Krooninen sairaus

tiivistelmä

Patofysiologinen mekanismit lihavuuden kehittymiseen ja aineenvaihdunnan sairaudet eivät ole hyvin ymmärretty. Saadakseen paremman käsityksen geneettiseen välittäjiä liittyvät puhkeamiseen ja etenemiseen ruokavalion aiheuttama ylipaino ja aineenvaihdunnan sairauksiin, tutkimme molekyylitason muutoksia vastauksena runsasrasvainen ruokavalio (HFD) käyttämällä tila-of-toiminnan verkon tunnistus (MNI) analyysi. Oligo DNA-siru analyysi suoritettiin sisäelinten ja ihonalaisen rasvakudosta ja lihakset C57BL /6N hiirille syötettiin normaalia ruokavaliota tai HFD 2, 4, 8 ja 12 viikkoa. Kukin näistä tietojen tiedustellessa vastaan ​​MNI algoritmin, ja luettelot top 5 korkealle rankattu geenit ja geeni ontologian (GO) -annotated väyliä, joita on huomattavasti yliedustettuina 100 korkein geenejä kussakin aikapisteessä on 3 eri kudoksissa hiirten ruokki HFD otettiin huomioon tässä tutkimuksessa. 40 korkein geenejä tunnistettiin MNI analyysin kunakin ajankohtana eri kudoksissa hiirten ruokavalioon aiheuttama lihavuus tehtiin klustereiden perustuu niiden ajallinen kuvioita. Pohjalta edellä mainittujen tulosten tutkimme peräkkäinen induktion erillisten hajureseptorien ja stimulaatio syöpään liittyvien geenien aikana lihavuuden kehittymiseen sekä rasvakudoksesta ja lihaksia. Top 5 geenit kirjataan käyttäen MNI analyysin kunakin ajankohtana ja geeni klusterin tunnistaa perustuen niiden ajallista kuvioita perifeerisissä kudoksissa hiirten tarjotaan uusia ja usein yllättäviä oivalluksia mahdollisia geneettisiä välittäjinä lihavuuden etenemiseen.

Citation : Choi Y, Hur CG, Park T (2013) induktio Hajuaisti ja syöpään liittyvien geenien hiirillä Fed runsasrasvainen ruokavalio arvioimana kautta Mode-of-Action Network Identification Analysis. PLoS ONE 8 (3): e56610. doi: 10,1371 /journal.pone.0056610

Editor: Richard L. Eckert, University of Maryland School of Medicine, Yhdysvallat

vastaanotettu: 02 elokuu 2012; Hyväksytty: 15 tammikuu 2013; Julkaistu: 26 maaliskuu 2013

Copyright: © 2013 Choi et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoitus: Tämä työ tukivat National Research Foundation of Korea (NRF) se rahoitettiin Korean hallitus (MEST) (nro 2012-0000643). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

mikrosiruanalyysi on mahdollistanut kokonaisten-genomin ilmentymisen profilointi ymmärtää olevien mekanismien lihavuuden ja metabolisen komplikaatiot sekä tunnistaa keskeiset geneettisen välittäjiä. Tilastollinen lähestymistapoja käytetään analysoida microarray tietoja voidaan jakaa 2 pääryhmään: menetelmiä, jotka tunnistavat eri tavalla ilmaistuna geenejä [1], [2], ja ne, jotka luokitellaan geenit mukaan funktionaalisen riippuvuuden (esim hierarkkinen klusterointi) [3]. Vaikka mikrosiruanalyysi on saatu lupaavia tuloksia, se ei ole kovin käytännöllinen menetelmä ottaen huomioon, että geenien tunnistaminen vaikuttaa suoraan ehto on vaikea päässä satoja tuhansia geenejä, jotka ilmentävät muutoksia ilme. Tämän ongelman voittamiseksi, Berneardo et ai. kehitti mallipohjaisuus joka tarkasti erottaa yhdiste tavoitteet välillisten hoitovasteen [4]. Tämä lähestymistapa, nimittäin tila-of-toiminnan verkon tunnistus (MNI), liittyy reverse engineering verkon mallin sääntelyn vuorovaikutusta organismi kohteisiin käyttämällä koulutusta aineisto on koko genomin ekspressioprofiileja. MNI algoritmi on sovellettu menestyksekkäästi tunnistamaan taudin välittäjäaineita sekä lääkekohteita tutkimalla geenien ilmentyminen tietoja hiivasta [4], ihmisille (A. Ergun ja JJ Collins, julkaisematon data), bakteerit ja muut eliöt (XH, julkaisematon data).

