اخبار و اعلانات

 آمار

تعداد نشریات286
تعداد نشریات سازمان84
تعداد شماره‌ها2,941
تعداد مقالات33,194
تعداد مشاهده مقاله43,833,815
تعداد دریافت فایل اصل مقاله20,344,183
توپا, محمدرضا, روشنفکر, هدایت اله, نظری, محمود. (1401). پیش‌بینی میکرو RNA‌های موثر بر مسیر گیرنده‌های فعال کننده تکثیر پراکسیزوم (PPARs) در مرغ گوشتی. سامانه مدیریت نشریات علمی, 35(3), 2-11. doi: 10.22092/vj.2021.355450.1883
محمدرضا توپا; هدایت اله روشنفکر; محمود نظری. "پیش‌بینی میکرو RNA‌های موثر بر مسیر گیرنده‌های فعال کننده تکثیر پراکسیزوم (PPARs) در مرغ گوشتی". سامانه مدیریت نشریات علمی, 35, 3, 1401, 2-11. doi: 10.22092/vj.2021.355450.1883
توپا, محمدرضا, روشنفکر, هدایت اله, نظری, محمود. (1401). 'پیش‌بینی میکرو RNA‌های موثر بر مسیر گیرنده‌های فعال کننده تکثیر پراکسیزوم (PPARs) در مرغ گوشتی', سامانه مدیریت نشریات علمی, 35(3), pp. 2-11. doi: 10.22092/vj.2021.355450.1883
توپا, محمدرضا, روشنفکر, هدایت اله, نظری, محمود. پیش‌بینی میکرو RNA‌های موثر بر مسیر گیرنده‌های فعال کننده تکثیر پراکسیزوم (PPARs) در مرغ گوشتی. سامانه مدیریت نشریات علمی, 1401; 35(3): 2-11. doi: 10.22092/vj.2021.355450.1883

پیش‌بینی میکرو RNA‌های موثر بر مسیر گیرنده‌های فعال کننده تکثیر پراکسیزوم (PPARs) در مرغ گوشتی

