1- گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری
چکیده: (4 مشاهده)
مقدمه و هدف: جابجایی شیردان یکی از مهمترین بیماری های متابولیک و گوارشی در گاوهای شیری پرتولید است که در اوایل دوره شیردهی رخ می دهد. این بیماری از لحاظ اقتصادی اهمیت بالایی دارد، زیرا علاوه بر کاهش تولید شیر و افزایش نرخ حذف دام، هزینه‌های درمانی قابل توجهی نیز به همراه دارد. اگرچه عوامل مدیریتی مانند تغذیه و شرایط پرورش در بروز این اختلال نقش مهمی دارند، اما شواهد حاکی از آن است که زمینه ژنتیکی نیز در حساسیت گاوها به جابجایی شیردان مؤثر است. تحلیل شبکه‌های تعامل پروتئین–پروتئین (PPI) یکی از رویکردهای کلیدی در زیست‌فناوری سامانه‌ای است که امکان شناسایی واحدهای (ماژول) عملکردی، مجتمع‌های (کمپلکس) پروتئینی و ژن‌های محوری در مسیرهای زیستی را فراهم می‌کند. بررسی ساختار شبکه و تعاملات پروتئین‌ها می‌تواند ژن‌هایی را که در فرآیندهای سلولی مشابه شرکت دارند شناسایی کرده و عملکرد ژن‌های کمترشناخته‌شده را پیش‌بینی کند. خوشه‌بندی شبکه‌های PPI، چه به صورت مجتمع‌های پروتئینی و چه واحدهای عملکردی، معماری شبکه و نقش غالب هر خوشه را روشن می‌کند و الگوریتم‌هایی مانند MCODE با وزن‌دهی رأس‌ها، پیش‌بینی خوشه‌ها و پالایش پس‌پردازشی، ابزار موثری برای استخراج این ساختارها هستند. هدف این مطالعه شناسایی ژن‌ها و مسیرهای زیستی مرتبط با جابجایی شیردان در گاو شیری با بهره‌گیری از رویکرد بیوانفورماتیکی چندمرحله‌ای و تحلیل شبکه‌های PPI است.
مواد و روش‌ها:
برای شناسایی ژن‌ها و مسیرهای زیستی درگیر در جابجایی شیردان در گاو شیری، ابتدا فهرست ۱۲۴ ژن گزارش‌شده در مطالعات پیشین گردآوری و بر اساس نماد رسمی ژنی استانداردسازی شد. تحلیل غنی‌سازی عملکردی این ژن‌ها با استفاده از پایگاه DAVID Bioinformatics Resources v2023 و با انتخاب گونه Bos taurus به‌عنوان پس‌زمینه تحلیلی انجام گرفت. ترم‌های غنی‌شده از سه بخش اصلی هستی‌شناسی شامل فرآیندهای زیستی، عملکردهای مولکولی و اجزای سلولی، و همچنین مسیرهای زیستی پایگاه KEGG استخراج شدند. در این تحلیل، معیار آماری EASE score برابر 01/0، حداقل تعداد سه ژن برای هر طبقه، و تصحیح چندآزمایشی به روش FDR بنجامینی–هوچبرگ (Benjamini < 0.05) به‌کار گرفته شد. برای بررسی تعاملات میان پروتئین‌های کدشده توسط ژن‌های منتخب، شبکه تعاملات پروتئین–پروتئین با استفاده از پایگاه STRING v12 و با تنظیمات حداقل امتیاز اعتماد متوسط (0.4) و سخت‌گیری FDR پنج‌درصد ایجاد گردید. شاخص‌های بنیادی شبکه شامل تعداد گره‌ها، تعداد یال‌ها، میانگین درجه اتصال، ضریب خوشه‌بندی و مقدار p وابسته به غنی‌سازی شبکه PPI استخراج شد. به‌منظور شناسایی خوشه‌ها و زیرشبکه‌های عملکردی در این ساختار، فایل شبکه در نرم‌افزار Cytoscape v3.10 بارگذاری و افزونه MCODE با تنظیماتی شامل حداقل درجه اتصال ۲، آستانه امتیاز گره ۰.۲، فعال‌بودن گزینه حذف گره‌های کم‌ارتباط (Haircut)، غیرفعال‌بودن Fluff و مقدار K-Core برابر ۲ اجرا شد تا واحد‌هایی با بیشترین چگالی تعاملات شناسایی شوند. برای تعیین ژن‌های کلیدی در ساختار شبکه، شاخص‌های مختلف مرکزیّت شامل مرکزیّت درجه (Degree)، مرکزیّت میانجی‌گری (Betweenness)، مرکزیّت نزدیکی (Closeness) و مرکزیّت بردارویژه (Eigenvector) با افزونه CentiScaPe محاسبه گردید. ژن‌هایی که هم‌زمان دارای درجه بالا (ژن‌های هاب) و میانجی‌گری بالا (ژن‌های گلوگاهی یاBottleneck ) بودند، به‌عنوان ژن‌های کلیدی شبکه انتخاب شده و سپس جایگاه آن‌ها در خوشه‌های شناسایی‌شده به‌وسیله MCODE مورد ارزیابی قرار گرفت تا نقش محوری آن‌ها در واحدهای زیستی مشخص شود.