Differential ilmaisua voidaan tarkastella staattinen tai ajallinen näkökulmasta. Staattisessa kokeessa paneelit saadaan riippumatta ajasta, lähinnä vedoksen geenin ilmentymisen. Toisaalta, on ajallinen kokeessa, taulukot kerätään tietyltä ajalta, helpottaa tutkimus dynaaminen käyttäytyminen geenin ilmentymisen. Useimmat aiemmin saadut mikrosirujen aineistoja olivat staattisia, eli saadut tulokset perusteella mittauksen geeniekspression yhdellä kertaa pisteen [5]. Koska geenin ilmentymisen säätelyyn on dynaaminen prosessi, on tärkeää tunnistaa ja luonnehtia muutoksia geenien ilmentymistä ajan myötä. Siksi lukuisia aikasarjoja microarray kokeiluja on tehty tutkia tällaisten biologisten prosessien kuten abioottisten stressin, sairauden etenemisen ja lääkevasteita [6] – [8].

mikrosiruanalyysi tutkimiseen mekanismeista lihavuus oli raportoi ensimmäisenä Soukas

et al

. vuonna 2000 [9]. He käyttivät noin 6500 hiiren geenien paria rasvakudoksesta in

ob /ob

hiiriä ja villityypin laiha hiirillä. Sen jälkeen, monet tällaiset tutkimukset tehtiin: yli 30 microarray lähestymistapoja on käytetty hyväksi arvioitaessa muutoksia geenien ilmentymistä rasvakudoksesta, maksan, hypotalamus, luustolihaksiin, ohutsuolessa, ja munuaiset laiha ja lihavilla eläimillä tai ihmisillä. Usein rajoitus näistä tutkimuksista on, että ne eivät ole aikaerotteisissa eivätkä välttämättä tarjoa tietoa päätepiste tai sairauden vaiheessa. Huomattavasti vähemmän tiedetään avain geneettisestä välittäjiä HFD aiheuttaman liikalihavuuden ja dynamiikan muutosten metabolisia prosesseja, jotka liittyvät tämän ehdon. Saadakseen paremman käsityksen geneettiseen välittäjiä liittyvät puhkeamiseen ja etenemiseen ruokavalion aiheuttama ylipaino ja aineenvaihdunnan sairauksiin, tutkimme molekyylitason muutoksia vastauksena HFD käyttäen integroiva aikaerotteista lähestymistapa.

Materiaalit ja menetelmät

Ethics selvitys

Kaikki eläinkokeet suoritettiin mukaisesti Korean Food and Drug Administration (KFDA) ohjeet. Pöytäkirjat tarkistettiin ja hyväksyttiin Institutional Animal Care ja Käytä komitea (IACUC) on Yonsei Laboratory Animal Research Center (YLARC) (Permit #: 2011-0061). Kaikki hiiret pidettiin erityisen patogeenittomassa laitos on YLARC.

Eläimet ja ruokavaliot

Viisi viikkoa vanhoja C57BL /6N hiiret saatiin Orient Bio (Gyeonggi-do, Etelä-Korea). Kaikki Eläimiä pidettiin erityinen patogeenittomassa olosuhteet, joissa 21 ± 2,0 ° C: n lämpötilassa, 50 ± 5% suhteellisessa kosteudessa ja 12 h-valo /12 h-pimeä sykli. Vuodesta viikkoa ennen ruokavalio interventio aloitettiin, kaikki eläimet ruokittiin standardin Chow. Alussa tutkimuksen, hiiret jaettiin 2 ryhmään: (1) kontrolliryhmä syötettiin tavanomaista ruokavaliota (ND, n = 40) ja (2) ryhmä ruokittu rasvainen ruokavalio (HFD, n = 40). Hiiret tarjotaan ruokaa ja vettä

halun

. Kehon paino ja ravinnon seurattiin koko tutkimuksen ajan. 2, 4, 8, ja 12 viikkoa sen jälkeen, kun tutkimuksen aloittamista, 10 eläintä kustakin ryhmästä tapettiin. Kudokset olivat snap-jäädytettiin välittömästi nestemäisessä typessä ja säilytettiin -80 ° C: ssa, kunnes jatkokäsittelyä.

RNA varten mikrosiruanalyysi

Yhteensä-RNA eristettiin lisäkiveksen ja ihonalaisen rasvan kudosten ja gastrocnemius lihas kunkin hiiren käyttämällä Trizol (Invitrogen, CA, USA), mukaisesti valmistajan suositusten mukaisesti. Pitoisuudet ja puhtaus RNA-näytteet määritettiin käyttäen Nano Drop ND-1000 spektrofotometrillä (Nano Drop Technologies, Inc., Wilmington, DE, USA). RNA valmisteita katsottiin soveltuvan array hybridisaation vain, jos näytteet osoittivat ehjiä 18S ja 28S rRNA bändejä ja näyttöön ei kromosomi huippuja tai RNA hajoamistuotteita. Eheyden RNA-näytteet määritettiin käyttäen Bioanalyzer 2100 System (Agilent Technologies, Palo Alto, CA, USA).

Reaaliaikainen kvantitatiivinen PCR

Reaaliaikainen PCR-monistus suoritettiin SYBR Premix Ex Taq (Takara, Kioto, Japani) on Light Cycler 2 (Roche Applied Science, Indianapolis, USA). Ensimmäinen alkudenaturaatio oli 95 ° C: ssa 10 s, mitä seurasi 40 monistussykliä 95 ° C: ssa 3 s ja 60 ° C: ssa 40 s. mRNA: n ekspressio määritettiin käyttäen suhteellisen standardikäyrän menetelmää ja normalisoitiin housekeeping-geeni. Alukkeet (sense ja antisense, vastaavasti) olivat seuraavat: Gli2, 5′-GCC AAC CAG AAC AAG CAG AA-3 ’, 5′-CGC TTA TGA ATG GTG ATG GG -3′; Gucy2c, 5’- GTG CGG TTA CTG CTC TTC CA -3 ’, 5’TTG TCC ATC ATC AGG ACG CT -3′; Olfr1181, 5’- CCT GAC AGT CAT GGC CTT TG -3 ’, 5’ACC CAG GAA GCC CAG ATA AA -3′; Atp8b3, 5’- GTT TGA GCA GGA TGT GAC CG -3 ’, 5’GGC TTG CAT GAA AAT GCT GT -3′; Tmem46, 5’- TTT TCC AGC AGC AGG AGC TA -3 ’, 5’GCT GAG GAG AAA AGG GAT GC -3′; Pthr2, 5’- ATG CAA GGG AGA AAC CCA TC -3 ’, 5’TAG ATC CTC CCA CAC AGC CA -3′; Cdh7, 5’- TGG ACT GGG CAT TTT CAA GA -3 ’, 5’GGG GAT CAG CAT CTC GAT TT -3′; Mep1b, 5’- GAT GGC CAC ATA CCA TTC CA -3 ’, 5’TAA GGC GAT AGC GCT CAA AA -3′; Lamc3, 5’- GAC ATG GGC TCT TGC TAC GA -3 ’, 5’CGT TCT CGA ACT CAG GCA GA -3′; GAPDH, 5’- GGA GAT TGT TGC CAT CAA CG -3 ’, 5’TTT GCC GTG AGT GGA GTC AT -3 ”.

Microarray hybridisaatio ja tietojen analysointi

Yhtä suuret määrät kokonais-RNA yhdistettiin 10 hiirtä kussakin koeryhmässä ja altistettiin microarray kokeiluja kolmena kappaleena. Analyysiä varten 2 ug kokonais-RNA leimattiin ja monistettiin käyttämällä Universal Linkage System antisense-RNA (Arna) -leimauskittiä (Kreatech Diagnostics, Amsterdam, Alankomaat). Cy5-leimattu Årnäs resuspendoitiin 10 ul: aan hybridisaatioliuosta (GenoCheck, Korea). Leimatun Arnas hybridisoitiin NimbleGen hiiren koko genomin 12-Plex array (Roche NimbleGen, Inc., WI, USA), joka sisälsi 60-mer koettimet edustavat 42576-geenit (keskimäärin 3 koettimia kohde). Taulukot skannattiin käyttäen GenePix 4000B microarray skanneri. Tiedot poimittiin skannatut kuvat käyttämällä NimbleScan ohjelmistoversio 2.4 (Roche NimbleGen), ja Robust Multichip keskiarvo algoritmia käytetään tuottamaan geeniekspression arvoja. Normalisoitu ja log-transformoituja intensiteetin arvot analysoitiin käyttäen GeneSpring GX 10 (Agilent Technologies, Santa Clara, CA, USA) ja GenePlex (Istech, Inc., Seoul, Etelä-Korea). Yksityiskohdat merkintöjä, hybridisaatio, skannaus, ja normalisoi data aikaansaatu NimbleGen verkkosivuilla (https://www.nimblegen.com). Geeniekspressiotasot välillä ND ja HFD näytteet arvioitiin vertaamalla keskimääräistä ilmaus suhde kunkin ryhmän. Hierarkkinen klusterointi suoritettiin GeneSpring GX 7.3.1 ohjelmisto (Agilent Technologies, Santa Clara, CA), käyttäen keskimääräinen geenien ilmentyminen arvojen alle HFD ehto jaettuna mediaani ND geenin ilmentymisen, per aika-pisteen.

MNI algoritmi

rakennettu kooste aineisto koostuu sadoista ilmaisun profiileja kiinnostavasta organismista; että ilmaus profiilit ladata Gene Expression Omnibus, julkinen varasto microarray tutkimuksia. MNI algoritmi on sovellettu, käyttäen kehittämää menetelmää Xing et ai. [10], ja sen määritetty tuottamaan alkuun 200 välittäjiä kunkin näytteen ja tuottaa siihen liittyvä Z-lukujen niille koetinsarjojen. Z-pisteet koetinsarjojen, jotka eivät sisällä listan top 100 koetinsarjojen todettu välittäjinä tietylle näytettä asetettu nollaan. Tunnistaa ominaisuus luettelo geenien kussakin ryhmässä, Z-score poikki näytteitä ja koetin sarjat vastaavien geenien laskettiin keskiarvo ja paremmuusjärjestykseen. Top 100 geenien että lista valittiin raportoidaan huomattavia geneettisiä välittäjinä. Korkeampi keskimääräinen Z-score on osoitus suurempi esiintymien lukumäärän geenin luetteloissa syntyy MNI algoritmin kussakin ryhmässä. 100 korkein geenien luokitellaan biologinen prosessi, jossa ne ovat mukana kohti vahvistamien ns GO.

Tulokset

vaikutus HFD ruokinta sisäelinten painoindeksin

painon kehitys hiirten syötettiin 2 ruokavalion yli 12 viikon jakson aikana on esitetty kuviossa 1A. Ero ruumiinpaino 2 ryhmän välillä jatkoi kasvuaan aikana kokeellinen ruokintaan: ero oli noin 45% 12 viikon ajan. Kasvu painon liittyvä HFD osittain johtuvan laajenemisen viskeraalisen rasvakudoksesta. Massojen epididymaalisen, perirenal, suoliliepeen, retroperitoneaalisia rasvatyynyt hiirillä ruokittu HFD 12 viikon olivat 42%, 40%, 54%, ja 42%, tässä järjestyksessä; ero massat oli suurempi HFD-syötetään hiiret kuin ND-fed ryhmä (kuvio 1 B-F). Lisäksi HFD-syötetään hiiret osoittivat merkittäviä vähennyksiä märkä painot gastrocnemiuksessa (-13%) ja soleukselle (-16%) lihaksia 12 viikossa verrattuna PU-fed hiirissä (kuvio 1G ja H).

(A) paino voitto. (B) yhteensä viskeraalisen rasvan pad paino. (C) lisäkiveksistä rasva-pad paino. (D) Perirenal rasva-pad paino. (E) Mesenteric rasva-pad paino. (F) takainen rasva-pad paino. (G) Gastrocnemius lihasmassaa. (H) soleukselle lihasmassaa. Data esitetään keskiarvoina ± SEM. *

P

0,05.

transkriptio vaste WAT ja lihas HFD aikana 12 viikon ajan kurssi

geeniekspressioprofilointi vuonna WAT ​​ja lihas hiiriä arvioitiin läpi oligonukleotidin mikrosiruanalyysillä. Niistä 25291 geenien NimbleGen Hiiri Koko Oligo 12-Plex chip Tässä tutkimuksessa käytetyt, 21890 geenit (86%) todettiin tunnettuja geenejä. Määrityksen jälkeen ajallisten vaikutusten HFD poikki 12 viikon ajan Tietenkin keskityimme dissecting HFD erityisiä vaikutuksia transcriptome on epididymal ja ihonalaisen rasvan ja lihasten. Microarray data analysoitiin hierarkkinen klusterointi rikastetun funktionaalisia ryhmiä geenien (perustuen Gene ontologia) ja tärkeimmät tulokset on graafisesti että karttaa (kuva 2). HFD aikaansaama selvä muutoksia geenien ilmentyminen epididymal ja ihonalaisen rasvan ja lihasten hiiriä ajan, ja merkittävimmät muutokset olivat esillä lisäkiveksen rasvakudokseen. Erityisesti näkyvä ilmaisu muutoksia havaittiin varhaisessa vaiheessa (viikko 2 viikkoa 4) ja rikastamista rasva-aineenvaihdunnan ja tulehduksia olivat merkittäviä joukossa sääteli HFD reagoivaa geenejä, kun taas G-proteiiniin kytkeytynyt reseptori proteiinia signalointireitin ja elektroni liikenne oli merkittävin joukossa alassäädetty HFD reagoivien geenien lisäkiveksen rasvakudokseen.

käytettävien arvojen klusterointi ovat keskimäärin HFD vs. ND per aika-pisteen ilmaisun suhteen. Oksat kunnosta puu on väritetty niin syrjiä kolme subclusters kanssa suurin etäisyys, joka vastaa kolmea kudoksissa aika-kurssi: epididymal rasvakudos (punainen), ihonalainen rasvakudos (sininen) ja gastrocnemious lihasten (vihreä). Tämä on esitetty yhteenvetona väripalkkisignaaliin alla klusterin kaavio.

MNI analyysi ajan funktiona hoidon HFD

Valaistaan ​​kehittyminen ajan myötä ja aineenvaihduntaa olevat liikalihavuuden etenemisen aiheuttamien HFD, päätimme geeniekspressioprofiilien että lisäkiveksen ja ihonalaisen rasvan kudosten ja kaksoiskantalihas hiirten avulla oligonukleotidia mikrosiruanalyysillä. Kukin näistä tietojen tiedustellessa vastaan ​​rekonstruoitu verkko (MNI algoritmi), ja tuloksena mahdollisten geneettisten välittäjinä kulloinkin rankattiin mukaan Z-score tilastoa. Luettelot top 5 mahdollisten geneettisten välittäjiä liikalihavuuden etenemisen että lisäkiveksen ja ihonalaisen rasvan kudosten ja kaksoiskantalihas hiiriä ruokittiin HFD 2, 4, 8, ja 12 viikon esitetään taulukoissa 1, 2, 3. tyypillisin geenit kaikissa kudoksissa luettelossa liittyi syöpään; geenien tämän luokan mukaan

Nek11

,

Gli2

,

Tmem46

,

Mep1b

,

Ccdc109b

,

Rab23

,

Patz1

, ja

Hdac9

. Toinen edustaja toiminnallinen teema liittyi haju transduktion, ja nämä geenit sisältyvät

Olfr1181

,

Olfr1173

,

Olfr855

,

Olfr1056

,

Olfr716

, ja

Tmem16b

. Validoida microarray tuloksia kvantitatiivisesti, olemme analysoineet mRNA ekspressiotasot kärkipään geenien reaaliaikainen PCR. Kaikissa tapauksissa, vahva välisen vastaavuuden microarray datan ja reaaliaikaisen PCR tuloksia havaittiin (kuva 3). Olemme myös mitata pohjapinta ekspressiotasot valittujen geenien myös useita hajureseptorien että lisäkiveksen rasvan kudoksia ND- tai HFD-ruokitaan hiirillä, käyttäen reaaliaikaista PCR. Tulokset osoittivat, että pohjapinta ekspressiotasot korkealle rankattu hajuaistin geenejä (Olfr1181, Olfr513, Olfr960, ja Olfr1245) olivat verrattavissa viiden parhaan geenien (Gli2, Gucy2c, Atp8b3, ja Tmem46) tunnistetaan MNI analyysi viikolla 4. epididymal rasvakudos (kuva S1).

Quantitative reaaliaikainen PCR-analyysi mRNA ilmaisun valikoituihin geenikohteet tunnistaa MNI analyysi lisäkiveksen rasvakudokselle hiirillä. Tulokset esitetään keskiarvona ± SEM vähintään 3 erillisestä kokeesta.

toiminnallinen analyysi korkealle rankattu geneettinen välittäjäaineiden

Seuraava keskittyneet GO-selityksin polkuja, jotka olivat merkittävästi yliedustettuina korkealle rankattu geneettinen välittäjiä. Meidän analyysi, me altistetaan 100 korkein geenejä tunnistaa MNI analyysi lisäkiveksen ja ihonalaisen rasvakudoksen ja kaksoiskantalihas hiirten ruokavalioon aiheuttama lihavuus polkuun perustuvan analyysin GO biologisen prosessin merkinnät (taulukot 4, 5, 6) . Huomasimme, että hajuaistin transduktio on hyvin rikastettu lisäkiveksen ja ihonalaisen rasvakudoksen ja kaksoiskantalihas on HFD-syötetään hiiret verrattuna ND ruokitaan hiiriä kaikkina ajankohtina. Jopa toinen edustaja toiminnallinen teema lisäkiveksen rasva liittyvät syöpään kaikkina ajankohtina. Polut ajatellaan liittyvän lihavuuteen progression lisäkiveksen rasvaa kohti MNI analyysiin sisältyi Wnt-signalointireitin, melanogeneesiprosessin, kemokiini signalointireitistä, fokaalisen adheesion, MAPK -signalointireitistä, puriinimetabolia sääntely aktiinisytoskeletonin, neuroaktiiviset ligandi-, ja soluväliaineen (ECM) -reseptorin vuorovaikutusta. Ihonalainen rasva, muut reitit tunnistetaan MNI analyysi liikalihavuuden etenemisen mukana kalsiumin signalointireitin, gonadotropiinia vapauttavan hormonin (GnRH) signalointireitin aksoniohjauksen, solusyklin ja tyrosiini aineenvaihduntaa. Vuonna kaksoiskantalihas lisäksi hajuaistin transduktio edellä mainittiin, yliedustettuna määrittelivät mukaan GO biologiset menetelmät lihavuuden etenemiseen olivat mukana solujen eri prosesseihin, kuten neuroaktiivisiksi ligandi-sytokiiniä sytokiinireseptorin vuorovaikutus, polkuja liittyvä syöpä, insuliinin signalointireitin, reitit liittyy peräsuolen syöpä, adipocytokine signalointireitistä, tyypin II diabetes, ja soluadheesiomolekyylit.