تحقیقات دامپزشکی و فرآورده‌های بیولوژیک
مقاله 1، دوره 35، شماره 3، مهر 1401، صفحه 2-11    اصل مقاله (2.31 M)
نوع مقاله: مقاله کامل
شناسه دیجیتال (DOI): 10.22092/vj.2021.355450.1883
نویسندگان
محمدرضا توپا؛ هدایت اله روشنفکر؛ محمود نظری*
گروه علوم دامی، دانشکده علوم دامی و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران
چکیده
کاهش چربی محوطه شکمی از اهداف مهم اصلاح نژاد طیور گوشتی است. مسیر گیرنده‌های فعال کننده تکثیر پراکسیزوم (PPARs) نقش مهمی در تجمع چربی ایفا می‌کند. این مسیر شامل گروهی از پروتئین‌های گیرنده هسته‌ای هستند که نقش اساسی در تکثیر، تمایز سلولی و متابولیسم دارند. بنابراین، شناسایی هر چه بهتر ژن‌های دخیل بر این مسیر اهمیت دارد. این تحقیق به منظور پیش‌بینی میکرو RNA های موثر بر مسیر گیرنده‌های فعال‌کننده تکثیر پراکسیزوم با هدف کاهش تجمع چربی در مرغ گوشتی انجام شد. پس از دریافت فایل ژنوم رفرنس مرغ (GRCg6a) از پایگاه داده Ensemble و وارد نمودن آن در پایگاه اطلاعاتی KEGG، تعداد ۶۸ ژن دخیل در مسیر سیگنالینگ PPAR شناسایی شد. سپس شبکه ژنی با استفاده از پایگاه داده استرینگ ترسیم شد. علاوه بر این، تجزیه و تحلیل شبکه برهمکنش پروتئینی با استفاده از نرم‌افزار سایتواسکیپ انجام گردید. بر اساس شاخص‌های مرکزیت (شامل مرکزیت درجه، بینابینی و نزدیکی) ارائه شده توسط نرم‌فزار سایتواسکیپ ژن‌های ACOX1، PPARA ،LPL،FABP3 ،CPT1A ،EHHADH ، SCD و PPARGC1 به عنوان تاثیرگذار‌ترین ژن‌های مسیر سیگنالینگ PPAR انتخاب گردیدند و با استفاده از پایگاه‌های داده miRBase و Targetscan، میکرو RNA های متناظر با این ژنها شناسایی شدند. در نهایت، پیش بینی ژن هدف و رسم شبکه میانکنش پروتئین- میکروRNA‌ توسط پایگاه داده Mirnet انجام شد. نتایج نشان داد میکرو RNA ی gga-mir-1759-3p بر سه ژن CPT1A، LPL و PPARGC1A تاثیرگذار است. شاید با بکارگیری این میکرو RNA بتوان میزان تجمع چربی را در طیور گوشتی کاهش داد. 
کلیدواژه‌ها
مسیر PPAR؛ چربی؛ مرغ گوشتی؛ میکرو RNA
عنوان مقاله [English]
Prediction of microRNAs affecting genes involved in Peroxisome proliferator-activated receptors (PPARs) signaling pathway in broilers
نویسندگان [English]
Mohamad Reza Toopa؛ Hedaiatollah Roshanfekr؛ Mahmood nazari
Department of Animal Science, Faculty of Animal Science and Food Technology, Agricultural science and Natural Resources University of Khuzestan, Mollasani, Iran
چکیده [English]
Chicken is one of the most important sources of meat in human societies. One of the important goals of broiler breeding is to reduce the accumulation of fat in broilers. The pathways of peroxisome proliferative activating receptors (PPARs signal pathway) play an important role in fat accumulation. This pathway includes a group of nuclear receptor proteins that play a key role in proliferation, cell differentiation, and metabolism (carbohydrates, lipids, proteins). Therefore, it is important to identify the genes involved in this pathway. This study was performed to predict the microRNAs affecting the peroxisome proliferator receptors (PPARs) with the aim of reducing fat accumulation in broilers. Analysis of the chicken genome reference file in the KEGG database led to the identification of 68 genes involved in the signaling pathway (PPAR). Then, the gene network is drawn by using a STRING network. In addition, protein interaction network analysis was performed using Cytoscape software. Eight genes ACOX1, PPARA, LPL, FABP3, CPT1A, EHHADH, SCD, and PPARGC1 were selected as the most influential genes of the PPAR signaling pathway based on centrality indices (including degree centrality, betweenness centrality, closeness centrality) provided by Cytoscape software. Also, the microRNAs corresponding to these genes was identified using databases: MIRdb and Targetscan. Finally, the MirNet network was utilized for the prediction of target genes and drawing a protein-microRNA interaction network. The results showed that gga-mir-1759-3p affects three genes CPT1A, LPL, and PPARGC1A. Perhaps using this micro-RNA can reduce the accumulation of fat in broiler.                                
کلیدواژه‌ها [English]
PPAR signaling pathway, Broiler, Fat accumulation, MicroRNA
مراجع

1.Ahmadian, M., J.M. Suh, N. Hah, C. Liddle, A.R. Atkins, M. Downes and R.M. Evans. 2013. PPARγ signaling and metabolism: the good, the bad and the future. Nature Medicine 19 (5): 557–66.
2.Alao, S.J. and O. Balnave. 1985. Nutritional significance of different fat sources for growing broilers. Poultry Science 64: 1602-1604.
3.Ambros, V. 2004. The functions of animal microRNAs. Nature Journal 431 (7006): 350-355.
4.Bartel, D. 2004. MicroRNAs: genomics, biogenesis, mechanism, and function. Cell Journal 116 (2): 281-297.
5.Bartel, D. 2009. MicroRNAs: target recognition and regulatory functions. Cell Journal 136 (2): 215-233.
6.Fang, G., X. Jia, H. Li, S. Tan, Q. Nie, H. Yu, Y. Yang. 2018. Characterization of microRNA and mRNA expression profiles in skin tissue between early-feathering and late-feathering chickens. BMC Genomics 19(1): 399.
7.Ferguson, L. R. 2009. Nutrigenomics approaches to functional foods. Journal of the American dietetic association 109(3): 452-458.

