مدل سازی شبکه ژنی و کاوشگری در برخی از بافت های گونه گاو با استفاده از داده های ریزآرایه DNA

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 371

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJAS-49-2_012

تاریخ نمایه سازی: 6 خرداد 1399

چکیده مقاله:

هدف از این پژوهش، شناسایی ژن ها و کاوشگرهای هاب ناشی از ایجاد شبکه های بیزی در داده­های بیان ژن  و کاوشگری در بافت های مختلف گونه گاو با استفاده از داده های ریزآرایه DNA بود. با استفاده از داده­های خام بیان ژن و کاوشگری در هر بافت، ژن ها و کاوشگرهایی که عامل بیشترین میزان واریانس بیان ژن بودند، شناسایی شده و سپس شبکه بیزی، برای آن ها برازش داده شد. ژن­ها و کاوشگرهای هاب با استفاده از نسبت فراسنجه­های درجه درون و بیرون شناسایی شدند. اندازه پوشش مارکفی در شبکه­های مختلف متفاوت بود که به احتمال بیانگر وجود زیرساختارهای ساختارشناختی (توپولوژیکی) برای شبکه­های یادشده در بافت­های مختلف است. در روش شبکه ژن محور­، در بافت ماهیچهCBR1 ،LOC788826 ، در بافت پستانیNID2 ، COL5A2، LOC616942،FXYD3 ، در بافت کبدی LOC100132279،MGC127133 ، MBOAT2،CLDN2 ، ANKRD1، در بافت رحم IGFBP1، DGAT2، CKMT1، ISG15، CKMT1 و در بافت تخمدانLOC286871  وINHBA  به عنوان ژن های هاب شناسایی شدند. هم­چنین در روش ایجاد شبکه کاوشگر محور، مشخص شد که دو ژن JSP.1 و BOLA-DQB در بافت­های کبد و رحم فعال هستند. ولی این ژن­ها در روش ژن محور در ایجاد شبکه ژنی به عنوان ژن هاب استخراج نشدند.

کلیدواژه ها:

نویسندگان

امین مرتضوی

دانشجوی دکتری، ژنتیک و اصلاح دام، گروه علوم دامی، دانشگاه کردستان، سنندج، ایران

امیر رشیدی

استاد، ژنتیک و اصلاح دام، گروه علوم دامی، دانشگاه کردستان، سنندج، ایران

مصطفی قادری- زفره ئی

استادیار زیست سامانه های محاسباتی، گروه علوم دامی دانشگاه یاسوج، یاسوج، ایران

پرهام مرادی

دانشیار رایانه، گروه مهندسی کامپیوتر، دانشگاه کردستان، سنندج، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alexandre, P. A., Kogelman, L. J., Santana, M. H., Passarelli, ...
  • Chang, H.-H. & Mcgeachie, M. (2011). Phenotype prediction by integrative ...
  • Csardi, G. & Nepusz, T. (2006). The igraph software package ...
  • Elo, L. L., Lahti, L., Skottman, H., Kyläniemi, M., Lahesmaa, ...
  • Fortes, M., Snelling, W., Reverter, A., Nagaraj, S., Lehnert, S., ...
  • Friedman, N. (2004). Inferring cellular networks using probabilistic graphical models. ...
  • Gene Expression Omnibus. (2017). NCBI: National Center for Biotechnology Information, ...
  • Ghaderi-Zefrehei, M., Dolatabady, M. & Rowghani, E. (2015). Simple gene ...
  • Girard, A., Dufort, I., Douville, G. & Sirard, M. A. ...
  • Hageman, R. S., Leduc, M. S., Korstanje, R., Paigen, B. ...
  • Kent, W. J., Sugnet, C. W., Furey, T. S., Roskin, ...
  • Kogelman, L. J., Cirera, S., Zhernakova, D. V., Fredholm, M., ...
  • Komolka, K., Ponsuksili, S., Albrecht, E., Kühn, C., Wimmers, K. ...
  • Langfelder, P. & Horvath, S. (2008). WGCNA: an R package ...
  • Liu, F., Zhang, S.-W., Guo, W.-F., Wei, Z.-G. & Chen, ...
  • Malovini, A., Nuzzo, A., Ferrazzi, F., Puca, A. A. & ...
  • Milchevskaya, V., Tödt, G. & Gibson, T. J. (2017). A ...
  • Nagarajan, R., Scutari, M. & Lèbre, S. (2013). Bayesian networks ...
  • Ramayo-Caldas, Y., Fortes, M. R. S., Hudson, N. J., Porto-Neto, ...
  • Rebhan, M., Chalifa-Caspi, V., Prilusky, J. & Lancet, D. (1997). ...
  • Sachs, K., Perez, O., Pe er, D., Lauffenburger, D. A. ...
  • Scutari, M. (2014). Bayesian network constraint-based structure learning algorithms: Parallel ...
  • Sherif, F. F., Zayed, N. & Fakhr, M. (2015). Discovering ...
  • Stalteri, M. A. & Harrison, A. P. (2007). Interpretation of ...
  • Stingo, F. C., Swartz, M. D. & Vannucci, M. (2015). ...
  • Verardo, L., Lopes, M., Wijga, S., Madsen, O., Silva, F., ...
  • Weber, K. L., Welly, B. T., Van Eenennaam, A. L., ...
  • نمایش کامل مراجع