Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phân tích mạng lưới đáp ứng của sự biểu hiện gen khác biệt trong tế bào biểu mô phổi người trong các nhiễm trùng cúm gia cầm
Tóm tắt
Sự xuất hiện gần đây của virus cúm H5N1 từ các nguồn chứa virus gia cầm đã gây ra mối quan ngại về các chủng cúm trong tương lai có độc lực cao có thể dễ dàng lây nhiễm cho con người. Chúng tôi đã phân tích sự biểu hiện gen khác biệt của tế bào biểu mô phổi để so sánh phản ứng đối với nhiễm H5N1 với một nhiễm trùng nhẹ hơn do virus hợp bào hô hấp (RSV). Dữ liệu biểu hiện gen này sau đó được sử dụng làm hạt giống để tìm kiếm các nút quan trọng bằng cách sử dụng một sự kết hợp mới của cơ sở dữ liệu Gene Ontology và Mạng lưới tương tác gen của con người. Phân tích bổ sung của dữ liệu được thực hiện bằng cách huấn luyện các máy vector hỗ trợ (SVM) với dữ liệu và xem xét các phương hướng của các mặt phẳng tối ưu được tạo ra. Phân tích nhóm gen trong Gene Ontology cho thấy không có sự nhóm gen đáng kể nào đặc trưng cho phản ứng H5N1 sau 8 giờ nhiễm trùng. Tuy nhiên, sau 24 giờ nhiễm trùng, một số cụm gen đáng kể được tìm thấy cho các nút đại diện cho các thuật ngữ "phản ứng miễn dịch" và "phản ứng với virus". Không có cụm gen đáng kể nào trong Gene Ontology cho các thí nghiệm kiểm soát (Giả) hoặc RSV mà là độc lập so với phản ứng H5N1. Các gen được xác định là quan trọng nhất trong việc phân biệt các tế bào nhiễm H5N1 với các điều khiển bằng cách sử dụng SVM cho thấy một mức độ chồng chéo lớn với danh sách các gen điều chỉnh đáng kể. Tuy nhiên, mặc dù không có gen nào trong số này là thành viên của các cụm GO được cho là quan trọng. Đặc điểm của nhiễm H5N1 so với nhiễm RSV cho thấy một số yếu tố phản ứng miễn dịch là đặc trưng cho mỗi nhiễm trùng này. Các yếu tố này bao gồm thời gian trong tế bào nhanh hơn cũng như việc kích hoạt những yếu tố miễn dịch được tập trung hơn. Nhiều gen được tìm thấy có sự biểu hiện đáng kể trong phản ứng H5N1 so với các thí nghiệm kiểm soát không được tìm thấy cụm đáng kể trong Gene Ontology. Tuy nhiên, các gen này thường liên kết chặt chẽ với các gen nhóm thông qua Mạng lưới Con người. Điều này có thể gợi ý rằng cần có nhiều chú thích đa dạng hơn cho các gen này và xác minh hoạt động của chúng trong phản ứng miễn dịch.