8.Hicks, J., N. Trakooljul and H. Liu. 2010. Discovery of chicken microRNAs associated with lipogenesis and cell proliferation. Physiological Genomics 41 (2): 185-193.
9.Houseknecht, K. L., B.M. Cole and P.J. Steele. 2002. Peroxisome proliferator-activated receptor gamma (PPARγ) and its ligands: a review. Domestic animal endocrinology 22(1): 1-23.
10.Huang, Y., R. Liu G. Zhao, Q. Li, M. Zheng, J. Zhang, S. Li, Z. Liang and J. Wen. 2015. Integrated analysis of microRNA and mRNA expression profiles in abdominal adipose tissues in chickens. Scientific Reports 5: 1-14.
11.Kang, L., X. Cui, Y. Zhang, C. Yang and Y. Jiang. 2013. Identification of miRNAs associated with sexual maturity in chicken ovary by Illumina small RNA deep sequencing. BMC Genomics 14: 352-363.
12.Khatri, B., S. Seo, S. Shouse, J. Hoon Pan, N. Hudson, J. Kim, W. Bottje and B. Kong. 2018. MicroRNA profiling associated with muscle growth in modern broilers compared to an unselected chicken breed. BMC Genomics 19 (1): 683-693.
13.Kosourukoff, A. 2011. Social Network Analysis: Theory and Applications, Pediapress. Available online at: http://www.asecib.ase.ro/mps/SocNet_TheoryApp.pdf. Accessed 03 Jan 2011.
14.Li, G., S.H. Fu, Y. Chen, W. Jin, B. Zhai, Y. Li, G. Sun, R. Han, Y. Wang, Y. Tian, H. Li and X. Kang. 2019. MicroRNA-15a Regulates the Differentiation of Intramuscular Preadipocytes by Targeting ACAA1, ACOX1 and SCP2 in Chickens. International Journal of Molecular Sciences Journal 20 (16): 4063-4076.
15.Michalik, L., B.A. Desvergne and W. Wahli. 2003. Peroxisome proliferator-activated receptors b/d: emerging roles for a previously neglected third family member. Current Opinion in Lipidology 14 (2): 129-135.
16.Saleh, E.A., S.E. Watkins, A.L. Waldroup and P.W. Waldroup. 2004. Effects of dietary nutrient density on performance and carcass quality of male broilers grown for further processing. International Journal of Poultry Science 3(1): 1-10.
17.Shannon, P., A. Andrew Markiel, O. Ozier, N. Baliga, J. Wang, D. Ramage, N. Amin, B. Schwikowski and T. Ideker. 2003. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome research 13: 2498-2504.
18.Wang, X., F. Shao, H. Wang, L. Yang, J. Yu, J. Gong and J. Gu. 2013. MicroRNA-126 expression is decreased in cultured primary chicken hepatocytes and targets the sprouty-related EVH1 domain containing 1 mRNA. Poultry Science 92 (7): 1888-1896.
19.Yang, J., X. Huang, Y. Liu, D. Zhao, K. Han, L. Zhang, Y. Li and Q. Liu. 2020. Analysis of the microRNA expression profiles of chicken dendritic cells in response to H9N2 avian influenza virus infection. Veterinary Research 51 (1):132.
20.Zhang, J., Q. Wang, X. Zhao, L. Wang, Wang, J. Wang, B. Dong and D. Gong. 2018. MicroRNA-122 targets genes related to goose fatty liver. Poultry Science 97 (2): 643-649.

 

آمار
تعداد مشاهده مقاله: 422
تعداد دریافت فایل اصل مقاله: 497


counter
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب