DOCSLIB.ORG

Agricultural University of Athens

Total Page：16

File Type：pdf, Size：1020Kb

Download full-text PDF Read full-text
Agricultural University of Athens ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΩΝ ΖΩΩΝ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΖΩΙΚΗΣ ΠΑΡΑΓΩΓΗΣ ΕΡΓΑΣΤΗΡΙΟ ΓΕΝΙΚΗΣ ΚΑΙ ΕΙΔΙΚΗΣ ΖΩΟΤΕΧΝΙΑΣ ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ Εντοπισμός γονιδιωματικών περιοχών και δικτύων γονιδίων που επηρεάζουν παραγωγικές και αναπαραγωγικές ιδιότητες σε πληθυσμούς κρεοπαραγωγικών ορνιθίων ΕΙΡΗΝΗ Κ. ΤΑΡΣΑΝΗ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΑΝΤΩΝΙΟΣ ΚΟΜΙΝΑΚΗΣ ΑΘΗΝΑ 2020 ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ Εντοπισμός γονιδιωματικών περιοχών και δικτύων γονιδίων που επηρεάζουν παραγωγικές και αναπαραγωγικές ιδιότητες σε πληθυσμούς κρεοπαραγωγικών ορνιθίων Genome-wide association analysis and gene network analysis for (re)production traits in commercial broilers ΕΙΡΗΝΗ Κ. ΤΑΡΣΑΝΗ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΑΝΤΩΝΙΟΣ ΚΟΜΙΝΑΚΗΣ Τριμελής Επιτροπή: Aντώνιος Κομινάκης (Αν. Καθ. ΓΠΑ) Ανδρέας Κράνης (Eρευν. B, Παν. Εδιμβούργου) Αριάδνη Χάγερ (Επ. Καθ. ΓΠΑ) Επταμελής εξεταστική επιτροπή: Aντώνιος Κομινάκης (Αν. Καθ. ΓΠΑ) Ανδρέας Κράνης (Eρευν. B, Παν. Εδιμβούργου) Αριάδνη Χάγερ (Επ. Καθ. ΓΠΑ) Πηνελόπη Μπεμπέλη (Καθ. ΓΠΑ) Δημήτριος Βλαχάκης (Επ. Καθ. ΓΠΑ) Ευάγγελος Ζωίδης (Επ.Καθ. ΓΠΑ) Γεώργιος Θεοδώρου (Επ.Καθ. ΓΠΑ) 2 Εντοπισμός γονιδιωματικών περιοχών και δικτύων γονιδίων που επηρεάζουν παραγωγικές και αναπαραγωγικές ιδιότητες σε πληθυσμούς κρεοπαραγωγικών ορνιθίων Περίληψη Σκοπός της παρούσας διδακτορικής διατριβής ήταν ο εντοπισμός γενετικών δεικτών και υποψηφίων γονιδίων που εμπλέκονται στο γενετικό έλεγχο δύο τυπικών πολυγονιδιακών ιδιοτήτων σε κρεοπαραγωγικά ορνίθια. Μία ιδιότητα σχετίζεται με την ανάπτυξη (σωματικό βάρος στις 35 ημέρες, ΣΒ) και η άλλη με την αναπαραγωγική ικανότητα (αριθμός αυγών ανά όρνιθα, ΑΩ). Για το σκοπό αυτό, διεξάχθηκαν γονιδιωματικής κλίμακας αναλύσεις συσχέτισης (GWAS) δεικτών-φαινοτυπικών τιμών και χρησιμοποιήθηκαν διάφορα εργαλεία Βιοπληροφορικής για τον εντοπισμό υποψηφίων λειτουργικών γονιδίων που επηρεάζουν έκαστη ή και τις δύο ιδιότητες, ταυτόχρονα. Στο Κεφάλαιο 1 περιγράφεται η βέλτιστη στρατηγική δειγματοληψίας για τον εντοπισμό υπευθύνων γενετικών δεικτών και γονιδίων όταν λόγω περιορισμένων οικονομικών πόρων δεν είναι δυνατή η γονοτύπηση του συνόλου των ατόμων ενός πληθυσμού. Ειδικότερα, εξετάστηκε η αποτελεσματικότητα εναλλακτικών σεναρίων τα οποία περιελάμβαναν τυχαία υποσύνολα καθώς και υποσύνολα ακραίων φαινοτύπων μεγέθους 5% έως 50% ενός συνολικού πληθυσμού 6.700 ορνιθίων κρεοπαραγωγής. Το πιο αποτελεσματικό σενάριο δειγματοληψίας προσδιορίστηκε συγκρίνοντας τους στατιστικώς σημαντικούς δείκτες μεταξύ των υποσυνόλων και ολόκληρου του πληθυσμού. Στο βέλτιστο σενάριο, η αναζήτηση των πλέον πιθανών υποψηφίων δεικτών για την ιδιότητα βασίστηκε στο ποσοστό της φαινοτυπικής διακύμανσης που αυτοί εξηγούν χρησιμοποιώντας ένα κατώτερο όριο της τάξεως του 1%. Ως βέλτιστο σενάριο δειγματοληψίας αναδείχθηκε η χρησιμοποίηση του ημίσεος του συνολικού πληθυσμού το οποίο περιλαμβάνει ακραίες (υψηλές και χαμηλές) φαινοτυπικές τιμές για την ιδιότητα. Στο σενάριο αυτό, εντοπίστηκαν συνολικά πέντε δείκτες οι οποίοι εδράζουν εντός ή εγγύς έξι γονιδίων (CACNB1, MYOM2, SLC20A1, ANXA4, FBXO32, SLAIN2) και δέκα