Từ khóa
Tài liệu tham khảo
Ideker T, Thorsson V, Ranish JA, Christmas R, Buhler J, Eng JK, Bumgarner R, Goodlett DR, Aebersold R, Hood L: Integrated Genomic and Proteomic Analyses of a Systematically Perturbed Metabolic Network. Science 2001, 292: 929–934. 10.1126/science.292.5518.929
Ashburner M, Ball CA, Blake JA, Botstein D, Butler H, Cherry MJ, Davis AP, Dolinsky K, Dwight SS, Eppig JT, Harris MA, Hill DP, Issel-Tarver L, Kasarskis A, Lewis S, Matese JC, Richardson JE, Ringwald M, Rubin GM, Sherlock G: Gene ontology: Tool for the unification of biology. Nature Genetics 2000, 25: 25–29. [http://www.geneontology.org] 10.1038/75556
Xie H, Wasserman A, Levine Z, Novik A, Grebinskiy V, Shoshan A, Mintz L: Large-Scale Protein Annotation through Gene Ontology. Genome Res 2002, 12: 785–794. 10.1101/gr.86902
Bader GD, Cary MP, Sander C: Pathguide: a pathway resource list. Nucleic Acids Res 2006, 1(34):D504–506. [http://www.pathguide.org] 10.1093/nar/gkj126
Horimoto T, Kawaoka Y: Pandemic Threat Posed by Avian Influenza A Viruses. Clin Microbiol Rev 2001, 14: 129–149. 10.1128/CMR.14.1.129-149.2001
Webby RJ, Webster RG: Are We Ready for Pandemic Influenza? Science 2003, 302(5650):1519–1522. 10.1126/science.1090350
Maines TR, Jayaraman A, Belser JA, Wadford DA, Pappas C, Zeng H, Gustin KM, Pearce MB, Viswanathan K, Shriver ZH, Raman R, Cox NJ, Sasisekharan R, Katz JM, Tumpey TM: Transmission and Pathogenesis of Swine-Origin 2009 A(H1N1) Influenza Viruses in Ferrets and Mice. Science 2009, 325(5939):484–487.
Cristianini N, Shawe-Taylor J: An Itroduction to Support Vector Machines and other kernel-based learning methods. Cambridge, United Kingdom: Cambridge University Press; 2000.
Maere S, Heymans K, Kuiper M: BiNGO: a Cytoscape plugin to assess overrepresentation of Gene Ontology categories in Biological Networks. Bioinf 2005, 21(16):3448–3449. 10.1093/bioinformatics/bti551
Shannon1 P, Markiel A, Ozier O, Baliga NS, Wang JT, Ramage D, Amin N, Schwikowski B, Ideker T: Cytoscape: A Software Environment for Integrated Models of Biomolecular Interaction Networks. Genome Res 2003, 13(11):2498–2504. [http://www.cytoscape.org] 10.1101/gr.1239303
Benjamini Y, Hochberg Y: Controlling the False Discovery Rate: a Practical and Powerful Approach to Multiple Testing. J R Statist Soc B 1995, 57: 289–300.
Yan SF, Fujita T, Lu J, Okada K, Zou YS, Mackman N, Pinsky DJ, Stern DM: Egr-1, a master switch coordinating upregulation of divergent gene families underlying ischemic stress. Nat Medicine 2000, 6: 1355–1361. 10.1038/82168
Grose R, Harris B, Cooper L, Topilko P, Martin P: Immediate Early Genes krox-24 and krox-20 Are Rapidly Up-Regulated After Wouding in the Embryonic and Adult Mouse. Developmental Dynamics 2002, 223: 371–378. 10.1002/dvdy.10064
Hao F, Tan M, Xu X, et al.: Histamine Induces Egr-1 Expression in Human Aortic Endothelial Cells via the H1 Receptor-Mediated Protein Kinase Cδ-Dependent ERK Activation Pathway. The Journal of Biological Chemistry 2008, 283(40):26928–26936. 10.1074/jbc.M803071200
Grembowicz K, Sprague D, McNeil P: Temporary Disruption of the Plasma Membrane Is Requireed for c-fos Expression in Response to Mechanical Stress. Molecular Biology of the Cell 1999, 10: 1247–1257.
