Research on Animal Production

fa بررسی ترانسکریپتوم بافت تخمدان برای شناسایی ژن‌های هاب و خوشه‌های ژنی درگیر در سرطان تخمدان گاوهای هلشتاین Transcriptome study of ovarian tissue to identify hub genes and gene clusters involved in ovarian cancer in Holstein cows ژنتیک و اصلاح نژاد دام ژنتیک و اصلاح نژاد دام پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه: اگرچه دلایل وقوع سرطان تخمدان، ژنتیک آن و داروهای موثر بر آن در انسان مکرراً مورد بررسی قرار گرفته است با این وجود در دامهای مزرعهای بخصوص گاوهای شیری کمتر بررسی شده و اطلاعات اندکی در مورد آن در دسترس است و فقط مواردی از وقوع آن در گاوهای هلشتاین گزارش شده است. با توجه به اینکه سرطان تخمدان و پاسخهای ایمنی بدن به این بیماری زمینه ژنتیکی دارند، قابل انتظار است که بیان برخی از ژنها در شرایط وقوع سرطان تخمدان دستخوش تغییر شود. در ضمن تعامل ژنهای درگیر در سرطان تخمدان در قالب شبکه و خوشههای ژنی نیز قابل انتظار است. علیرغم اینکه سرطان تخمدان میتواند از طریق ایجاد مرگ و میر و ناباروری عملکرد سیستم تولیدی را تحت تاثیر قرار دهد، در گاوهای شیری تاکنون مطالعات ژنتیکی چندانی در مورد آن انجام نشده است. لذا این تحقیق برای بررسی شبکه ژنی و خوشههای ژنی و ژنهای هاب درگیر در سرطان تخمدان با استفاده از اطلاعات ریزآرایه انجام شد. مواد و روشها: دادههای بیان ژن مربوط به سلولهای استرومای سالم و سرطانی تخمدان با شماره دسترسی GSE225981 از سایت NCBI و از پایگاه GEO Expression Omnibus استخراج گردید. دادههای مربوطه در دو گروه طبقهبندی شده بودند. گروه اول حیوانات مبتلا به سرطان تخمدان و گروه دوم حیوانات سالم (گروه کنترل). لیست ژنهای معنیدار بر اساس آمارههای P-value و LogFC تهیه شده و به نرم افزار آنلاین DAVID  معرفی گردید و با استفاده از آن، آنالیز غنیسازی ژن، هستی شناسی ژن و تجزیه و تحلیل مسیرهایی که ژنها در آن دخیل بودند انجام شد. همچنین لیست ژنها در نرمافزار Cytoscape قرار داده شد تا به کمک الگوریتمهای آن جهت آنالیز شبکه استفاده شود و شبکه برهم کنش پروتئینی و خوشههای ژنی با استفاده از برنامه STRING رسم گردید. در ادامه خوشههای ژنی (نواحی بسیار متراکم از ژنهای همبسته در شبکه اصلی) نیز با استفاده از افزونه ClusterONE مشخص شدند. برای شناسایی ژنهای کلیدی در شبکه، از سه روش استفاده شد: درجه مرکزیت، مرکزیت بینابینی، و مرکزیت نزدیکی. 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) به صورت یک شبکه مشخص و رسم گردید. یافتهها: در مجموع 512 ژن با بیان متفاوت معنیدار بین سلولهای سالم و سرطانی مشخص شدند و شبکه ابتدایی را تشکیل دادند. در ساختار این شبکه، پنج خوشه ژنی معنیدار که نواحی متراکم داخل شبکه ژنی هستند مشخص شد. برای اکثر خوشهها، مسیرهای مرتبط با وقوع سرطان مشاهده شد. برای مثال ژنهای خوشه یک با فرایندهای تقسیم سلولی و چرخه سلولی، خوشه 2 با حرکت سلولها و متاستاز سرطان، خوشه 3  با مقاومت دارویی و تحریک بروز سرطان، خوشه 4 با فرایندهای اکسیداسیون درون سلول و خوشه 5 با سنتز و ترشح کورتیزول و متابولیسم پورینها (آدنین و گوانین) در ارتباط بودند. از نظر معیارهای اهمیت شامل درجه مرکزیت، درجه بینابینی و درجه نزدیکی، ده ژن EGFR، CD44، FGF2، ESR1، PTGS2، CCNA2، CDH2، BDNF، FGF10 و KLF4 به عنوان ژن های هاب شناسایی شدند. این ژنها در فرایندهایی مانند تکثیر سلول، مرگ سلول، بروز التهاب، رشد تومور، متاستاز سرطان، مقاومت به شیمی درمانی، سرکوب رشد تومور و بروز انواع مختلف سرطان نقش داشتند. نتیجه‌گیری: نتایج این تحقیق  نشان داد که ژنهای درگیر در سرطان تخمدان نه تنها به صورت انفرادی بلکه در تعامل با یکدیگر و در قالب شبکه و خوشههای ژنی هستند. بیان برخی ژنها در سلولهای سرطانی نسبت به سلولهای سالم افزایش و بیان برخی دیگر کاهش یافته بود. به طور کلی این تحقیق با مشخص نمودن ژنهای بیان شده در مواجهه با سرطان تخمدان، میتواند به درک بهتر از زمینه ژنتیکی سرطان تخمدان کمک کند. ژنهای هاب EGFR، CD44، FGF2، ESR1، PTGS2، CCNA2، CDH2، BDNF، FGF10 و KLF4 مشخص شده در تحقیق حاضر را می توان جهت مشخص نمودن داروهای موثر بر بیماری با استفاده از ابزار آنلاین مربوطه مورد استفاده قرار داد.  </div> <div style="text-align: justify;">Extended Abstract Introduction: Although the causes of ovarian cancer, its genetics, and drugs that affect it in humans have been frequently studied, it has been less studied in farm animals, especially dairy cows, and little information is available about it, and only some cases have been reported in Holstein cows. Given that ovarian cancer and the body's immune responses to this disease have a genetic background, it is expected that the expression of some genes will change in the conditions of ovarian cancer. In addition, the interaction of genes involved in ovarian cancer in the form of networks and gene clusters is also expected. Despite the fact that the occurrence of ovarian cancer can affect the performance of the production system by causing mortality and infertility, few genetic studies have been conducted on ovarian cancer in dairy cows. Therefore, this study was conducted to investigate the gene network, gene clusters, and hub genes involved in ovarian cancer using microarray data.  