δημοσιευμένων ποσοτικών γονιδιακών τόπων (QTLs) σχετιζόμενων με την ανάπτυξη. Τα παρόντα ευρήματα έδειξαν ότι υπό συνθήκες περιορισμένων πόρων, η διεξαγωγή GWAS με το ήμισυ του πληθυσμού το οποίο περιλαμβάνει ακραίους φαινοτύπους για την ιδιότητα συνιστά μια αποτελεσματική στρατηγική για τον εντοπισμό υποψηφίων γονιδίων. Στο Κεφάλαιο 2 διερευνάται η χρησιμότητα διαφόρων βιοπληροφορικών εργαλείων κατά την αναζήτηση λειτουργικών γονιδίων για ποσοτικές ιδιότητες όπως το ΣΒ. Αρχικά διεξήχθηκε ανάλυση συσχέτισης γενωμικών δεικτών-φαινοτυπικών τιμών για την ιδιότητα. Η ανάλυση αυτή ανέδειξε 12 στατιστικώς σημαντικούς δείκτες σχετιζόμενους με την ιδιότητα. Ακολούθησε αναζήτηση δημοσιευμένων ποσοτικών γονιδιακών τόπων (QTLs) και υποψηφίων γονιδίων εντός γενωμικών περιοχών εύρους 1 Mb γύρω από τους στατιστικώς σημαντικούς δείκτες. Η αναζήτηση αυτή ανέδειξε 1012 υποψήφια γονίδια θέσεως και 197 δημοσιευμένους QTLs σχετιζόμενους με την ανάπτυξη. Ακολούθησε λειτουργική ανάλυση (Functional Enrichment Analysis, FEA), ανάλυση ατραπών (Pathway Analysis, PA), τοπολογική ανάλυση δικτύου γονιδίων (Gene Network Analysis, GNA) και ανάλυση λειτουργικής προτεραιοποίησης (Gene functional Prioritization Analysis, GPA) με σκοπό την πρόβλεψη του λειτουργικού ρόλου των υποψηφίων γονιδίων. Η λειτουργική ανάλυση των υποψηφίων γονιδίων ανέδειξε 49 γονίδια ως εμπλεκόμενα σε αναπτυξιακές διαδικασίες ενώ 25 γονίδια βρέθηκαν να συμμετέχουν σε βιολογικές ατραπούς σχετιζόμενες με την ανάπτυξη. Η τοπολογική ανάλυση δικτύου γονιδίων και η ανάλυση λειτουργικής προτεραιοποίησης ανέδειξαν 14 κοινά γονίδια (UBC, SMAD4, SHC1, NRAS, PSMD4, CDC6, PSMD7, RARA, 3 PSMB4, CDH1, STAT5B, MED1, PSMD3, CDT1) ως πλέον σχετιζόμενα με την ιδιότητα. Η εφαρμογή των παραπάνω μεθόδων, είτε μεμονωμένα είτε συνδυαστικά, έδειξε ότι οι υπάρχουσες γνωσιακές βάσεις και τα διαθέσιμα εργαλεία μπορούν να συνεισφέρουν αποτελεσματικά στον εντοπισμό λειτουργικών γονιδίων για τις εξεταζόμενες ιδιότητες. Στο Κεφάλαιο 3 επιχειρήθηκε ανίχνευση δομών1 (modules) για τα υποψήφια γονίδια θέσεως και ακολούθως ανάλυση του λειτουργικού τους ρόλο με σκοπό τον εντοπισμό πλέον πιθανών γονιδίων για την ιδιότητα ΣΒ. Αρχικά, διενεργήθηκε γενωμική ανάλυση δεικτών- φαινοτυπικών τιμών. Ακολούθησε αναζήτηση δημοσιευμένων ποσοτικών γονιδιακών τόπων (QTLs) και γονιδίων θέσεως εντός γενωμικών περιοχών με υψηλά επίπεδα ανισορροπίας σύνδεσης (D′>0.8) γύρω από τους στατιστικώς σημαντικούς δείκτες. Η αναζήτηση αυτή ανέδειξε 645 υποψήφια γονίδια θέσεως γύρω από 11 στατιστικώς σημαντικούς δείκτες. Ακολούθησε εντοπισμός δομών εντός του δικτύου των υποψηφίων γονιδίων. Η ανάλυση αυτή ανέδειξε 5 δομές σχηματιζόμενες από 401 υποψήφια γονίδια. Η λειτουργική ανάλυση των γονιδίων που συνθέτουν τις παραπάνω δομές ανέδειξε 52 γονίδια ως συμμετέχοντα σε αναπτυξιακές διαδικασίες ενώ άλλα 14 γονίδια (GABRG1, NGF, APOBEC2, STAT5B, STAT3, SMAD4, MED1, CACNB1, SLAIN2, LEMD2, ZC3H18, TMEM132D, FRYL, SGCB) είχαν αποδεδειγμένα λειτουργικούς ρόλους σχετιζόμενους με την ανάπτυξη. Συνολικά, οι παραπάνω αναλύσεις ανέδειξαν 66 λειτουργικά γονίδια για την ιδιότητα, κάποια από τα οποία ήταν νέα και κάποια ήδη γνωστά. Στο Κεφάλαιο 4 διεξήχθησαν αναλύσεις συσχέτισης γενωμικών δεικτών-φαινοτυπικών τιμών με σκοπό τον εντοπισμό δεικτών που ασκούν προσθετικές ή/και κυριαρχικές επιδράσεις στην αναπαραγωγική ικανότητα (ΑΩ) των ορνίθων κρεοπαραγωγής. Ακολούθησε