یافته‌ها:
تحلیل‌های بیوانفورماتیکی نشان داد که ژن‌های مرتبط با جابجایی شیردان در گاو شیری در مجموعه‌ای از ترم‌های معنی‌دار مربوط به فعالیت‌های هورمونی، اتصال پروتئین‌ها، تنظیم رونویسی، فرآیندهای خارج‌سلولی و مسیرهای متابولیکی و پاسخ به استرس قرار دارند. در تحلیل غنی‌سازیGO، ترم‌های مرتبط با فعالیت‌های هورمونی و تنظیم رونویسی در بخش عملکرد مولکولی، ترم‌های ماتریکس خارج‌سلولی و کاویولا در بخش جزء سلولی و فرآیندهایی مانند پاسخ به محرک‌های تغذیه‌ای، تنظیم گلوکز، پاسخ به انسولین، تنش حرارتی، تنظیم ترشح انسولین، پایداری پروتئین و تنظیم مرگ برنامه‌ریزی‌شده سلول در بخش فرایند زیستی شناسایی شد. در تحلیل KEGG نیز مسیرهای سیگنال‌دهی هورمونی، AMPK، مقاومت به انسولین، سیگنال‌دهی انسولین، سنتز و ترشح هورمون رشد، تنظیم طول عمر، دیابت نوع ۲ و همچنین مسیرهای PPAR، HIF-1، AGE–RAGE و آدیپوسیتوکاین‌ها از جمله مسیرهای با غنی‌سازی بالا بودند. شبکه پروتئین–پروتئین استخراج‌شده از STRING شامل ۱۱۹ ژن با ۵۲۳ تعامل بود و آزمون غنی‌سازی تعاملات نشان داد که پروتئین‌ها به طور معنی‌داری بیش از حالت تصادفی با یکدیگر در ارتباط هستند. در خوشه‌بندی MCODE، چهار زیرشبکه شناسایی شد که خوشه اول شامل مجموعه‌ای از ژن‌های کلیدی نظیر INS، IGF1، IRS1، AKT1، LEP، ADIPOQ، TNF، IL6، PPARG، LPL، FASN، SREBF1 و JAK2 بود که هسته اصلی فرآیندهای متابولیکی، تنظیم انرژی، التهاب و سیگنال‌دهی هورمونی را تشکیل می‌داد. خوشه دوم شامل ژن‌های گوارشی و نورواندوکرین مانند GAST، MLN، CHGA، GRP و SCT بود و خوشه سوم شامل ژن‌های PLAG1، XKR4، CHCHD7 و TGS1 بود که به مسیرهای رشد و صفات تولیدی مرتبط‌اند. در تحلیل مرکزیّت شبکه، ژن‌های ALB، GAPDH و INS بالاترین مرکزیّت درجه و ژن‌های GAPDH، ALB، INS و IL6 بیشترین میانجی‌گری را نشان دادند. در نهایت، ژن‌های GAPDH و ALB به عنوان ژن‌های هاب توپولوژیک معرفی شدند که احتمالاً به دلیل تعاملات گسترده سلولی و نقش پایه‌ای آن‌ها است، در حالی که INS، IL6، JAK2 و IRS1 هاب‌های مرتبط با بیماری بوده و نقش محوری در انسجام و انتقال سیگنال شبکه، به ویژه در مسیرهای متابولیک و هورمونی دارند.
