مطالعه شبکه برهم‎کنش پروتئین-پروتئین بر اساس تغییر بیان ژن‎ ها در بافت طحال مرغان گوشتی آلوده به سویه JS۵-۰۵ از ویروس نیوکاسل

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 9

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_RAP-16-4_003

تاریخ نمایه سازی: 30 بهمن 1404

چکیده مقاله:

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 ۹۰% 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 JS۵-۰۵ 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 احتمالا 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 JS۵-۰۵ بررسی گردید. مواد و روش ‎ها: داده ‎های بیان ژن مربوط به سلول‎ های طحال جوجه‎ های گوشتی آلوده‎ شده با ویروس JS۵-۰۵ (تیمار بیمار، ۳ نمونه) و همچنین جوجه ‎های گوشتی سالم (تیمار کنترل، سه نمونه) از سایت NCBI و پایگاه GEO Expression Omnibus با شماره دسترسی GSE۴۰۱۰۰ 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 < ۰.۰۵ p-value و آمارهLogFC (-۲ < LogFC > +۲) با استفاده از نرم ‎افزار برخط GEO۲R 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 ۳۳۸۱۵ ژن مطالعه‎ شده، ۴۷۲۰ ژن بیان متفاوتی داشتند که از این تعداد، تفاوت بیان ۴۱۴ ژن معنی‎ دار بود ( p< ۰.۰۵ و -۲ < LogFC > +۲ ). این ژن‎ها در یک شبکه تعاملی قرار داشتند که در آن هر ژن در تعامل با سایر ژن ‎ها بود. ۱۰ ژن با اهمیت بیشتر شامل IFIH۱، MX۱، RSAD۲، IFIT۵،.EIF۲AK۲ ، OASL، USP۴۱، DHX۵۸، CMPK۲ و IFI۶ 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 IFIH۱ بود. این ژن پروتئینی درون‎ سلولی به ‎نام MAD۵ 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 هرپس و درضمن مسیرهای فعال در سیستم ایمنی از جمله این مسیرها بودند.   نتیجه گیری: 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.

نویسندگان

فرهاد غفوری کسبی

Department of Animal Science, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran

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 :
  • Alqazlan, N., Astill, J., Raj, S., & Sharif, S. (۲۰۲۲). ...
  • Almeida-Da-Silva, C.L.C., Savio, L.E.B., Coutinho-Silva, R., Ojcius, D.M. (۲۰۲۳). The ...
  • Ashraf, A., & Shah, M. )۲۰۱۴(. Newcastle disease: present status ...
  • Aziz Ali-Abadi۱, F., Darmani Kuhi, H., Mohammadi, M., & Nazaran, ...
  • [In Persian]Barrett, T., Suzek, T.O., Troup, D.B., Wilhite, S.E., Ngau, ...
  • Behboudi, E., & Hamidi Sofiani, V. (۲۰۲۱). Immune responses to ...
  • Bumgarner, R. (۲۰۱۳). Overview of DNA microarrays: types, applications, and ...
  • Del Vesco, A.P., Jang, H.J., Monson, M.S., & Lamont, S.J. ...
  • Diaz-Beneitez, E., Cubas-Gaona, L.L., Candelas-Rivera, O., Benito-Zafra, A., Sánchez-Aparicio, M.T., ...
  • Ge, L., Zhang, Y., Zhao, X., Wang, J., Zhang, Y., ...
  • Ghasemi, M., Ghazvinian, K., Ahmadi Hamedani M., & Kafshdoozan, K. ...
  • Khabiri, A., Toroghi, R., Mohammadabadi, M., & Tabatabaeizadeh, S.E. (۲۰۲۳). ...
  • Kawasaki, T., & Kawai, T. (۲۰۱۴) Toll-Like Receptor Signaling Pathways. ...
  • Kinchen, J.M., & Ravichandran, K.S. (۲۰۰۸). Phagosome maturation: going through ...
  • Li, Y., Cui, Q., Zhou, B., Zhang, J., Guo, R., ...
  • Li, J.J., Yin, Y., Yang, H.L., Yang, C.W., Yu, C.L., ...
  • Mohammadabadi, M.R., Nikbakhti, M., & Mirzaee, H.R. (۲۰۱۰). Genetic variability ...
  • Mohammadifar, A., & Mohammadabadi, M.R. (۲۰۱۸) Melanocortin-۳ receptor (MC۳R) gene ...
  • Mpenda, F.N., Lyantagaye, S.L., & Buza, J. (۲۰۲۰). Association of ...
  • Qing, F., & Liu, Z. (۲۰۲۳). Interferon regulatory factor ۷ ...
  • Rehwinke,l J., & Gack, M.U. (۲۰۲۰). RIG-I-Like Receptors: Their Regulation ...
  • Shannon, P., Markiel, A., Ozier, O., Baliga, N.S., Wang, J.T., ...
  • Sherman, B.T., Hao, M., Qiu, J., Jiao, X., Baseler, M.W., ...
  • Spangler, J. B., Moraga, I., Mendoza, J. L. & Garcia, ...
  • Szklarczyk, D., Kirsch, R., Koutrouli, M., Nastou, K., Mehryary, F., ...
  • Torabi, A., & Roudbari, Z. (۲۰۲۳). Analysis of protein-protein interaction ...
  • Wang, J., Lin, Z., Liu, Q., Fu, F., Wang, Z., ...
  • Wang, L., Xue, Z., Wang, J., Jian, Y., Lu, H., ...
  • Wilden, H., Fournier, P., Zawatzky, R. & Schirrmacher, V. (۲۰۰۹). ...
  • Yang, X., Arslan, M., Liu, X., Song, H., Du, M., ...
  • Yang, C., Liu, F., Chen, S., Wang, M., & Jia, ...
  • Yu, L., & Liu, P. (۲۰۲۱). Cytosolic DNA sensing by ...
  • Zhang, B., Liu, X., Chen, W., & Chen, L. (۲۰۱۳). ...
  • Zhng, D., Ding, Z., & Xu, X. (۲۰۲۳). Pathologic mechanisms ...
  • Zvara, Á., Kitajka, K., Faragó, N., & Puskás, L.G. (۲۰۱۵). ...
  • نمایش کامل مراجع