论文部分内容阅读
本试验基于生长肥育猪饲喂高含n-3多不饱和脂肪酸的亚麻籽日粮0,30,60,90 d后,采取猪背最长肌样品进行表达谱芯片数据分析。根据试验设计背景采用适合时间梯度因素和营养素影响情况下的数据处理算法,旨在进一步研究(1)n-3 PUFA调控下骨骼肌基因表达变化,构建差异基因表达调控网络；(2)骨骼肌内脂肪和肌肉形成与分化相关机制。(3)同时基于时间梯度和营养素影响下表达改变不显著的研究背景,建立特异性的前期分析框架。试验样品采集为每组随机取三头猪的背最长肌肉样做为3个生物学重复进行表达谱芯片试验,每个重复一张芯片,共计12张芯片。主要研究结果如下：(1)采用EDGE、ANOVA和SlopeMiner 3种算法对4组模拟基因芯片数据进行筛选,目的是为了选取其中最好的筛选方法运用在真实芯片数据上。其中经EDGE筛选的FDR值均低于ANOVA和SlopeMiner 2种算法,并且FNR值也与ANOVA处于同一水平远低于SlopeMiner算法。说明EDGE适合处理时间梯度影响下的表达谱芯片数据,其结果真实可靠。例如采用“Q<0.01”的模拟数据模型时,EDGE筛选的FDR值和FNR值分别为0.0066和0.1048,经ANOVA筛选的FDR值和FNR值分别为0.0150和0.1012,经SlopeMiner筛选的FDR值和FNR值分别为0.9672和0.1795。因此针对本试验真实的基因芯片数据拟用EDGE筛选的差异基因结果进行网络构建分析。(2)根据EDGE筛选出的差异基因,通过基因功能注释分别选取52个与脂肪生成和代谢相关的基因,75个与肌肉形成和分化相关的基因进行基因调控网络的分析。同时基于时间梯度效应影响的营养素调控作用的背景,成功构建适合本试验设计的动态贝叶斯网络和最小长度原理网络算法。对不同的网络结果进行比较分析,经公共数据库(KEGG)查询重点基因的分子调控通路。(3)通过网络图谱中基因分子功能和通路的查询,发现脂肪调控网络中LEFl、FBXW11、PPP2R1A这3个基因在已知的数据库中存在于一个相同的调控通路“hsa04310”中,即“Wnt信号通路”,说明“Wnt信号通路”很可能在脂肪形成及调控方面起到了重要的作用。同时LEFl对WNT3可能存在转录因子方面的调控,而他们也存在于Wnt信号通路上,所以进一步验证了Wnt信号通路在脂肪形成和代谢上可能存在的重要作用。肌肉调控网络中发现EGF和MEF2C存在相同的调控通路“hsa04010”,即"MAPK信号通路”,说明MAPK信号通路很可能在肌肉的形成和分化上存在的重要作用。其中FOXC1对EGF可能存在转录因子方面的调控作用,MEF2A不仅对MEF2C可能有转录因子方面的调控,还可能存在蛋白之间的相互作用。本研究通过上述试验得到如下结论：(1) EDGE较ANOVA和SlopeMiner算法能够更加准确地筛选出时间梯度影响下基因芯片数据中差异基因,适合本试验设计的独特性,更加真实的体现出生物学的变化。(2)MDL算法网络模型较动态贝叶斯网络模型,能够更加准确地反映基因间的相互关系,更加鲜明地体现出调控网络中关键的节点,更加适合时间梯度下基因表达调控网络的构建。(3) LEF1、FBXW11和PPP2R1A可能通过Wnt信号通路及其转录因子影响猪.脂肪的形成和代谢。FOXC1、EGF和MEF可能通过MAPK信号通路及其转录因子影响猪肌肉的生成和分化。