ποσοτική διερεύνηση του τρόπου δράσης των δεικτών και εντοπισμός υποψηφίων γονιδίων για την ιδιότητα. Συνολικά, εντοπίσθηκαν 17 στατιστικώς σημαντικοί δείκτες σε επίπεδο χρωμοσώματος εκ των οποίων 7 σχετίστηκαν με προσθετικής φύσεως, 4 με κυριαρχικές και 6 και με τις δύο μορφές επιδράσεων (προσθετικές και κυριαρχικές). Ειδικότερα, οι 4 δείκτες κυριαρχίας σχετίστηκαν με φαινόμενα μερικής έως πλήρους κυριαρχίας. Η αναζήτηση υποψηφίων γονιδίων εντός γενωμικών περιοχών 50 kb γύρω από τους στατιστικώς σημαντικούς δείκτες κατέδειξε συνολικά 57 υποψήφια γονίδια θέσεως. Η ανάλυση λειτουργικής ενίσχυσης των υποψηφίων γονιδίων έδειξε ότι δύο από αυτά (BHLHE40 και CRTC1) εμπλέκονται σε μηχανισμούς ανάδρασης του βιολογικού (cicardian) ρυθμού των πτηνών μέσω της φωτοπεριόδου. Επιπλέον, η ανάλυση λειτουργικής προτεραιοποίησης ανέδειξε επτά γονίδια (GDF15, BHLHE40, JUND, GDF3, COMP, ELF3, CRTC1) ως σχετιζόμενα με την αναπαραγωγή και δύο επιπλέον (ITPR1, ELL) με ποιοτικές ιδιότητες του αυγού. Συνολικά, τα ευρήματα του 4ου Κεφαλαίου υπογραμμίζουν τη σημασία και των μη προσθετικής φύσεως επιδράσεων στο γενετικό έλεγο της αναπαραγωγικής ικανότητας στις κρεοπαραγωγικές όρνιθες προτείνοντας παράλληλα νέα γονίδια για την ιδιότητα. Στο Κεφάλαιο 5 αναζητήθηκαν οι υπεύθυνοι μηχανισμοί για την παρατηρούμενη αρνητική γενετική συσχέτιση (rG=-0,17) μεταξύ τoυ σωματικού βάρους (ΣΒ) και της ωοπαραγωγικής ικανότητας (ΑΩ) σε κρεοπαραγωγές όρνιθες. Αρχικά, εφαρμόστηκε διμεταβλητή ανάλυση συσχέτισης γενωμικών δεικτών - φαινοτυπικών τιμών για τις δύο ιδιότητες. Η ανάλυση αυτή ανέδειξε 51 σημαντικούς δείκτες εκ των οποίων οι 13 ήταν ανεξάρτητοι (περιοχές με χαμηλά επίπεδα ανισορροπίας σύνδεσης). Ακολούθησε αναζήτηση δημοσιευμένων ποσοτικών γονιδιακών τόπων (QTLs) και υποψηφίων γονιδίων θέσεως που περιλάμβαναν τους ανεξάρτητους δείκτες. Η αναζήτηση αυτή οδήγησε στον εντοπισμό 17 δημοσιευμένων ποσοτικών γονιδιακών τόπων (QTLs) και 14 υποψηφίων γονιδίων θέσεως. Ακολούθησε 1 Σ’ ένα δίκτυο γονιδίων, ως δομή (gene module) ορίζεται ένα σύνολο γονιδίων του οποίου τα ‘εσωτερικά’ μέλη παρουσιάζουν υψηλότερο βαθμό συνδεσιμότητας (αριθμό αλληλεπιδράσεων) έναντι των ‘εξωτερικών’ μελών. 4 εξέταση των βιολογικών διεργασιών ανά υποψήφιο γονίδιο, η οποία ανέδειξε δύο γονίδια (ACVR1, CACNA1H) ως συμμετέχοντα σε αναπτυξιακές και αναπαραγωγικές βιολογικές διεργασίες. Ειδικότερα, το γονίδιο ACVR1 εμπλέκονταν άμεσα στην ανάπτυξη και στην αναπαραγωγή, ενώ το γονίδιο CACNA1H συμμετείχε άμεσα σε αναπαραγωγικές και έμμεσα σε αναπτυξιακές μεταβολικές λειτουργίες. Σύμφωνα με τη βιβλιογραφία, τα δύο προαναφερθέντα γονίδια παρουσίασαν τεκμηριωμένη εμπλοκή σε αναπτυξιακές και αναπαραγωγικές βιολογικές λειτουργίες μέσω της συμμετοχής τους σε διάφορες βιοχημικές ατραπούς. Τα ευρήματα του παρόντος Κεφαλαίου συνεισφέρουν στην βαθύτερη κατανόηση του γενετικού μηχανισμού που ευθύνεται για την αρνητική γενετική συσχέτιση μεταξύ της ανάπτυξης και της αναπαραγωγής στα ορνίθια κρεοπαραγωγής, προτείνοντας υποψήφιους γενωμικούς δείκτες και γονίδια με πλειοτροπική δράση. Επιστημονικό πεδίο: Γονιδιωματική Λέξεις κλειδιά: κρεοπαραγωγικά ορνίθια, σωματικό βάρος στις 35 ημέρες, αριθμός
Load more

Recommended publications
  • FK506-Binding Protein 12.6/1B, a Negative Regulator of [Ca2+], Rescues Memory and Restores Genomic Regulation in the Hippocampus of Aging Rats