نتیجه‌گیری:
نتایج این مطالعه نشان داد که ژن‌های مرتبط با جابجایی شیردان مجموعه‌ای هماهنگ از مسیرهای متابولیکی، هورمونی و التهابی را تحت تأثیر قرار می‌دهند و شبکه ژنی حاصل دارای یک هسته مرکزی از ژن‌های هاب–گلوگاهی است که نقش تعیین‌کننده‌ای در تنظیم انرژی، سیگنال‌دهی انسولین و پاسخ‌های التهابی ایفا می‌کنند. شناسایی خوشه‌های عملکردی عمده و مسیرهای زیستی کلیدی، از جمله مسیرهای AMPK، PPAR و سیگنال‌دهی هورمونی، نشان می‌دهد که اختلال در تعادل انرژی، مقاومت انسولینی و فرآیندهای مرتبط با التهاب می‌تواند در بروز و پیشرفت جابجایی شیردان نقش محوری داشته باشد. این یافته‌ها با برجسته‌سازی ژن‌های کلیدی مانند INS، IL6، JAK2، IRS1، PPARG، LEP و FASN چارچوبی منسجم برای درک بهتر سازوکارهای مولکولی دخیل در این بیماری فراهم می‌کند و می‌تواند مبنایی برای مطالعات آینده در زمینه شناسایی نشانگرهای زیستی و توسعه راهبردهای مدیریت و تشخیص زودهنگام این اختلال قرار گیرد.
مواد و روش‌ها:
برای شناسایی ژن‌ها و مسیرهای زیستی درگیر در جابجایی شیردان در گاو شیری، ابتدا فهرست ۱۲۴ ژن گزارش‌شده در مطالعات پیشین گردآوری و بر اساس نماد رسمی ژنی استانداردسازی شد. تحلیل غنی‌سازی عملکردی این ژن‌ها با استفاده از پایگاه DAVID Bioinformatics Resources v2023 و با انتخاب گونه Bos taurus به‌عنوان پس‌زمینه تحلیلی انجام گرفت. ترم‌های غنی‌شده از سه بخش اصلی هستی‌شناسی شامل فرآیندهای زیستی، عملکردهای مولکولی و اجزای سلولی، و همچنین مسیرهای زیستی پایگاه KEGG استخراج شدند. در این تحلیل، معیار آماری EASE score برابر 01/0، حداقل تعداد سه ژن برای هر طبقه، و تصحیح چندآزمایشی به روش FDR بنجامینی–هوچبرگ (Benjamini < 0.05) به‌کار گرفته شد. برای بررسی تعاملات میان پروتئین‌های کدشده توسط ژن‌های منتخب، شبکه تعاملات پروتئین–پروتئین با استفاده از پایگاه STRING v12 و با تنظیمات حداقل امتیاز اعتماد متوسط (0.4) و سخت‌گیری FDR پنج‌درصد ایجاد گردید. شاخص‌های بنیادی شبکه شامل تعداد گره‌ها، تعداد یال‌ها، میانگین درجه اتصال، ضریب خوشه‌بندی و مقدار p وابسته به غنی‌سازی شبکه PPI استخراج شد. به‌منظور شناسایی خوشه‌ها و زیرشبکه‌های عملکردی در این ساختار، فایل شبکه در نرم‌افزار Cytoscape v3.10 بارگذاری و افزونه MCODE با تنظیماتی شامل حداقل درجه اتصال ۲، آستانه امتیاز گره ۰.۲، فعال‌بودن گزینه حذف گره‌های کم‌ارتباط (Haircut)، غیرفعال‌بودن Fluff و مقدار K-Core برابر ۲ اجرا شد تا واحد‌هایی با بیشترین چگالی تعاملات شناسایی شوند. برای تعیین ژن‌های کلیدی در ساختار شبکه، شاخص‌های مختلف مرکزیّت شامل مرکزیّت درجه (Degree)، مرکزیّت میانجی‌گری (Betweenness)، مرکزیّت نزدیکی (Closeness) و مرکزیّت بردارویژه (Eigenvector) با افزونه CentiScaPe محاسبه گردید. ژن‌هایی که هم‌زمان دارای درجه بالا (ژن‌های هاب) و میانجی‌گری بالا (ژن‌های گلوگاهی یاBottleneck ) بودند، به‌عنوان ژن‌های کلیدی شبکه انتخاب شده و سپس جایگاه آن‌ها در خوشه‌های شناسایی‌شده به‌وسیله MCODE مورد ارزیابی قرار گرفت تا نقش محوری آن‌ها در واحدهای زیستی مشخص شود.
