首页> 市场活动 > 成果展示 > 文章展示 >文章详情

感染致病性副猪嗜血杆菌的猪细胞转录组分析:猪Glässer氏病发病机制新见解

2018-10-17


发表期刊:International Journal o f Molecular Sciences


影响因子:3.687


派森诺生物与武汉轻工大学携手合作,通过 Illumina HiSeq 4000高通量测序平台,应用转录组测序方法,对感染副猪嗜血杆菌的猪主动脉血管内皮细胞(PAVEC)的转录水平的变化进行了分析,揭示了副猪嗜血杆菌引起的血管损伤的可能机制。作者付书林和通讯作者邱银生关于PAVEC转录组测序的研究成果《Transcriptional Profiling of Host Cell Responses to Virulent Haemophilus parasuis: New Insights into Pathogenesis》于2018年4月29日发表在《International Journal of Molecular Sciences》上。


研究简介:


副猪嗜血杆菌是一种小的革兰氏阴性烟酰胺腺嘌呤二核苷酸(NAD)依赖性细菌,是巴斯德氏菌科的成员。它是Glässer氏病的致病因子,可引起血管损伤,可以造成养猪生产中巨大的经济损失。Glässer氏病的典型特征是多浆膜炎,脑膜炎和关节炎。作为猪中细菌性呼吸道病原体之一,控制副猪嗜血杆菌引起的感染是至关重要的。迄今为止,副猪嗜血杆菌的发病机制尚未得到详细解决。


细菌可以启动与靶细胞的多种细胞组分的相互作用并影响宿主细胞基因的转录和表达。因此,当试图理解细菌和宿主细胞之间的相互作用时,初始和随后的宿主细胞对细菌的反应是重要的,可以在转录水平上确定。本文研究感染了高毒力的副猪嗜血杆菌分离株的PAVECs的转录组,以分析感染期间宿主细胞的反应。研究结果将有助于更好地了解副猪嗜血杆菌引起的血管损伤机制,并可能为控制和预防感染提供新的靶点。


研究方法:



研究结果:


1.      转录组测序和注释


RNA-seq测序结果显示如下 结果表明,这些高质量测序数据可用于进一步分析。


3.png

2.      差异表达基因DEG鉴定


感染副猪嗜血杆菌的PAVEC显示出更高程度的差异表达。转录表达谱的差异分析表明,281个基因显著改变(≥2倍变化,p <0.05); 其中236个被上调,45个被下调。


4.png

差异基因火山图


3.      副猪嗜血杆菌感染引发PAVEC基因表达特征的功能注释

为了研究宿主细胞对副猪嗜血杆菌感染的反应,通过使用GO分类和KEGG途径作为生物信息学工具,确定它们的富集分析,来表征281个DEG。225个基因(89.7%)被分配到GO类别。在生物过程组中,代谢过程,生物调节和信号转导是丰富的类别,其他类别是运输过程和免疫系统过程。在分子过程中,丰富的类别是结合,转运蛋白活性和调节功能。


5.png

GO富集分析结果


KEGG分析显示DEGs主要参与信号转导,传感器系统和免疫等。此外,还研究了涉及主要代谢和信号传导途径的DEG。主要代谢途径和信号通路为Rap1信号通路,内吞作用,FoxO信号通路,内质网蛋白加工,黄体酮介导的卵母细胞成熟,cAMP信号通路,PI3K / Akt信号通路,Toll样受体信号通路和细胞凋亡,和其他调节途径。

6.png

KEGG富集分析


使用Sus scrofa数据库选择参与主要和有趣途径并且可能与血管损伤相关的DEG用于KEGG分析。下图显示了相同途径中所选DEGs的预测关联网络。在DEGs中,7种基因(ATF6B,PKN2,PTEN,IL7R,F2R,SGK1和FGF16)被上调并位于PI3K / Akt信号传导途径中,这是大多数DEG参与的途径。一个上调的DEG,ENSSSCG00000000175,参与血管平滑肌收缩途径。


在这些DEG中,大多数蛋白质分子是彼此相关的关键分子。这些信号传导途径的激活可能是导致副猪嗜血杆菌引起的血管损伤的重要因素。

7.png

PI3K-AKT信号通路分析


4.      STRING分析主要通路上的差异基因的相互作用


通过使用STRING分析DEGs,来预测蛋白质与DEGs编码的蛋白质之间的相互作用网络。参与主要途径的12个差异基因网络是使用STRING v10数据库构建的,以展示这些基因之间联系的复杂性。大多数DEGs彼此密切相关,并展示了一个协调的互动网络,而一些蛋白质没有相互联系。蛋白质和蛋白质之间的网络相互作用分析推测,在副猪嗜血杆菌感染后,所选择的DEG的串扰协同诱导血管炎症和损伤。


8.png

12个选择的差异基因的STRING分析


5.      DEG的 RT-qPCR验证


选择五个功能类别中的12个DEG用于qRT-PCR验证RNA-seq的数据,并将实时qRT-PCR的基因表达与RNA-seq的数据进行比较。 在所选择的12个基因中,9个基因(PARD6G,MRAS,FGF16,IL7R,ATF6B,PTEN,SGK1,CDKN2D)与RNA-seq数据比较时,表现出相似的表达水平。基于实时qRT-PCR方法,另一基因(F2R)未显示表达水平的明显变化。 此外,10个经核实的DEGs被上调,只有一个被下调。


9.png

RT-qPCR验证转录组测序数据

 

原文索引:


Fu S, Guo J, Li R, et al. Transcriptional Profiling of Host Cell Responses to Virulent Haemophilus parasuis: New Insights into Pathogenesis.[J]. International Journal of Molecular Sciences, 2018, 19(5).


文章链接: http://europepmc.org/abstract/MED/29710817