    This Accepted Manuscript has not been copyedited and formatted. The final version may differ from this version. A link to any extended data will be provided when the final version is posted online. Research Articles: Neurobiology of Disease FK506-Binding Protein 12.6/1b, a negative regulator of [Ca2+], rescues memory and restores genomic regulation in the hippocampus of aging rats John C. Gant1, Eric M. Blalock1, Kuey-Chu Chen1, Inga Kadish2, Olivier Thibault1, Nada M. Porter1 and Philip W. Landfield1 1Department of Pharmacology & Nutritional Sciences, University of Kentucky, Lexington, KY 40536 2Department of Cell, Developmental and Integrative Biology, University of Alabama at Birmingham, Birmingham, AL 35294 DOI: 10.1523/JNEUROSCI.2234-17.2017 Received: 7 August 2017 Revised: 10 October 2017 Accepted: 24 November 2017 Published: 18 December 2017 Author contributions: J.C.G. and P.W.L. designed research; J.C.G., E.M.B., K.-c.C., and I.K. performed research; J.C.G., E.M.B., K.-c.C., I.K., and P.W.L. analyzed data; J.C.G., E.M.B., O.T., N.M.P., and P.W.L. wrote the paper. Conflict of Interest: The authors declare no competing financial interests. NIH grants AG004542, AG033649, AG052050, AG037868 and McAlpine Foundation for Neuroscience Research Corresponding author: Philip W. Landfield, [email protected], Department of Pharmacology & Nutritional Sciences, University of Kentucky, 800 Rose Street, UKMC MS 307, Lexington, KY 40536 Cite as: J. Neurosci ; 10.1523/JNEUROSCI.2234-17.2017 Alerts: Sign up at www.jneurosci.org/cgi/alerts to receive customized email alerts when the fully formatted version of this article is published.
    [Show full text]
  • Biobin User Guide Current Version: Biobin 2.0
    ___________________________________ BioBin User Guide Current version: BioBin 2.0 October 2012 Last modified: October 2012 Ritchie Lab, Center for Systems Genomics Pennsylvania State University, University Park, PA 16802 URL: https://ritchielab.psu.edu/ritchielab/software/ Email: [email protected] Table of Contents Overview ............................................................................................................................................................................... 3 BioBin ................................................................................................................................................................................................................ 3 Library of Knowledge Integration (LOKI) Database .................................................................................................................... 3 Quick Reference ............................................................................................................................................................................................ 5 Installation ............................................................................................................................................................................ 6 Prerequisites .................................................................................................................................................................................................. 6 Unpacking ......................................................................................................................................................................................................
