C. Previti and J.L. Oliver. 2010. Prediction of CpG-island function: CpG clustering vs. sliding-window methods. BMC Genomics, 11: 327-334. [DOI:10.1186/1471-2164-11-327]
11. Hackenberg, M., C. Previti, P.L. Luque-Escamilla, P. Carpena, J. Martínez-Aroza and J.L. Oliver. 2006. CpGcluster: a distance-based algorithm for CpG-island detection. BMC Bioinformatics, 7: 446-452. [DOI:10.1186/1471-2105-7-446]
12. Han, L., B. Su, W.H. Li and Z. Zhao. 2008. CpG island density and its correlations with genomic features in mammalian genomes. Genome Biology, 9(5): R79. [DOI:10.1186/gb-2008-9-5-r79]
13. Han, L. and Z. Zhao. 2008. Comparative analysis of CpG islands in four fish genomes. Genomics, 85: 301-309. [DOI:10.1155/2008/565631]
14. Han, L. and Z. Zhao. 2009. Contrast features of CpG islands in the promoter and other regions in the dog genome. Genomics, 94: 117-124. [DOI:10.1016/j.ygeno.2009.04.007]
15. Han, L. and Z. Zhao. 2009. CpG islands or CpG clusters: how to identify functional GC-rich regions in a genome? BMC Bioinformatics, 10: 65-73. [DOI:10.1186/1471-2105-10-65]
16. Hu, Y., H. Xu, Z. Li, X. Zheng and X. Jia. 2013. Comparison of the genome-wide DNA methylation profiles between fast-growing and slow-growing broilers. PloS One, 8(3): e56411. [DOI:10.1371/journal.pone.0056411]
17. Huang, Y.Z., J.J. Sun, L.Z. Zhang, C.J. Li and J.E. Womack. 2014. Genome-wide DNA methylation profiles and their relationships with mRNA and the microRNA transcriptome in bovine muscle tissue (Bos taurine). PloS One, 10(11): e0140467. [DOI:10.1038/srep06546]
18. Illingworth, R.S. and A.P. Bird. 2009. CpG islands-'a rough guide'. FEBS letters, 583: 1713-1720. [DOI:10.1016/j.febslet.2009.04.012]
19. Ioshikhes, I.P. and M.Q. Zhang. 2000. Large-scale human promoter mapping using CpG islands. Nature Genetics, 26: 61-63. [DOI:10.1038/79189]
20. Jensen-Seaman, M.I., T.S. Furey, B.A. Payseur, Y. Lu and K.M. Roskin. 2004. Comparative recombination rates in the rat, mouse, and human genomes. Genome Research, 14: 528-538. [DOI:10.1101/gr.1970304]
21. Kwak, W., J.n. Kim, D. Kim, J.S. Hong and J.H. Jeong. 2014. Genome-wide DNA methylation profiles of small intestine and liver in fast-growing and slow-growing weaning piglets. Asian-Australasian Journal of Animal Sciences, 27: 1532-1538. [DOI:10.5713/ajas.2014.14309]
22. Lai, W.K. and M.J. Buck. 2010. ArchAlign: coordinate-free chromatin alignment reveals novel architectures. Genome Biology, 11(12): R126. [DOI:10.1186/gb-2010-11-12-r126]
23. Luo, J., Y. Yu, H. Zhang, F. Tian and S. Chang. 2011. Down-regulation of promoter methylation level of CD4 gene after MDV infection in MD-susceptible chicken line. Proc. BMC Proceedings. BioMed Central, 5(4): S7. [DOI:10.1186/1753-6561-5-S4-S7]
24. Medvedeva, Y.A. 2011. Algorithms for CpG Islands Search: New Advantages and Old Problems. In Bioinformatics-Trends and Methodologies, 9: 448-481.