Djavani MM, Crasta OR, Zapata JC, Fei Z, Folkerts O, Sobral B, Swindells M, Bryant J, Davis H, Pauza CD, Lukashevich IS, Hammamieh R, Jett M, Salvato MS: Early Blood Profiles of Virus Infection in a Monkey Model for Lassa Fever. J Virol 2007, 81(15):7960–7973. 10.1128/JVI.00536-07
Sarmento L, Afonso C, Estevez C, Wasilenko J, pantin Jackwood M: Differential host gene expression in cells infected with highly pathogenic H5N1 avian influenza viruses. Vet Immunol and Immunopathol 2008, in press. doi:10.1016/j.vetimm.2008.05.021 doi:10.1016/j.vetimm.2008.05.021
Ma S, Grigoryev D, Taylor A, Nonas S, Sammani S, Ye S, Garcia J: Bioinformatic identification of novel early stress response genes in rodent models of lung injury. Am J Physiol Lung Cell Mol Physiol 2005, 289: L468-L477. 10.1152/ajplung.00109.2005
Fan W, Yanase T, Nishi Y, Chiba S, Okabe T, Nomura M, Yoshimatsu H, Kato S, Takayanagi R, Nawata H: Functional Potentiation of Leptin-stat3 Signaling by the Androgen Receptor. Endocrinology 2008. doi:10.1210/en.2009–0431 doi:10.1210/en.2009-0431
Martinerie C, Viegas-Pequignot E, Nguyen V, Perbal B: Chromosomal mapping and expression of the human cyr61 gene in tumor cells from the nervous system. J Clin pathol: Mol Pathol 1997, 50: 310–316. 10.1136/mp.50.6.310
Dayem M, Moreilhon C, Turchi L, Magnone V, Christen R, Ponzio G, Barbry P: Early gene expression in wounded human keratinocytes revealed by DNA microarray analysis. Comparative and Functional Genomics 2003, 4: 47–55. 10.1002/cfg.239
Hubal M, Chen T, Thompson P, Clarkson P: Inflamatory gene changes associated with the repeated-bout effect. Am J Physiol Regul Integr Comp Physiol 2008, 294: R1628-R1637.
Fulcher ML, Gabriel S, Burns KA, Yankaskas JR, Randell SH: Methods in Molecular Medicine. Volume 107. Humana Press Inc, 2005 chap. Well-Differentiated Human Airway Epithelial Cell Cultures; 183–206.
Subramanian A, Tamayo P, Mootha VK, Mukherjee S, Ebert BL, Gillette MA, Paulovich A, Pomeroy SL, Golub TR, Lander ES, Mesirov JP: Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proc Natl Acad Sci USA 2005, 102(43):15545–15550. 10.1073/pnas.0506580102
Kerrien S, Alam-Faruque Y, Aranda B, Bancarz I, Bridge A, Derow C, Dimmer E, Feuermann M, Friedrichsen A, Huntley R, Kohler C, Khadake J, Leroy C, Liban A, Lieftink C, Montecchi-Palazzi L, Orchard S, Risse J, Robbe K, Roechert B, Thorneycroft D, Zhang Y, Apweiler R, Hermjakob H: IntAct Open Source Resource for Molecular Interaction Data. Nucleic Acids Res 2006, 35: D561-D565. 10.1093/nar/gkl958
Linding R, Jensen LJ, Ostheimer GJ, van Vugt MA, Jørgensen C, Miron IM, Diella F, Colwill K, Taylor L, Elder K, Metalnikov P, Nguyen V, Pasculescu A, Jin J, Park JG, Samson LD, Woodgett JR, Russell RB, Bork P, Yaffe MB, Pawson T: Systematic Discovery of In Vivo Phosphorylation Networks. Cell 2007, 129: 1415–1426. 10.1016/j.cell.2007.05.052
Hoffmann R, Valencia A: A gene network for navigating the literature. Nat Genetics 2004, 36: 664. 10.1038/ng0704-664
Stumpf MPH, Thorne T, de Silva E, Steward R, An HJ, Lappe M: Estimating the size of the human interactome. Proc Nat Acad Sci 2008, 105: 6959–6964. 10.1073/pnas.0708078105
Stark C, Breitkreutz BJ, Reguly T, Boucher L, Breitkreutz A, Tyers M: BioGRID: a general repository for interaction datasets. Nucleic Acids Res 2006, 34: D535-D539. 10.1093/nar/gkj109
Cabusora L, Sutton E, Fulmer A, Forst CV: Differential Network Expression During Drug and Stress Response. Bioinformatics 2005, 21(12):2898–2905. 10.1093/bioinformatics/bti440
Cortes C, Vapnik V: Support-Vector Networks. Machine Learning 1995, 20: 273–297.