    [Show full text]
  • Molecular and Physiological Basis for Hair Loss in Near Naked Hairless and Oak Ridge Rhino-Like Mouse Models: Tracking the Role of the Hairless Gene
    University of Tennessee, Knoxville TRACE: Tennessee Research and Creative Exchange Doctoral Dissertations Graduate School 5-2006 Molecular and Physiological Basis for Hair Loss in Near Naked Hairless and Oak Ridge Rhino-like Mouse Models: Tracking the Role of the Hairless Gene Yutao Liu University of Tennessee - Knoxville Follow this and additional works at: https://trace.tennessee.edu/utk_graddiss Part of the Life Sciences Commons Recommended Citation Liu, Yutao, "Molecular and Physiological Basis for Hair Loss in Near Naked Hairless and Oak Ridge Rhino- like Mouse Models: Tracking the Role of the Hairless Gene. " PhD diss., University of Tennessee, 2006. https://trace.tennessee.edu/utk_graddiss/1824 This Dissertation is brought to you for free and open access by the Graduate School at TRACE: Tennessee Research and Creative Exchange. It has been accepted for inclusion in Doctoral Dissertations by an authorized administrator of TRACE: Tennessee Research and Creative Exchange. For more information, please contact [email protected]. To the Graduate Council: I am submitting herewith a dissertation written by Yutao Liu entitled "Molecular and Physiological Basis for Hair Loss in Near Naked Hairless and Oak Ridge Rhino-like Mouse Models: Tracking the Role of the Hairless Gene." I have examined the final electronic copy of this dissertation for form and content and recommend that it be accepted in partial fulfillment of the requirements for the degree of Doctor of Philosophy, with a major in Life Sciences. Brynn H. Voy, Major Professor We have read this dissertation and recommend its acceptance: Naima Moustaid-Moussa, Yisong Wang, Rogert Hettich Accepted for the Council: Carolyn R.
    [Show full text]
  • Supplemental Table S1
    Entrez Gene Symbol Gene Name Affymetrix EST Glomchip SAGE Stanford Literature HPA confirmed Gene ID Profiling profiling Profiling Profiling array profiling confirmed 1 2 A2M alpha-2-macroglobulin 0 0 0 1 0 2 10347 ABCA7 ATP-binding cassette, sub-family A (ABC1), member 7 1 0 0 0 0 3 10350 ABCA9 ATP-binding cassette, sub-family A (ABC1), member 9 1 0 0 0 0 4 10057 ABCC5 ATP-binding cassette, sub-family C (CFTR/MRP), member 5 1 0 0 0 0 5 10060 ABCC9 ATP-binding cassette, sub-family C (CFTR/MRP), member 9 1 0 0 0 0 6 79575 ABHD8 abhydrolase domain containing 8 1 0 0 0 0 7 51225 ABI3 ABI gene family, member 3 1 0 1 0 0 8 29 ABR active BCR-related gene 1 0 0 0 0 9 25841 ABTB2 ankyrin repeat and BTB (POZ) domain containing 2 1 0 1 0 0 10 30 ACAA1 acetyl-Coenzyme A acyltransferase 1 (peroxisomal 3-oxoacyl-Coenzyme A thiol 0 1 0 0 0 11 43 ACHE acetylcholinesterase (Yt blood group) 1 0 0 0 0 12 58 ACTA1 actin, alpha 1, skeletal muscle 0 1 0 0 0 13 60 ACTB actin, beta 01000 1 14 71 ACTG1 actin, gamma 1 0 1 0 0 0 15 81 ACTN4 actinin, alpha 4 0 0 1 1 1 10700177 16 10096 ACTR3 ARP3 actin-related protein 3 homolog (yeast) 0 1 0 0 0 17 94 ACVRL1 activin A receptor type II-like 1 1 0 1 0 0 18 8038 ADAM12 ADAM metallopeptidase domain 12 (meltrin alpha) 1 0 0 0 0 19 8751 ADAM15 ADAM metallopeptidase domain 15 (metargidin) 1 0 0 0 0 20 8728 ADAM19 ADAM metallopeptidase domain 19 (meltrin beta) 1 0 0 0 0 21 81792 ADAMTS12 ADAM metallopeptidase with thrombospondin type 1 motif, 12 1 0 0 0 0 22 9507 ADAMTS4 ADAM metallopeptidase with thrombospondin type 1
    [Show full text]
  • Gene Regulation and Speciation in House Mice
    Downloaded from genome.cshlp.org on September 26, 2021 - Published by Cold Spring Harbor Laboratory Press Research Gene regulation and speciation in house mice Katya L. Mack,1 Polly Campbell,2 and Michael W. Nachman1 1Museum of Vertebrate Zoology and Department of Integrative Biology, University of California, Berkeley, California 94720-3160, USA; 2Department of Integrative Biology, Oklahoma State University, Stillwater, Oklahoma 74078, USA One approach to understanding the process of speciation is to characterize the genetic architecture of post-zygotic isolation. As gene regulation requires interactions between loci, negative epistatic interactions between divergent regulatory elements might underlie hybrid incompatibilities and contribute to reproductive isolation. Here, we take advantage of a cross between house mouse subspecies, where hybrid dysfunction is largely unidirectional, to test several key predictions about regulatory divergence and reproductive isolation. Regulatory divergence between Mus musculus musculus and M. m. domesticus was charac- terized by studying allele-specific expression in fertile hybrid males using mRNA-sequencing of whole testes. We found ex- tensive regulatory divergence between M. m. musculus and M. m. domesticus, largely attributable to cis-regulatory changes. When both cis and trans changes occurred, they were observed in opposition much more often than expected under a neutral model, providing strong evidence of widespread compensatory evolution. We also found evidence for lineage-specific positive se- lection on a subset of genes related to transcriptional regulation. Comparisons of fertile and sterile hybrid males identified a set of genes that were uniquely misexpressed in sterile individuals. Lastly, we discovered a nonrandom association between these genes and genes showing evidence of compensatory evolution, consistent with the idea that regulatory interactions might contribute to Dobzhansky-Muller incompatibilities and be important in speciation.
