مطالعه بيوانفورماتيكي بيماري ورم پستان گاو ايجاد شده توسط ليپوپلي ساكاريد اشرشياكلي با استفاده از داده هاي ريزآرايه

Bioinformatics analysis of E. coli causing mastitis in Holstein dairy cattle by usingmicroarray data

سابقه و هدف: به منظور توسعه استراتژي‌هاي جديد براي جلوگيري از ورم پستان از نوع اشرشياكلي، داشتن فهم درست از جزئيات و مكانيسم‌هاي مولكولي درگير در پاسخ‌هاي ايمني ميزبان به اين باكتري ضروري مي‌باشد. در اين تحقيق با استفاده از اطلاعات ترانسكريپتوميكس موجود به مطالعه بيوانفورماتيكي اين بيماري پرداخته شد. مواد و روش‌ها: داده‌هاي حاصل از مطالعه گيلبرت و همكارانش كه با استفاده از تكنيك ريزآرايه انجام شده بود از سايت GEO استخراج گرديد. بر اساس داده‌هاي استخراج شده با استفاده از پايگاه داده String برهمكنش بين پروتئين‌ها شناسايي شده و توسط نرم‌افزار Cytoscape شبكه برهمكنش پروتئين – پروتئين آن رسم گرديد. آناليز‌هاي شبكه جهت يافتن هاب‌ها و دسته‌بندي بر اساس GO براي هر شبكه توسط CluGO-Clue-pedia انجام شد. يافته‌ها: شبكه برهمكنش پروتئين - پروتئين از ژن‌هايي با بيان متفاوت در بافت پستان گاو آلوده شده با ليپوپلي ساكاريد برگرفته از باكتري E. coli بعد از گذشت 3 و 6 ساعت تعيين شد. بخش‌هاي مشترك دو شبكه انتخاب شد و در آناليز شبكه حاصله، ژن‌هاي IL6، IFIH1، PARP14 ،IL1B ،ISG15 ،GRO1 ، IFIT3، CCL5، ICAM1، IRF9 و NOS2 داراي بيش‌ترين درجه بودند كه به عنوان هاب‌هاي شبكه عمل مي‌كنند. آناليز خوشه‌بندي بر اساس GO، مهم‌ترين فرآيندهاي بيولوژيكي، عمل‌كردهاي ملكولي، جايگاه سلولي، فرآيندهاي سيستم ايمني و مسيرهاي حاكم بر اساس پايگاه KEGG تعيين شد. نيجه‌گيري: نتايج نشان داد كه با افزايش زمان حضور پاتوژن در ميزبان تعداد برهمكنش‌ها در پروتئين‌هاي هاب هم‌راه با افزايش است بنابراين اين پروتئين‌ها مي‌توانند كانديداي هدف‌هاي دارويي باشند

Introduction: Mastitis is the inflammation of the mammary gland. One of its major pathogens is Escherichia coli. In order to develop new strategies for prevention of E. coli causing mastitis, it is necessary to have a clear understanding of the details and molecular mechanisms involved in host immunological responses to the pathogen. In this study by using available transcriptomic data, bioinformatics analysis of the diseases was performed. Materials and Methods: The data in this study was extracted from GEO web site, based on Gilbert’s microarray study on the mammary tissue transcriptome. Protein-protein interactions (PPIs) were identified by using String database and PPI networks generated by using Cytoscape software. In order to recognize and cluster the hubs based on GO, the network analysis was carried out by using ClueGO-Clue-Pedia. Results: The PPI network resulted from differentially expressed genes (DEGs) in contaminated mammary tissue with E. coli crude lipo-polysaccharide (LPS) were determined after 3 and 6 hours. PPI network was performed from common segments of the two PPI networks. Analysis of this new network showed that genes (IL6, IFIH1, PARP14, IL1B, ISG15, GRO1IFIT3, CCL5, ICAM1, IRF9 and NOS2) had the greatest degree and function as hubs. The most significant biological processes (BP), molecular functions (MF), cellular compartments (CC), immunological system and dominant pathways based on KEGG database were identified through GO-based cluster analysis of the network. Conclusion: This study suggests that expansion of pathogen presence in the host tissue would lead to the increase in the number of interactions in the hub proteins. So these proteins can be introduced as drug targets