edustajan aika-kurssi profiilin klustereita

alistanut 40 korkein geenejä tunnistettiin MNI analyysin kunakin ajankohtana vuonna lisäkiveksen ja ihonalaisen rasvan kudosten ja kaksoiskantalihas hiirten ruokavalioon aiheuttama lihavuus klustereille perustuu niiden aikamallissa. Kuvio 4 esittää geenejä, jotka havaittiin olevan vähentynyt sijoitusta esille ajankohtana, jonka huippu on 2 viikkoa. Biologisten prosessien hallinnassa geenit Tässä ryhmässä mukana sääntelyn insuliiniresistenssi (EA: Dusp12), syöpä (EA: Nek11, A4gnt, SA: Srp9), tulehdus (EA: Siglece; M: Nrip3, Sez6l), ja hajuaistin transduktio (EA : Olfr 513, 433, SA: Olfr 823) (taulukot 7, 8, 9). Geenit on esitetty kuvioissa 5 ja 6, osoitti suurinta sijoitus on väliajan olevia 4 ja 8 viikkoa, vastaavasti. Sekä klustereita, suurin osa geenien tähän luokkaan liittyi syöpään (EA: Gli2, Gucy2c, Lsm1, Duoxa1, Lasp1, SA: Vav3, Kcnrg, Tle6, Rab23, M: Dcc, Rassf2, PERP, Pdgfr1), tulehdus (SA: Btn2a2, Def6; M: ll13, Rap1gds1), insuliiniresistenssi (SA: Neurod4; M: Mapk9), ja hajuaistin transduktio (EA: Olfr 1181, 960, 536, 654, 527, SA: Olfr 855, 888, 305, 1056, 960, 685, 1048; M: Olfr 699, 800, 978, 232, 872) (taulukot 10, 11, 12, 13, 14, 15). Kuvassa 7 on esitetty geenien osoittivat yhä ranking kaikilla ajankohtina, jonka huippu 12 viikon ajan. Biologiset menetelmät geenien Tämän ryhmän mukana asetuksen adipogeneesin (EA: Smad7, Adhfe1), ruokailu (M: Pyy), tulehdus (EA: Folr2, Pde7a, VIPR2, SA: Rfxdc2, Aqp5, Cpb2), syöpä (M: Lin28, GSTM1, Safb2), ja haju transduktio (EA: Olfr 16, 1000, SA: Olfr 716, 45, M: Olfr 689, 347) (taulukot 16, 17, 18). Geenit Kuvassa 8 osoitti jatkuva korkea MNI sijoitusta koko ajan myötä. Tämä klusteri sisälsi geenit liittyvät syöpään (EA: Tmem46, SA: Trim62; M: Hdac9), insuliiniresistenssi (EA: Camk2g), maksan fibroosi (M: Tmem67), ja hajuaistin transduktio (SA: Olfr 1173, 411, 855) (taulukko 19).

geenit osoittivat laskeva ranking eri aikoina pisteitä paljastui MNI analyysin, jonka huippu 2 viikon perifeerisissä kudoksissa hiirillä. (A) lisäkiveksistä rasvakudos. (B) ihonalainen rasvakudos. (C) Muscle.

Geenit että näytteillä korkein sijoitus on väliajan kohta 4 viikon paljastui MNI analyysi perifeerisissä kudoksissa hiirillä. (A) lisäkiveksistä rasvakudos. (B) ihonalainen rasvakudos. (C) Muscle.

Geenit että näytteillä korkein sijoitus on väliajan pisteen 8 viikon paljastui MNI analyysi perifeerisissä kudoksissa hiirillä. (A) lisäkiveksistä rasvakudos. (B) ihonalainen rasvakudos. (C) Muscle.

geenit osoittivat yhä ranking eri aikoina pisteitä paljastui MNI analyysin, jonka huippu 12 viikon ääreiskudoksiin hiirillä. (A) lisäkiveksistä rasvakudos. (B) ihonalainen rasvakudos. (C) Muscle.

Geenit, joissa havaittiin jatkuva korkea MNI ranking koko ajan kurssin paljastui MNI analyysi perifeerisissä kudoksissa hiirillä. (A) lisäkiveksistä rasvakudos. (B) ihonalainen rasvakudos. (C) Muscle.