    [Show full text]
  • Seq2pathway Vignette
    seq2pathway Vignette Bin Wang, Xinan Holly Yang, Arjun Kinstlick May 19, 2021 Contents 1 Abstract 1 2 Package Installation 2 3 runseq2pathway 2 4 Two main functions 3 4.1 seq2gene . .3 4.1.1 seq2gene flowchart . .3 4.1.2 runseq2gene inputs/parameters . .5 4.1.3 runseq2gene outputs . .8 4.2 gene2pathway . 10 4.2.1 gene2pathway flowchart . 11 4.2.2 gene2pathway test inputs/parameters . 11 4.2.3 gene2pathway test outputs . 12 5 Examples 13 5.1 ChIP-seq data analysis . 13 5.1.1 Map ChIP-seq enriched peaks to genes using runseq2gene .................... 13 5.1.2 Discover enriched GO terms using gene2pathway_test with gene scores . 15 5.1.3 Discover enriched GO terms using Fisher's Exact test without gene scores . 17 5.1.4 Add description for genes . 20 5.2 RNA-seq data analysis . 20 6 R environment session 23 1 Abstract Seq2pathway is a novel computational tool to analyze functional gene-sets (including signaling pathways) using variable next-generation sequencing data[1]. Integral to this tool are the \seq2gene" and \gene2pathway" components in series that infer a quantitative pathway-level profile for each sample. The seq2gene function assigns phenotype-associated significance of genomic regions to gene-level scores, where the significance could be p-values of SNPs or point mutations, protein-binding affinity, or transcriptional expression level. The seq2gene function has the feasibility to assign non-exon regions to a range of neighboring genes besides the nearest one, thus facilitating the study of functional non-coding elements[2]. Then the gene2pathway summarizes gene-level measurements to pathway-level scores, comparing the quantity of significance for gene members within a pathway with those outside a pathway.
    [Show full text]
  • ANKRD11 Gene Ankyrin Repeat Domain 11
    ANKRD11 gene ankyrin repeat domain 11 Normal Function The ANKRD11 gene provides instructions for making a protein called ankyrin repeat domain 11 (ANKRD11). As its name suggests, this protein contains multiple regions called ankyrin domains; proteins with these domains help other proteins interact with each other. The ANKRD11 protein interacts with certain proteins called histone deacetylases, which are important for controlling gene activity. Through these interactions, ANKRD11 affects when genes are turned on and off. For example, ANKRD11 brings together histone deacetylases and other proteins called p160 coactivators. This association regulates the ability of p160 coactivators to turn on gene activity. ANKRD11 may also enhance the activity of a protein called p53, which controls the growth and division (proliferation) and the self-destruction (apoptosis) of cells. The ANKRD11 protein is found in nerve cells (neurons) in the brain. During embryonic development, ANKRD11 helps regulate the proliferation of these cells and development of the brain. Researchers speculate that the protein may also be involved in the ability of neurons to change and adapt over time (plasticity), which is important for learning and memory. ANKRD11 may function in other cells in the body and appears to be involved in normal bone development. Health Conditions Related to Genetic Changes KBG syndrome Several ANKRD11 gene mutations have been found to cause KBG syndrome, a condition characterized by large upper front teeth and other unusual facial features, skeletal abnormalities, and intellectual disability. Most of these mutations lead to an abnormally short ANKRD11 protein, which likely has little or no function. Reduction of this protein's function is thought to underlie the signs and symptoms of the condition.
