پیش بینی و تایید in silico ریزRNA ها در بافت های مختلف گوسفند با منشا کروموزوم20

پژوهشهای علوم دامی ایران

مقاله 3، دوره 11، شماره 2 - شماره پیاپی 38، تیر 1398، صفحه 233-245   

نوع مقاله: علمی پژوهشی- ژنتیک و اصلاح دام و طیور

شناسه دیجیتال (DOI): 10.22067/ijasr.v1397i1.74619

نویسندگان

وحیده عباسی¹؛ محمدرضا نصیری²؛ علی جوادمنش^{* 1}

¹گروه علوم دامی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران.

²گروه علوم دامی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

چکیده

در سال­های اخیر با روشن­شدن اهمیت ریزRNAها در فرآیندهای حیاتی بدن موجودات زنده، شناسایی ژن­های ریزRNA اهمیت زیادی پیدا کرده­است از سویی دیگر روش­های بیوانفورماتیکی نیز گسترش یافته و سبب شده تا روند شناسایی ریزRNAها با سرعت بیشتر و هزینه­ی کمتری پیش برود. تحقیقات در سال­های اخیر بر روی گونه­های زیادی از جمله انسان و موش و همچنین حیوانات اهلی از قبیل گاو و بز و مرغ باعث­شده تا در این گونه­ها ریزRNAهای زیادی گزارش شود با این حال در گونه­ی گوسفند هنوز اطلاعات نسبتا کمی وجود ­دارد. در این مطالعه پس از پیش­بینی ریزRNAهای کروموزوم 20 گوسفند، جهت تایید با اورتولوگ­ها در سایر گونه­ها مقایسه و در نهایت برای بررسی بیان از داده­های ترنسکریپتوم گوسفند استفاده شد همچنین در این تحقیق برای ارزیابی روش مورد استفاده از داده­های شاهد مثبت استفاده شد. با استفاده از این روش در کل 400 ریز RNA و از این تعداد 81 ریزRNA جدید در کروموزوم 20 گوسفند پیش­بینی شدند. بررسی ترنسکریپتوم نشان داد که از این تعداد 33 ریزRNA فقط در بافت عضله، 10 ریزRNA فقط در بافت کبد، 35 ریزRNA در هر دو بافت کبد و ماهیچه و 3 ریزRNA نیز در مخلوط بافت­های قلب، کلیه، مغز، تخمدان، پوست، چربی سفید و ریه بیان شدند. مقایسه با پایگاه داده miRbase مشخص کرد که تعداد 64 ریزRNA از ریزRNAهای پیدا شده برای اولین بار گزارش شدند. حساسیت و دقت انتخاب این روش برابر 67 و 95 درصد ارزیابی شد و از این رو می­توان گفت این روش می­تواند به عنوان مکمل روش­های پیش­بینی ریزRNA اطلاعات ارزشمندی را فراهم کند. از این روش می توان برای پیش بینی ریزRNAها در سایر کروموزوم های گوسفند و یا در سایر پستانداران استفاده نمود.

کلیدواژه‌ها

روش از آغاز؛ بیوانفورماتیک؛ ریزRNAها؛ گوسفند

مراجع

1- Abba, M., N. Patil, and H. Allgayer. 2014. MicroRNAs in the Regulation of MMPs and Metastasis. Cancers, 6: 625 645.

2- Barozai, M. Y. Kh. 2012. The novel 172 sheep (Ovis aries) microRNAs and their targets. Molecular Biology Reproduction, 39:6259–6266.

3- Bartel, D. P. 2004. MicroRNAs: genomics, biogenesis, mechanism, and function. Cell, 116: 281-297.

4- Berezikov, E., E. Cuppen, and R. H. Plasterk. 2006. Approaches to microRNA discovery. Nature Genetics, 38 (Suppl: S2) 7.

5- Chen, C. Z., L. Li, H. F. Lodish, and D. P. Bartel. 2004. MicroRNAs modulate hematopoietic lineage differentiation. Science, 303: 83–86.

