雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际期刊的创新在计算机和通信工程的研究

菜单

ISSN在线(2320 - 9801)打印(2320 - 9798)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

基于网络的方法对于理解为类风湿性关节炎软骨细胞生物学

Snijesh。V。P, Sachidanand辛格
部门生物信息学生物技术和健康科学学院,Karunya大学,哥印拜陀,泰米尔纳德邦,印度
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

国际期刊的创新在计算机和通信工程的研究

文摘

软骨结缔组织的主要成分,软骨细胞在类风湿性关节炎(RA)中扮演主要的角色,这是一种病因不明的慢性自身免疫性疾病,其特征是一系列过程,如炎症、滑膜增生和软骨破坏导致骨质流失。在目前的工作,角色之间保持平衡的软骨细胞合成和降解的软骨成骨细胞和破骨细胞是重点。软骨细胞的关键调控分子与RA病理生理学有关提取通过整合生物网络分析和基因表达分析数据分析。表达式从基因表达综合检索的数据包括正常的捐赠者和病变set.By应用数据分析和统计measureshighly相关的差异表达基因。上下Clusteringof网络导致了三个有意义的模块化网络与种子基因ABO血型,AMPD3和燃煤。这些种子基因高度与邻近的基因。所以模块化网络打开更多的生物分析方法进一步解开更多的交互产生新颖的蛋白质与RA。

关键字
类风湿性关节炎、软骨细胞、基因表达分析、基因基因相关性、生物网络分析

介绍
Chondrocytesare软骨结缔组织中的细胞产生软骨基质和维护一个稳定的平衡矩阵的合成和降解组件(藤泽et al . 1999年)。软骨的主要功能是减少摩擦骨头和持有从摩擦在一起(Otero andGoldring 2007)。类风湿性关节炎(RA)是一种慢性、全身性炎性疾病,经常影响滑膜关节滑膜增生、软骨破坏和骨侵蚀(Rossol et al . 2013年)。滑膜细胞包括巨噬细胞、软骨细胞和成纤维细胞(麦克因尼斯和Schett 2007)。最初在RA炎症过程发生在动关节的滑膜衬里(Szekanecz和科赫2007)。免疫细胞和炎性moleculeshave至关重要的作用在RA病理生理学(Huber et al . 2006年)。人类软骨细胞分泌细胞因子如单核细胞化学引诱物蛋白质(MCP-1)参与软骨退化和风湿性关节疾病(Rohner et al . 2012年)。目前的工作重点是识别关键调控分子病理学的风湿性关节炎软骨细胞。
与微阵列基因表达分析和网络生物学已成为一种新颖的方法寻找原则签名与复杂疾病相关分子和生物学途径(Baueret。2009;Haupl et al . 2010;集和阿拉姆2012)。预测小说协会和关键调控分子在复杂疾病,coexpressed基因在生物网络分析相结合。这些技术集成isreliable预测签名分子生物相关信息从有意义的生物网络(Tornow和新2003;马克特et al . 1999;贝格利et al . 2002年)。在目前的研究中,我们分析报告的人类软骨细胞分子表达谱的RA病理生理学预测有前途的基因。

材料和方法

收集的数据集
研究工作的目的说谎的预测从软骨细胞信号分子参与风湿性关节炎的病理生理学。风湿性关节炎软骨细胞相关的数据集从基因表达综合(GEO) (http://www.ncbi.nlm.nih.gov/geo/),数据集下GSE10024 Affymetrix平台首选由共有6个样品。相关的数据集是比较风湿性关节炎滑膜成纤维细胞(RASF)刺激软骨细胞正常捐赠滑膜成纤维细胞(NDSF)刺激软骨细胞通过保持如果软骨细胞作为基线(Andreas et al . 2008年)。

数据预处理
6系列的样品GSE10024进口GeneSpring GX 12.6 (Chu et al . 2001年)微阵列数据分析工具。使用摘要算法、健壮Multi-array平均(RMA)原始信号值的每个探针集样本归一化控制基线值的样本。RMA算法涉及的背景校正原始信号值,log2转换回纠正值随后分位数正常化(伊et al . 2003年)。
图像
实验分组使用GeneSpring GX 12.6创建和解释。的样本数据集被分组为RASF刺激(2)样品,NDSF刺激(2)样本和如果软骨细胞(2)样品。
图像

差异表达基因(度)
为了检测(度)统计分析的差异表达基因进行了基于单向方差分析(方差分析)和Benjamini-Hochberg错误发现率(罗斯福)。与假定值直接罗斯福切断0.05和1.5折(FC)值更改(≥1.5和≤-1.5)进行了分离基因上调和下调的基因。