keskustelu

Eläimet käyttävät hajuaistijärjestelmän seurata kemiallinen ympäristö molekyylejä, jotka paljastavat elintarvikkeiden lähteistä tai myrkylliset aineet ja signaalin läsnäolo saalistajien [11]. On olemassa lukuisia hajureseptorien erilaisia, niin monta kuin 1000 nisäkkään genomissa, jotka edustavat noin 3% ihmisen genomeentire geneettinen tieto [12]. Tiedot liittyvät hajun torjui nämä hajureseptorien on funneled yhteisellä signalointireitin. Kun haju reseptori sitoo sen haju-, se aktivoi yhden lajin G-proteiiniin, hajuaistin trimeeriset G-proteiini (Golf), joka puolestaan ​​aktivoi hajuaistin isoformin adenylaattisyklaasin (AC3) [12]. Yhtenäistä näyttöä on osoittanut, että hajuaistin järjestelmä on tavoite hormonien liittyvät aineenvaihduntaa ja elintarvikkeiden saannin sääntely; se mukautuu sen käyttötarkoitusta ravitsemukselliset tarpeet edistämällä tai estämällä etsivät ravintoa [13]. Viimeaikaiset tutkimukset ovat osoittaneet, että lihavilla potilailla näyttö laski hajuaistin näön [14] ja ne ovat huomattavasti todennäköisemmin ehdoton hajuun toimintahäiriö tai anosmia [15]. Lisäksi Simchen et ai. osoitti, että kykyä havaita ja tunnistaa hajuja on todettu laskevan painoindeksi (BMI) kasvaa henkilöillä alle 65-vuotias, riippumaton kaikista sidonnaisuus ruoan tuoksu tai sukupuoli [16]. Äskettäin elementit haju kaltaisten chemosensory signalointi on havaittu myös läsnä nonolfactory kudoksissa, kuten kiveksissä [17], aivojen [18], ja sydän [19]. Tietääksemme tämä on ensimmäinen tutkimus, joka osoittaa ero mRNA ilmaisun ja korkea MNI sijoitusta hajureseptorien on lisäkiveksen ja ihonalaisen rasvan kudosten ja lihasten välillä ND ja HFD-ruokitaan hiirillä (taulukot 1, 2, 3). Nämä tulokset merkitsevät sitä, että hajureseptorien ja molekyylit osallistuvat hajuaistin transduktio saattaa olla välittäjiä HFD aiheuttaman liikalihavuuden etenemisen ääreiskudoksiin. Tätä hypoteesia tukee se, että lisääntynyt cAMP: n tuoton AC3 aktivoi cAMP-vaste-elementtiä sitova (CREB) proteiinia, mikä lisää adipogeneesi ylipainoisille hiirimallissa. Lisäksi hiiret puuttuu AC3, joka on alavirtaan säätelijä hajureseptorien, näytteille liikalihavuus joka on ilmeisesti johtuu alhaisesta motorisen aktiivisuuden, ylensyöminen, ja leptiinin epäherkkyys [20]. Jatkossa tutkimuksissa, on kiehtova tutkia tarkemmin roolia yksittäisten hajureseptorien perifeerisissä kudoksissa, kuten haima, maksa, lihas, ja rasva, ymmärtää paremmin aktivointi näiden signalointipolkujen ja niiden fysiologiset roolit.

Syöpään liittyviä geenejä, kuten

Nek11

,

A4gnt

,

Srp9

,

Gli2

,

Gucy2c

,

Lsm1

,

Duoxa1

,

Lasp1

,

Ret

,

Bex2

,

Vav3

,

Kcnrg

,

Tle6

,

Rab23

,

Dcc

,

Rassf2

,

PERP

,

Pdgfr1

,

Lin28

,

GSTM1

,

Safb2

,

Tmem46

, ja

Hdac9

olivat huomattavan yliedustettuna aika- tietenkin klustereita tunnistetaan MNI analyysi lisäkiveksen ja ihonalaisen rasvan kudosten ja kaksoiskantalihas hiirten ruokavalioon aiheuttama lihavuus (kuviot. 4, 5, 6, 7, 8). Näistä 23 geenit, 6 ovat tunnettuja rintasyöpä liittyvien geenien (

Lsm1

,

Duoxa1

,

Ret

,

Bex2

,

Rassf2

, ja

Safb2

).

Lsm1

on transformoivan onkogeeni, jota vahvistetaan ja yli-ilmentyy rintasyövän [21] ja saattaa vaikuttaa joko solusyklin etenemisen tai apoptoosin [22].

Duoxa1

, joka alun perin tunnistettiin tunnoton-vuorovaikutuksessa proteiini, on äskettäin osoitettu toimivan kypsymistekijä rintasyövän [23].

Ret

näyttelyitä sekä estrogeeni ja retinoiinihappo riippuvaisen transkription moduloinnin rintasyövän [24].

Bex2

on merkittävä rooli solun eloonjäämisen edistämisessä ja kasvua rintasyövän soluissa [25], [26], ja

Rassf2

voisi toimia tuumorisuppressorigeeniä in

in vitro

solujen vaeltamiseen ja solusyklin etenemisen [27]. Ilmentymisen Safb2 proteiinin, joka toimii estrogeenireseptorin co-repressorin ja kasvun inhibiittori, hävisi noin 20% rintasyövistä [28]. Monet tutkimukset ovat yrittäneet määrittää suhde ruokavalion ja rintasyöpä. Ruokavalion rasvan on lähde endogeenisen estrogeenin ja on ehdotettu mahdolliseksi riskitekijä rintasyövän [29]. Tietääksemme tämä on ensimmäinen tutkimus osoittaa yhdistyksen välillä 6 geenien rintasyövän kehitykseen ja HFD aiheuttaman lihavuuden jyrsijämallilla.