6- Grundhoff, A., C. S. Sullivan, and D. Ganem. 2006. A combined computational and microarray-based approach identifies novel microRNAs encoded by human gamma-herpesviruses. RNA, 12: 733–750.

7- Hansen, T., T. V. Morten, K. Jorgen, and K. D. Christian. 2014. miRdentify: high stringency miRNA predictor identifies several novel animal miRNAs. Nucleic Acids Research, 42(16): e124.

8- Hertel, Ja., Stadler, and P. 2006. Hairpins in a Haystack: Recognizing microRNA Precursors in Comparative Genomics Data. 22(14): e197-202.

9- Huang, T.H., Fan, B., Rothschild, M.F., Hu, Z.L., Li, K., Zhao, and Sh.H. 2007. MiRFinder: an improved approach and software implementation for genome wide fast microRNA precursor scans. BMC Bioinformatics, 8: 341.

10- Li, S. C., Pan, C. Y., Lin, and W. Ch. 2006. Bioinformatic discovery of microRNA precursors from human ESTs and introns. BMC Genomics, 7:164.

11- Miska, E. A., Alvarez Saavedra, E., Townsend, M., Yoshii, A., Sestan, N., Rakic, P., Constantine Paton, M., and Horvitz, H. R. 2004. Microarray analysis of microRNA expression in the developing mammalian brain. Genome Biol, 5: R68.

12- Rodriguez, A., Griffiths Jones, S., Ashurst, J. L., and Bradley, A. 2004. Identification of mammalian micro RNA host genes and transcription units. Genome Res, 14: 1902 1910.

13- Sadeghi, B., Ahmadi, H., Azimzadeh Jamalkandi, S., Nassiri, M. R., and Masoudi Nejad, A. 2014. BosFinder: a novell pre microRNA gene prediction algorithm in Bos taurus. Animal Genetics, 45(4): 479-84.

14- SantaLucia, J. Jr. 1998. A unified view of polymer, dumbbell, and oligonucleotide DNA nearest-neighbor thermodynamics. Proceedings of National Academy of Science USA, 95: 1460-1465.

15- Sewer, A., N. Paul, P. Landgraf, A. Aravin, S. Pfeffer, M. J. Brownstein, Th. Tuschl, E. Nimwegen, and M. Zavolan. 2005. Identification of clustered microRNAs using an ab initio prediction method. BMC Bioinformatics, 6: 267.

16- Sheng, X., X. Song, Y. Yu, L. Niu, Sh. Li, H. Li, C. Wei, T. Liu, L. Zhang, and L. Du. 2011. Characterization of microRNAs from sheep (Ovis aries) using computational and experimental analyses. Molecular Biology of Reproduction, 38(5): 3161–3171.

17- Stark, A., P. Kheradpour, L. Parts, J. Brennecke, E. Hodges, G. J. Hannon, and M. Kellis. (2007). Systematic discovery and characterization of fly microRNAs using 12 Drosophila genomes. Genome Research, 17: 1865–1879.

18- Tempel, S., and F. Tahi. 2012. A fast ab initio method for predicting miRNA precursors in genomes. Nucleic Acids Research, 40(11): e80.

19- Tyagi, S., C. Vaz, V. Gupta, R. Bhatia, S. Maheshwari, A. Srinivasan, and A. Bhattacharya. 2008. CID-miRNA: a web server for prediction of novel miRNA precursors in human genome. Biochemical and Biophysical Research Communications, 372: 831–834.

20- Wu, Y., B. Wei, H. Liu, and T. Li, and S. Rayner. 2011. MiRPara: a SVM based software tool for prediction of most probable microRNA coding regions in genome scale sequences. BMC Bioinformatics, 12: 107.

21- Zhao, Y., J. F. Ransom, A. Li, V. Vedantham, M. Drehle, A. N. Muth, T. Tsuchihashi, MT. McManus, R. J. Schwartz, and D. Srivastava. 2007. Dysregulation of cardiogenesis, cardiac conduction, and cell cycle in mice lacking miRNA 1–2. Cell, 129: 303–317.