یافته‌ها:
تحلیل‌های بیوانفورماتیکی نشان داد که ژن‌های مرتبط با جابجایی شیردان در گاو شیری در مجموعه‌ای از ترم‌های معنی‌دار مربوط به فعالیت‌های هورمونی، اتصال پروتئین‌ها، تنظیم رونویسی، فرآیندهای خارج‌سلولی و مسیرهای متابولیکی و پاسخ به استرس قرار دارند. در تحلیل غنی‌سازیGO، ترم‌های مرتبط با فعالیت‌های هورمونی و تنظیم رونویسی در بخش عملکرد مولکولی، ترم‌های ماتریکس خارج‌سلولی و کاویولا در بخش جزء سلولی و فرآیندهایی مانند پاسخ به محرک‌های تغذیه‌ای، تنظیم گلوکز، پاسخ به انسولین، تنش حرارتی، تنظیم ترشح انسولین، پایداری پروتئین و تنظیم مرگ برنامه‌ریزی‌شده سلول در بخش فرایند زیستی شناسایی شد. در تحلیل KEGG نیز مسیرهای سیگنال‌دهی هورمونی، AMPK، مقاومت به انسولین، سیگنال‌دهی انسولین، سنتز و ترشح هورمون رشد، تنظیم طول عمر، دیابت نوع ۲ و همچنین مسیرهای PPAR، HIF-1، AGE–RAGE و آدیپوسیتوکاین‌ها از جمله مسیرهای با غنی‌سازی بالا بودند. شبکه پروتئین–پروتئین استخراج‌شده از STRING شامل ۱۱۹ ژن با ۵۲۳ تعامل بود و آزمون غنی‌سازی تعاملات نشان داد که پروتئین‌ها به طور معنی‌داری بیش از حالت تصادفی با یکدیگر در ارتباط هستند. در خوشه‌بندی MCODE، چهار زیرشبکه شناسایی شد که خوشه اول شامل مجموعه‌ای از ژن‌های کلیدی نظیر INS، IGF1، IRS1، AKT1، LEP، ADIPOQ، TNF، IL6، PPARG، LPL، FASN، SREBF1 و JAK2 بود که هسته اصلی فرآیندهای متابولیکی، تنظیم انرژی، التهاب و سیگنال‌دهی هورمونی را تشکیل می‌داد. خوشه دوم شامل ژن‌های گوارشی و نورواندوکرین مانند GAST، MLN، CHGA، GRP و SCT بود و خوشه سوم شامل ژن‌های PLAG1، XKR4، CHCHD7 و TGS1 بود که به مسیرهای رشد و صفات تولیدی مرتبط‌اند. در تحلیل مرکزیّت شبکه، ژن‌های ALB، GAPDH و INS بالاترین مرکزیّت درجه و ژن‌های GAPDH، ALB، INS و IL6 بیشترین میانجی‌گری را نشان دادند. در نهایت، ژن‌های GAPDH و ALB به عنوان ژن‌های هاب توپولوژیک معرفی شدند که احتمالاً به دلیل تعاملات گسترده سلولی و نقش پایه‌ای آن‌ها است، در حالی که INS، IL6، JAK2 و IRS1 هاب‌های مرتبط با بیماری بوده و نقش محوری در انسجام و انتقال سیگنال شبکه، به ویژه در مسیرهای متابولیک و هورمونی دارند.
نتیجه‌گیری:
نتایج این مطالعه نشان داد که ژن‌های مرتبط با جابجایی شیردان مجموعه‌ای هماهنگ از مسیرهای متابولیکی، هورمونی و التهابی را تحت تأثیر قرار می‌دهند و شبکه ژنی حاصل دارای یک هسته مرکزی از ژن‌های هاب–گلوگاهی است که نقش تعیین‌کننده‌ای در تنظیم انرژی، سیگنال‌دهی انسولین و پاسخ‌های التهابی ایفا می‌کنند. شناسایی خوشه‌های عملکردی عمده و مسیرهای زیستی کلیدی، از جمله مسیرهای AMPK، PPAR و سیگنال‌دهی هورمونی، نشان می‌دهد که اختلال در تعادل انرژی، مقاومت انسولینی و فرآیندهای مرتبط با التهاب می‌تواند در بروز و پیشرفت جابجایی شیردان نقش محوری داشته باشد. این یافته‌ها با برجسته‌سازی ژن‌های کلیدی مانند INS، IL6، JAK2، IRS1، PPARG، LEP و FASN چارچوبی منسجم برای درک بهتر سازوکارهای مولکولی دخیل در این بیماری فراهم می‌کند و می‌تواند مبنایی برای مطالعات آینده در زمینه شناسایی نشانگرهای زیستی و توسعه راهبردهای مدیریت و تشخیص زودهنگام این اختلال قرار گیرد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