Colon syöpään liittyvien geenien kuten

Nek11

,

Gucy2c

,

Srp9

,

Tle6

, ja

Pdgfrl

myös yliedustettuna aika-kurssi klustereita tunnistetaan MNI analyysi lisäkiveksen ja ihonalaisen rasvan kudosten ja kaksoiskantalihas hiirten ruokavalioon aiheuttama lihavuus (kuviot. 4, 5, 6, 7, 8).

Nek11

, jäsen NIMA liittyvän kinaasiperheen, fosforyloi Cdc25a ja valvoo sen hajoamista; Cdc25a fosforylaatio vaaditaan solusyklin etenemisen kolorektaalisyövässä soluissa [30].

Gucy2c

ja

Srp9

on osoitettu yliekspressoituvan peräsuolen syövän soluja, ja äskettäin on osoitettu toimivan ehdokkaaksi biomarkkeri paksusuolensyöpä [31], [32].

Tle6

on toistuvasti yli-ilmentyy ihmisen paksusuolen syövän ja parantaa solujen lisääntymistä, pesäkkeiden muodostumista, muuttoliikkeen ja ksenografti- tuumorigeenisuus [33].

Pdgfrl

toimii tuumorisuppressorina ja estää niiden kasvun ja peräsuolen syövän soluja [34]. Epidemiologiset tutkimukset osoittavat, että suuri ruumiinpaino ja korkea painoindeksi (BMI) oli merkitsevästi liittyä suurentunut paksusuolen syövän riskiä. Vatsaontelon sisäinen sisäelinten liikalihavuus, korkea plasman glukoositasot, HbA1C, ja C-peptidin havaittiin myös liittyä lisääntynyt paksusuolisyövän riskin [35] – [38]. Nykyinen tutkimus osoitti, että edellä mainitut geenit, jotka osallistuvat säätelyyn paksusuolen syöpä voi olla geneettinen rooli lihavuuden kehittymiseen. Ei mekanistinen oivalluksia on raportoitu selittämään suhdetta sääntelyn syöpään liittyvien geenien rasvakudoksesta tai lihasten ja syöpäalttiutta. Se voisi olla todennäköistä, että muutokset ilmaus syöpään liittyvien geenien rasvakudoksesta liitettävästä sääntelyä samat geenit epiteelikudoksissa kuten rinta- tai paksusuolen.

geenit todettiin korkein sijoitus varhaisessa vaiheessa ja palata lähtötasolle muutaman viikon kuluttua voidaan pitää geneettistä välittäjiä akuutin vaiheen vaste aineenvaihduntaan liittyvien HFD aiheuttamaa liikalihavuutta.

Dusp12

oli yksi 58 geenien havaittiin olevan vähentynyt sijoitusta aikana lihavuuden kehittymiseen, jonka huippu on 2 viikkoa. Aiemmat tutkimukset löydetty useita yhden emäksen monimuotoisuus tässä geenissä liittyy tyypin 2 diabetes eri väestöissä, kuten valkoisilla ja kiinalainen [39].

Dusp12

on glukokinaasia liittyvä proteiini, joka osallistuu Glykolyysivaiheen maksassa ja defosforyloitumista sytoplasman glukokinaasia haiman beetasolujen [40]. Siksi

Dusp12

voisi olla rooli säätelyssä Glykolyysivaiheen alkuvaiheessa lihavuuden. Kun Glykolyysivaiheen oli vähentynyt, koko kehon glukoosin poistuminen vähensi myös, mikä osoittaa laskua glukoosin hyväksikäyttöä perifeerisissä kudoksissa vastauksena HFD. Jälkimmäinen todennäköisesti johtuu heikentyneestä glukoosin kuljetusta, joka edeltää heikentynyt insuliinin signalointi.

Def6

ja

Mapk9

olivat yksi 145 geenejä, todettiin korkein sijoitus välimarkkinoilla ajankohtina 4 tai 8 viikon ajan lihavuuden kehittymiseen.

Def6

, uudenlainen aktivaattori Rho GTPaasi, ilmentyy valkosoluissa, ja häiriöt Def6 ilmaisun johtaa vikoja toll-like-reseptori 4 (TLR4) signalointia ja synnynnäisen immuunivasteen [41]. Rho GTPaasit on osoitettu rekrytoidaan sytosolin verkkotunnus TLR ja läheistä sukua interleukiini 1 -reseptorin (IL-1 R) ja säätelemään proinflammatoristen sytokiinien [42], [43].