    [Show full text]
  • Characterization of Genomic Copy Number Variation in Mus Musculus Associated with the Germline of Inbred and Wild Mouse Populations, Normal Development, and Cancer
    Western University Scholarship@Western Electronic Thesis and Dissertation Repository 4-18-2019 2:00 PM Characterization of genomic copy number variation in Mus musculus associated with the germline of inbred and wild mouse populations, normal development, and cancer Maja Milojevic The University of Western Ontario Supervisor Hill, Kathleen A. The University of Western Ontario Graduate Program in Biology A thesis submitted in partial fulfillment of the equirr ements for the degree in Doctor of Philosophy © Maja Milojevic 2019 Follow this and additional works at: https://ir.lib.uwo.ca/etd Part of the Genetics and Genomics Commons Recommended Citation Milojevic, Maja, "Characterization of genomic copy number variation in Mus musculus associated with the germline of inbred and wild mouse populations, normal development, and cancer" (2019). Electronic Thesis and Dissertation Repository. 6146. https://ir.lib.uwo.ca/etd/6146 This Dissertation/Thesis is brought to you for free and open access by Scholarship@Western. It has been accepted for inclusion in Electronic Thesis and Dissertation Repository by an authorized administrator of Scholarship@Western. For more information, please contact [email protected]. Abstract Mus musculus is a human commensal species and an important model of human development and disease with a need for approaches to determine the contribution of copy number variants (CNVs) to genetic variation in laboratory and wild mice, and arising with normal mouse development and disease. Here, the Mouse Diversity Genotyping array (MDGA)-approach to CNV detection is developed to characterize CNV differences between laboratory and wild mice, between multiple normal tissues of the same mouse, and between primary mammary gland tumours and metastatic lung tissue.
    [Show full text]
  • A Computational Approach for Defining a Signature of Β-Cell Golgi Stress in Diabetes Mellitus
    Page 1 of 781 Diabetes A Computational Approach for Defining a Signature of β-Cell Golgi Stress in Diabetes Mellitus Robert N. Bone1,6,7, Olufunmilola Oyebamiji2, Sayali Talware2, Sharmila Selvaraj2, Preethi Krishnan3,6, Farooq Syed1,6,7, Huanmei Wu2, Carmella Evans-Molina 1,3,4,5,6,7,8* Departments of 1Pediatrics, 3Medicine, 4Anatomy, Cell Biology & Physiology, 5Biochemistry & Molecular Biology, the 6Center for Diabetes & Metabolic Diseases, and the 7Herman B. Wells Center for Pediatric Research, Indiana University School of Medicine, Indianapolis, IN 46202; 2Department of BioHealth Informatics, Indiana University-Purdue University Indianapolis, Indianapolis, IN, 46202; 8Roudebush VA Medical Center, Indianapolis, IN 46202. *Corresponding Author(s): Carmella Evans-Molina, MD, PhD ([email protected]) Indiana University School of Medicine, 635 Barnhill Drive, MS 2031A, Indianapolis, IN 46202, Telephone: (317) 274-4145, Fax (317) 274-4107 Running Title: Golgi Stress Response in Diabetes Word Count: 4358 Number of Figures: 6 Keywords: Golgi apparatus stress, Islets, β cell, Type 1 diabetes, Type 2 diabetes 1 Diabetes Publish Ahead of Print, published online August 20, 2020 Diabetes Page 2 of 781 ABSTRACT The Golgi apparatus (GA) is an important site of insulin processing and granule maturation, but whether GA organelle dysfunction and GA stress are present in the diabetic β-cell has not been tested. We utilized an informatics-based approach to develop a transcriptional signature of β-cell GA stress using existing RNA sequencing and microarray datasets generated using human islets from donors with diabetes and islets where type 1(T1D) and type 2 diabetes (T2D) had been modeled ex vivo. To narrow our results to GA-specific genes, we applied a filter set of 1,030 genes accepted as GA associated.