25. Medvedeva, Y.A., M.V. Fridman, N.J. Oparina, D.B. Malko and E.O. Ermakova. 2010. Intergenic, gene terminal, and intragenic CpG islands in the human genome. BMC Genomics, 11: 48-55. [DOI:10.1186/1471-2164-11-48]
26. Paape, T., P. Zhou, A. Branca, R. Briskine, N.Young and P.Tiffin. 2012. Fine-scale population recombination rates, hotspots, and correlates of recombination in the Medicago truncatula genome. Genome Biology and Evolution, 4: 726-737. [DOI:10.1093/gbe/evs046]
27. Poissant, J., J.T. Hogg, C.S. Davis, J.M. Miller, J.F. Maddox amd D.W. Coltman. 2010. Genetic linkage map of a wild genome: genomic structure, recombination and sexual dimorphism in bighorn sheep. BMC Genomics, 11: 524-532. [DOI:10.1186/1471-2164-11-524]
28. Rao, Y.S., Z.F. Wang, X.W. Chai, Q.H. Nie and X. Q. Zhang. 2013. Relationship between 5′ UTR length and gene expression pattern in chicken. Genetica, 141: 311-318. [DOI:10.1007/s10709-013-9730-9]
29. Rice, P., I. Longden and A. Bleasby. 2000. EMBOSS: the European molecular biology open software suite. Elsevier Current Trends, 16(6): 276-277. [DOI:10.1016/S0168-9525(00)02024-2]
30. Romiguier, J., V. Ranwez, E.J. Douzery and N. Galtier. 2010. Contrasting GC-content dynamics across 33 mammalian genomes: relationship with life-history traits and chromosome sizes. Genome Research, 20: 1001-1009. [DOI:10.1101/gr.104372.109]
31. Sati, S., V.S. Tanwar, K.A. Kumar, A. Patowary and V. Jain. 2012. High resolution methylome map of rat indicates role of intragenic DNA methylation in identification of coding region. PloS One, 7(2): e31621. [DOI:10.1371/journal.pone.0031621]
32. Su, J., Y. Wang, X. Xing, J. Liu and Y. Zhang. 2014. Genome-wide analysis of DNA methylation in bovine placentas. BMC Genomics, 15: 12-20. [DOI:10.1186/1471-2164-15-12]
33. Takai, D. and P.A. Jones. 2002. Comprehensive analysis of CpG islands in human chromosomes 21 and 22. Proceedings of the National Academy of Sciences, 99: 3740-3745. [DOI:10.1073/pnas.052410099]
34. Takai, D. and P.A. Jones. 2003. The CpG island searcher: a new www resource. In Silico Biology, 3: 235-240.
35. Tortereau, F., B. Servin, L. Frantz, H.J. Megens and D. Milan. 2012. A high density recombination map of the pig reveals a correlation between sex-specific recombination and GC content. BMC Genomics, 13: 586-594. [DOI:10.1186/1471-2164-13-586]
36. Weng, Z.Q., M. Saatchi, R.D. Schnabel, J.F. Taylor and D.J. Garrick. 2014. Recombination locations and rates in beef cattle assessed from parent-offspring pairs. Genetics Selection Evolution, 46: 34-42. [DOI:10.1186/1297-9686-46-34]
37. Wu, H., B. Caffo, H.A. Jaffee, R.A. Irizarry and A.P. Feinberg. 2010. Redefining CpG islands using hidden Markov models. Biostatistics, 11: 499-514. [DOI:10.1093/biostatistics/kxq005]
38. Wu, H., X. Guang, M.B. Al-Fageeh, J. Cao and S. Pan. 2014. Camelid genomes reveal evolution and adaptation to desert environments. Nature Communications, 5: 5188-5199. [DOI:10.1038/ncomms6188]
39. Xi, L., Y. Fondufe-Mittendorf, L. Xia, J. Flatow, J. Widom and J.P. Wang. 2010. Predicting nucleosome positioning using a duration Hidden Markov Model. BMC bioinformatics, 11: 346-357. [DOI:10.1186/1471-2105-11-346]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