Materials and Methods: Gene expression data related to healthy and cancerous ovarian stromal cells with accession number GSE225981 were extracted from the NCBI website and from the GEO Expression Omnibus database. The relevant data were classified into two groups. The first group was animals with ovarian cancer and the second group was healthy animals (control treatment). The list of significant genes was prepared based on P-value and LogFC statistics and introduced into the online DAVID software, and gene enrichment analysis, gene ontology, and analysis of the pathways in which the genes were involved performed. The gene list was also introduced to Cytoscape software to be used for network analysis with its algorithms, and the protein interaction network and gene clusters were drawn using the STRING resource. Next, gene clusters (highly dense areas of correlated genes in the main network) were identified using the ClusterONE plugin. Three methods were used to identify key genes in the network: degree of centrality, betweenness centrality, and closeness centrality. These network topology measures were calculated using the CytoNCA plugin. In addition, using the Cytohubba plugin, ten central genes in the network (hub genes) were identified and drawn as a network. Findings: A total of 512 genes with significant differential expression between healthy and cancer cells were identified and formed the initial network. In the structure of this network, five significant gene clusters, which were dense areas within the gene network, were identified. For most of the clusters, pathways related to cancer occurrence were observed. For example, genes in cluster 1 were associated with cell division and cell cycle processes, cluster 2 with cell movement and cancer metastasis, cluster 3 with drug resistance and cancer induction, cluster 4 with intracellular oxidation processes, and cluster 5 with cortisol synthesis and secretion and purine metabolism. In terms of importance criteria including degree of centrality, betweenness centrality, and closeness centrality, ten genes EGFR, CD44, FGF2, ESR1, PTGS2, CCNA2, CDH2, BDNF, FGF10, and KLF4 were identified as the hub genes. These genes played a role in processes such as cell proliferation, cell death, inflammation, tumor growth, cancer metastasis, chemotherapy resistance, tumor growth suppression, and the occurrence of various types of cancer. Conclusion: The results of this study showed that the genes involved in ovarian cancer are not only individually but also interact with each other in the form of networks and gene clusters. The expression of some genes in cancer cells was increased compared to healthy cells, while the expression of others was decreased. Overall, this study, by identifying genes expressed in ovarian cancer, can help to better understanding the genetic background of ovarian cancer. The EGFR, CD44, FGF2, ESR1, PTGS2, CCNA2, CDH2, BDNF, FGF10, and KLF4 genes identified in the present study can be used to identify drugs effective against the disease using the relevant online tool.  </div> سرطان تخمدان, ژن, خوشه ژنی, ریزآرایه. Ovarian cancer, gene, gene cluster, microarray 0 0 http://rap.sanru.ac.ir/browse.php?a_code=A-10-557-8&slc_lang=fa&sid=1 Mostafa Ghaedrahmati مططفی قائد رحمتی mostafarahmati55@gmail.com 100319475328460025941 100319475328460025941 No Bu-Ali Sina University دانشگاه بوعلی سینا Farhad Ghafouri-Kesbi فرهاد غفوری کسبی farhad_ghy@yahoo.com 100319475328460025942 100319475328460025942 Yes Bu-Ali Sina University دانشگاه بوعلی سینا Ahmad Ahmadi احمد احمدی ahahmady@gmail.com 100319475328460025943 100319475328460025943 No Bu-Ali Sina University دانشگاه بوعلی سینا