网络建设和分析
基于与质心连杆集群、皮尔森相关基因基因都建立了相关图上下调节基因(图3,图4),统计关系上下调节基因是基于开发的皮尔森相关系数(热阻)(Ng et al . 2006年)。对称n x n矩阵生成与R值截止0.8及以上。对数据进行预处理,使非冗余使用PERL脚本。预处理数据具有高相关性被纳入Cytoscape(香农et al . 2003年)和中的基因网络构建的向上和向下调节基因。
图像
图像
生物网络的规模是免费的网络功能和统计上显著的相互作用分子(森古普塔et al . 2009年)。节点代表基因或蛋白质之间的相互作用为代表的节点度传达各种途径,(Snijesh和辛格2014)相关联。Cytoscape插件——网络分析仪和Clusterviz采用拓扑和聚类分析(Cai et al . 2010年)。插件Clusterviz用于开发密集的集群是基于快速分层烧结的算法(FAG-EC)精确复杂的阈值。功能特征和基因本体分析使用Biointerpreter执行(http://www.biointerpreter.com/biointerpreterv3/) (Varatharajan et al . 2013年)andWebGestalt (http://bioinfo.vanderbilt.edu/webgestalt/) (Zhang et al . 2005年)。

结果与讨论

表达特点
分析了差异表达基因在软骨细胞系列GSE10024基于多重假设检验导致1073度(374和699年调节基因)。更高的皮尔逊相关系数与质心连杆算法导致374 interactomes(边缘= 23160)上调699(边缘= 93953)衰减网络。高度相关co-expression网络集群使用clusterviz使总三个子网,(表1)。两个差异和1高模块化和衰减的程度。
图像
的种子节点通过聚类分析interactome ABO血型,腺苷酸脱氨酶3 (AMPD3)上调andCytochrome C氧化酶组装因子1(燃煤)衰减网络(图5)。种子节点集群中得分最高的节点和链接集群中的所有其他节点(李等人。2010)。这些基因的功能鉴定显示,集群在整个网络(Rank1和Rank2向上和Rank1向下)参与血管生成,汽车吞噬作用、细胞粘附、生长因子和调控,免疫反应,炎症和血管生成。他们还显示参与途径如cytokine-cytokine受体相互作用,趋化因子信号通路,Toll样受体信号通路,破骨细胞分化、抗原加工路径、转化生长因子β信号通路和粘多糖生物合成途径证实这些分子可能在类风湿性关节炎的病理生理学中发挥至关重要的作用。
图像
种子的基因调控网络ABO血型和AMPD3据报道免疫反应和炎症过程中至关重要的作用(Michelis et al . 2014;Fessler et al . 2002年)。细胞色素C氧化酶1负责监管考克斯组装装配因素。前列腺素e endoperoxidase合成不同的单位。燃煤的抑制和调节显示,免疫系统本身试图控制燃煤蛋白抑制COX组装蛋白质。这些调节的基因相互作用网络显示了沉默的基因在RA的发病机制。大多数基因在这些集群显示他们的细胞定位主要在细胞核中紧随其后的是膜区域(图6)。
图像

结论
表达数据分析风湿性关节炎软骨细胞相关的差异表达基因的褶皱变化水平+ / - 1.5。上下调节基因与种子节点表示,与高入度(93953 - 7663)不等。入度报告,所有的信息流动从上层枢纽节点核心节点。这三个种子基因的理解了洞察力探索更多的种子网络识别重要的途径和蛋白质可能发挥作用在RA病理生理学。

承认
这一研究工作是由科学工程研究委员会——科技部(SERB-DST),新德里和Karunya大学,哥印拜陀,泰米尔纳德邦。

引用
  1. 安德烈亚斯,K。Lubke C。Haupl, T。Dehne, T。,Morawietz, L., Ringe, J., ...&Sittinger, M. (2008). Key regulatory molecules of cartilage destruction in rheumatoid arthritis: an in vitro study. Arthritis research & therapy, 10(1), R9.

  2. 鲍尔,j·W。Bilgic, H。,&Baechler, E. C. (2009). Gene-expression profiling in rheumatic disease: tools and therapeutic potential. Nature Reviews Rheumatology, 5(5), 257-265.

  3. 贝格利,t·J。,Rosenbach, A. S., Ideker, T., & Samson, L. D. (2002).Damage Recovery Pathways in Saccharomyces cerevisiae Revealed by Genomic Phenotyping and Interactome Mapping1 1 NIH Grants RO1-CA-55042 and P30-ES02109; NIH Training Grant ES07155 and NationalResearch Service Award F32-ES11733 (to TJB).Molecular Cancer Research, 1(2), 103-112.

  4. Cai, J。,Chen, G., & Wang, J. (2010). ClusterViz: a Cytoscape plugin for graph clustering and visualization. School of Information Science andEngineering, Central South University, Changsha, China,1.

  5. 集,Y。,&Alam, M. A. (2012). Network biology approach for identifying key regulatory genes by expression based study of breast cancer.Bioinformation, 8(23), 1132

  6. 楚,L。,Scharf, E., & Kondo, T. (2001). GeneSpring TM: Tools for Analyzing Microarray Expression Data.