    [Show full text]
  • The Splicing Factor XAB2 Interacts with ERCC1-XPF and XPG for RNA-Loop Processing During Mammalian Development
    bioRxiv preprint doi: https://doi.org/10.1101/2020.07.20.211441; this version posted July 21, 2020. The copyright holder for this preprint (which was not certified by peer review) is the author/funder. All rights reserved. No reuse allowed without permission. The Splicing Factor XAB2 interacts with ERCC1-XPF and XPG for RNA-loop processing during mammalian development Evi Goulielmaki1*, Maria Tsekrekou1,2*, Nikos Batsiotos1,2, Mariana Ascensão-Ferreira3, Eleftheria Ledaki1, Kalliopi Stratigi1, Georgia Chatzinikolaou1, Pantelis Topalis1, Theodore Kosteas1, Janine Altmüller4, Jeroen A. Demmers5, Nuno L. Barbosa-Morais3, George A. Garinis1,2* 1. Institute of Molecular Biology and Biotechnology, Foundation for Research and Technology- Hellas, GR70013, Heraklion, Crete, Greece, 2. Department of Biology, University of Crete, Heraklion, Crete, Greece, 3. Instituto de Medicina Molecular João Lobo Antunes, Faculdade de Medicina da Universidade de Lisboa, Avenida Professor Egas Moniz, 1649-028 Lisboa, Portugal, 4. Cologne Center for Genomics (CCG), Institute for Genetics, University of Cologne, 50931, Cologne, Germany, 5. Proteomics Center, Netherlands Proteomics Center, and Department of Biochemistry, Erasmus University Medical Center, the Netherlands. Corresponding author: George A. Garinis ([email protected]) *: equally contributing authors bioRxiv preprint doi: https://doi.org/10.1101/2020.07.20.211441; this version posted July 21, 2020. The copyright holder for this preprint (which was not certified by peer review) is the author/funder. All rights reserved. No reuse allowed without permission. Abstract RNA splicing, transcription and the DNA damage response are intriguingly linked in mammals but the underlying mechanisms remain poorly understood. Using an in vivo biotinylation tagging approach in mice, we show that the splicing factor XAB2 interacts with the core spliceosome and that it binds to spliceosomal U4 and U6 snRNAs and pre-mRNAs in developing livers.
    [Show full text]
  • Triplet Repeat Length Bias and Variation in the Human Transcriptome
    Triplet repeat length bias and variation in the human transcriptome Michael Mollaa,1,2, Arthur Delcherb,1, Shamil Sunyaevc, Charles Cantora,d,2, and Simon Kasifa,e aDepartment of Biomedical Engineering and dCenter for Advanced Biotechnology, Boston University, Boston, MA 02215; bCenter for Bioinformatics and Computational Biology, University of Maryland, College Park, MD 20742; cDepartment of Medicine, Division of Genetics, Brigham and Women’s Hospital and Harvard Medical School, Boston, MA 02115; and eCenter for Advanced Genomic Technology, Boston University, Boston, MA 02215 Contributed by Charles Cantor, July 6, 2009 (sent for review May 4, 2009) Length variation in short tandem repeats (STRs) is an important family including Huntington’s disease (10) and hereditary ataxias (11, 12). of DNA polymorphisms with numerous applications in genetics, All Huntington’s patients exhibit an expanded number of copies in medicine, forensics, and evolutionary analysis. Several major diseases the CAG tandem repeat subsequence in the N terminus of the have been associated with length variation of trinucleotide (triplet) huntingtin gene. Moreover, an increase in the repeat length is repeats including Huntington’s disease, hereditary ataxias and spi- anti-correlated to the onset age of the disease (13). Multiple other nobulbar muscular atrophy. Using the reference human genome, we diseases have also been associated with copy number variation of have catalogued all triplet repeats in genic regions. This data revealed tandem repeats (8, 14). Researchers have hypothesized that inap- a bias in noncoding DNA repeat lengths. It also enabled a survey of propriate repeat variation in coding regions could result in toxicity, repeat-length polymorphisms (RLPs) in human genomes and a com- incorrect folding, or aggregation of a protein.
    [Show full text]
  • The Small G Protein Arl8 Contributes to Lysosomal Function and Long-Range Axonal Transport in Drosophila
    This is a repository copy of The small G protein Arl8 contributes to lysosomal function and long-range axonal transport in Drosophila. White Rose Research Online URL for this paper: https://eprints.whiterose.ac.uk/134948/ Version: Accepted Version Article: Rosa-Ferreira, Cláudia, Sweeney, Sean orcid.org/0000-0003-2673-9578 and Munro, Sean (Accepted: 2018) The small G protein Arl8 contributes to lysosomal function and long- range axonal transport in Drosophila. Biology Open. (In Press) https://doi.org/10.1242/bio.035964 Reuse Items deposited in White Rose Research Online are protected by copyright, with all rights reserved unless indicated otherwise. They may be downloaded and/or printed for private study, or other acts as permitted by national copyright laws. The publisher or other rights holders may allow further reproduction and re-use of the full text version. This is indicated by the licence information on the White Rose Research Online record for the item. Takedown If you consider content in White Rose Research Online to be in breach of UK law, please notify us by emailing [email protected] including the URL of the record and the reason for the withdrawal request. [email protected] https://eprints.whiterose.ac.uk/ The small G protein Arl8 contributes to lysosomal function and long-range axonal transport in Drosophila Cláudia Rosa-Ferreira1 , Sean T. Sweeney2 and Sean Munro1* 1: MRC Laboratory of Molecular Biology Francis Crick Avenue Cambridge CB2 0QH UK 2: Department of Biology University of York York YO10 5DD UK *: Corresponding author. Email: [email protected] © 2018.
    [Show full text]