بیان افتراقی ژن گاوهای بوس تاروس (هلشتاین) و بوس ایندیکوس (کلیستانی) با استفاده از داده های RNA-Seq

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی سابق کارشناسی ارشد، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران

2 استاد، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران

3 استادیار پژوهشی، مؤسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

چکیده

این پژوهش با هدف تعیین مقایسه افتراقی پروفایل بیان ژن در دو زیرگونه گاو بوس تاروس (هلشتاین) و بوس ایندیکوس (کلیستانی) انجام شد. برای این منظور، ترانسکریپتوم نمونه­ای از هریک از جمعیت­های گاو ماده هلشتاین آمریکا و گاو ماده کلیستانی پاکستان از طریق همردیفی و مکان­یابی خوانش­های کوتاه mRNA تشکیل شد. این خوانش­ها قبلاً با استفاده از فناوری توالی­یابی نسل جدید به‌صورت داده­های RNA-Seq تولید شده بودند. نتایج آنالیز بیان افتراقی نشان داد از مجموع 24616 ژن و 26716 رونوشت شناخته‌شده بر روی ژنوم مرجع گاو، 41 ژن بین این دو زیرگونه  بیان  متفاوت داشتند (000015/0 p<). بالاترین شاخص بیان دیجیتال مربوط به یک ژن میتوکندریایی (ENSBTAG00000043545) بودکه تنها در جمعیت کلیستانی بیان شد. یکی از ژن­های متفاوت بیان­شده (ENSBTAG00000014332) دارای دو ایزوفرم متفاوت بیان شده بود. آنالیز ماهیت و مسیر ژن­های متفاوت بیان شده نشان داد که آنها در 20 مسیر به­ویژه مسیر­های مرتبط با ایمنی، پاسخ به تنش و تشکیل رگ­های خونی جدید درگیر بودند. یعنی مسیرهایی که در طول زمان سازگاری دو زیرگونه مورد مطالعه با اقلیم­های خاص و بروز تفاوتهای فنوتیپی بارز برای این صفات را بین آن­ها موجب شده­اند.

کلیدواژه‌ها


عنوان مقاله [English]

Differential gene expression of two bovine Bos taurus (Holstein) and Bos indicus (Cholistani) sub-species using RNA-Seq data

نویسندگان [English]

  • Mina Salimpour 1
  • Seyed Reza Miraei-Ashtiani 2
  • Mohammad Hossein Banabazi 3
1 Former M.Sc. Student, College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran
2 Professor, College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran
3 Assistant Professor, Animal Science Research Institute of Iran (ASRI), Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran
چکیده [English]

The aim of this research was to study gene expression profiling and differential analysis between Bos taurus (Holstein) and Bos indicus (Cholistani) subspecies. The transcriptome was assembled through aligning and mapping the RNA-Seq reads that have already been sequenced by next generation sequencing technology. Among 24616 genes and 26717 transcripts, only 41 genes were differently expressed. The highest digital gene expression was measured for a mitochondrial gene (ENSBTAG00000043545), and was only expressed in the Cholistani population. One gene had two differentially expressed isoforms. Gene pathway analysis indicated that the differential expressed genes included in pathways, are particularly related to immunity, response to stress and angiogenesis. These pathways have probably resulted in adoption to various climatological conditions and perceptible phenotypes in the studied subspecies during their evolution.

کلیدواژه‌ها [English]

  • Bovine
  • gene ontology
  • Immunity
  • mRNA
  • transcriptome
  1. Andrews, S. (2010). FastQC: a quality control tool for high throughput sequence data. Available online at: http://www.bioinformatics.babraham.ac.uk/projects/fastqc.
  2. Bae, J. S., Cheong, H. S., Kim, L. H., NamGung, S., Park, T. J., Chun, J. Y. & Shin, H. D. (2010). Identification of copy number variations and common deletion polymorphisms in cattle. BMC genomics, 11(1), 1.
  3. Banabazi, M. H., Naserkheil, M. & Miraei-Ashtiani, S. R. (2012a). Gene regulatory network for cell cycle of Saccharomyces cerevisiae based on weighted correlation. The third Iranian conference on agricultural biotechnology of Iran. Ferdowsi University of Mashhad. (in Farsi)
  4. Banabazi, M. H., Naserkheil, M. Miraei-Ashtiani, S. R. (2012b). An algorithm for identifying differential expressed genes in the Saccharomyces cerevisiae using microarray data by R packages. The third Iranian conference on agricultural biotechnology of Iran. Ferdowsi University of Mashhad (in farsi)
  5. Bolger, A. M., Lohse, M. & Usadel, B. (2014). Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics, 30(15), 2114-2120.
  6. Dorak, M. T. (Ed.). (2007). Real-time PCR. Taylor & Francis. Utech, K. B. W., Wharton, R. H., & Kerr, J. D. (1978). Resistance to Boophilus microplus (Canestrini) in different breeds of cattle. Crop and Pasture Science, 29(4), 885-895.
  7. Ekblom, R. & Galindo, J. (2011). Applications of next generation sequencing in molecular ecology of non-model organisms. Heredity, 107(1), 1-15.
  8. Fries, R. & Ruvinsky, A. (1999). The Genetics of Cattle. New York: CABI Publising.
  9. Gan, Q., Chepelev, I., Wei, G., Tarayrah, L., Cui, K., Zhao, K. & Chen, X. (2010). Dynamic regulation of alternative splicing and chromatin structure in Drosophila gonads revealed by RNA-seq. Cell Research, 20(7),763-783.
  10. Haas, B. J. & Zody, M. C. (2010). Advancing RNA-seq analysis. Nature Biotechnology, 28(5), 421.
  11. Hansen, P. J. (2004). Physiological and cellular adaptations of zebu cattle to thermal stress. Animal Reproduction Science, 82, 349-360.
  12. Huang, W., Nadeem, A., Zhang, B., Babar, M., Soller, M. & Khatib, H. (2012). Characterization and comparison of the leukocyte transcriptomes of three cattle breeds. PLoS One, 7(1), e30244.
  13. Langmead, B. & Salzberg, S. (2012). Fast gapped-read alignment with Bowtie 2. Nature Methods, 9, 357-359.
  14. Li, H. & Durbin, R. (2009). Fast and accurate short read alignment with Burrows–Wheeler transform. Bioinformatics, 25(14), 1754-1760.
  15. Marguerat, S. & Bähler, J. (2010). RNA-seq: from technology to biology. Cellular and Molecular Life Sciences, 67(4), 569-579.
  16. Mortazavi, A., Williams, B. A., McCue, K., Schaeffer, L. & Wold, B. (2008). Mapping and quantifying mammalian transcriptoms by RNA-seq. Nature Methods, 5(7), 621- 628.
  17. Sultan, M., Schulz, M. H., Richard, H., Magen, A., Klingenhoff, A., Scherf, M. & Schmidt, D. (2008). A global view of gene activity and alternative splicing by deep sequencing of the human transcriptome. Science, 321, 956-960.
  18. Wilhelm, B. T. & Landry, J. R. (2009). RNA-Seq, quantitative measurement of expression through massively parallel RNA-sequencing. Methods, 48(3), 249-257.