  7. 菲斯勒,m . B。,Malcolm, K. C., Duncan, M. W., &Worthen, G. S. (2002). A genomic and proteomic analysis of activation of the human neutrophil by lipopolysaccharide and its mediation by p38 mitogen-activated protein kinase. Journal of Biological Chemistry, 277(35), 31291-31302.

  8. 藤泽,T。,Hattori, T., Takahashi, K., Kuboki, T., Yamashita, A., &Takigawa, M. (1999). Cyclic mechanical stress induces extracellularmatrix degradation in cultured chondrocytes via gene expression of matrix metalloproteinases and interleukin-1. Journal of biochemistry,125(5), 966-975.

  9. Haupl, T。,Stuhlmüller, B., Grützkau, A., Radbruch, A., &Burmester, G. R. (2010). Does gene expression analysis inform us in rheumatoidarthritis?.Annals of the rheumatic diseases, 69(Suppl 1), i37-i42.

  10. 胡贝尔,l . C。,Distler, O., Tarner, I., Gay, R. E., Gay, S., & Pap, T. (2006). Synovial fibroblasts: key players in rheumatoid arthritis.Rheumatology, 45(6), 669-675.

  11. 伊,r。霍布斯,B。,Collin, F., Beazer‐Barclay, Y. D., Antonellis, K. J., Scherf, U., & Speed, T. P. (2003). Exploration, normalization,and summaries of high density oligonucleotide array probe level data. Biostatistics, 4(2), 249-264

  12. 李X。,Wu, M., Kwoh, C. K., & Ng, S. K. (2010). Computational approaches for detecting protein complexes from protein interactionnetworks: a survey. BMC genomics, 11(Suppl 1), S3.

  13. 马克特,e . M。,Pellegrini, M., Thompson, M. J., Yeates, T. O., & Eisenberg, D. (1999).A combined algorithm for genome-wide prediction ofproteinfunction.Nature, 402(6757), 83-86.

  14. 麦克因尼斯,i B。,&Schett, G. (2007).Cytokines in the pathogenesis of rheumatoid arthritis.Nature Reviews Immunology, 7(6), 429-442.

  15. Michelis, f . V。分支,d R。Scovell,我。布洛赫E。,Pendergrast, J., Lipton, J. H., &Cserti‐Gazdewich, C. M. (2014). Acute hemolysis after intravenous immunoglobulin amid host factors of ABO‐mismatched bone marrow transplantation, inflammation, and activated mononuclear phagocytes. Transfusion, 54(3), 681-690.

  16. Ng。,Bursteinas, B., Gao, Q., Mollison, E., &Zvelebil, M. (2006). pSTIING: a ‘systems’ approach towards integrating signallingpathways,interaction and transcriptional regulatory networks in inflammation and cancer. Nucleic acids research, 34 (suppl 1), D527-D534.

  17. 奥特罗,M。,&Goldring, M. B. (2007).Cells of the synovium in rheumatoid arthritis.Chondrocytes.Arthritis research & therapy, 9(5), 220.

  18. Rohner) E。,Matziolis, G., Perka, C., Füchtmeier, B., Gaber, T., Burmester, G. R., ...& Hoff, P. (2012). Inflammatory synovial fluidmicroenvironment drives primary human chondrocytes to actively take part in inflammatory joint diseases. Immunologic research, 52(3), 169-175.

  19. Rossol, M。,Schubert, K., Meusch, U., Schulz, A., Biedermann, B., Grosche, J., ...& Wagner, U. (2013). Tumor necrosis factor receptor type I expression of CD4+ T cells in rheumatoid arthritis enables them to follow tumor necrosis factor gradients into the rheumatoid synovium.Arthritis& Rheumatism, 65(6), 1468-1476.

  20. 森古普塔,U。、Ukil年代。,Dimitrova, N., &Agrawal, S. (2009). Expression-based network biology identifies alteration in key regulatory pathways of type 2 diabetes and associated risk/complications. PloS one, 4(12), e8100.

  21. 香农,P。,Markiel, A., Ozier, O., Baliga, N. S., Wang, J. T., Ramage, D., ...&Ideker, T. (2003). Cytoscape: a software environment forintegrated models of biomolecular interaction networks. Genome research, 13(11), 2498-2504

  22. Snijesh, v P。,& Singh, S. (2014). Molecular Modeling and Network Based Approach in Explaining the Medicinal Properties of Nyctanthesarbortristis, Lippianodiflora for Rheumatoid Arthritis.Journal of Bioinformatics and Intelligent Control, 3(1), 31-38

  23. Szekanecz, Z。,& Koch, A. E. (2007).Macrophages and their products in rheumatoid arthritis.Current opinion in rheumatology, 19(3), 289-295.

  24. Tornow, S。,&Mewes, H. W. (2003).Functional modules by relating protein interaction networks and gene expression.Nucleic Acids Research,31(21), 6283-6289.

  25. 张,B。,Kirov, S., &Snoddy, J. (2005). WebGestalt: an integrate d system for exploring gene sets in various biological contexts. Nucleicacids research, 33(suppl 2), W741-W748.