MDL算法用于時間梯度設(shè)計試驗豬骨骼肌基因調(diào)控網(wǎng)絡(luò)分析上的研究.pdf

1、本試驗基于生長肥育豬飼喂高含n-3多不飽和脂肪酸的亞麻籽日糧0，30，60,90d后，采取豬背最長肌樣品進行表達譜芯片數(shù)據(jù)分析。根據(jù)試驗設(shè)計背景采用適合時間梯度因素和營養(yǎng)素影響情況下的數(shù)據(jù)處理算法，旨在進一步研究(1)n-3PUFA調(diào)控下骨骼肌基因表達變化，構(gòu)建差異基因表達調(diào)控網(wǎng)絡(luò)；(2)骨骼肌內(nèi)脂肪和肌肉形成與分化相關(guān)機制。(3)同時基于時間梯度和營養(yǎng)素影響下表達改變不顯著的研究背景，建立特異性的前期分析框架。
　　 試驗樣品

2、采集為每組隨機取三頭豬的背最長肌肉樣做為3個生物學(xué)重復(fù)進行表達譜芯片試驗，每個重復(fù)一張芯片，共計12張芯片。主要研究結(jié)果如下：
　　 (1)采用EDGE、ANOVA和SlopeMiner3種算法對4組模擬基因芯片數(shù)據(jù)進行篩選，目的是為了選取其中最好的篩選方法運用在真實芯片數(shù)據(jù)上。其中經(jīng)EDGE篩選的FDR值均低于ANOVA和SlopeMiner2種算法，并且FNR值也與ANOVA處于同一水平遠低于SlopeMiner算法。說明E

3、DGE適合處理時間梯度影響下的表達譜芯片數(shù)據(jù)，其結(jié)果真實可靠。例如采用“Q＜0.01”的模擬數(shù)據(jù)模型時，EDGE篩選的FDR值和FNR值分別為0.0066和0.1048，經(jīng)ANOVA篩選的FDR值和FNR值分別為0.0150和0.1012，經(jīng)SlopeMiner篩選的FDR值和FNR值分別為0.9672和0.1795。因此針對本試驗真實的基因芯片數(shù)據(jù)擬用EDGE篩選的差異基因結(jié)果進行網(wǎng)絡(luò)構(gòu)建分析。
　　 (2)根據(jù)EDGE篩選出

4、的差異基因，通過基因功能注釋分別選取52個與脂肪生成和代謝相關(guān)的基因，75個與肌肉形成和分化相關(guān)的基因進行基因調(diào)控網(wǎng)絡(luò)的分析。同時基于時間梯度效應(yīng)影響的營養(yǎng)素調(diào)控作用的背景，成功構(gòu)建適合本試驗設(shè)計的動態(tài)貝葉斯網(wǎng)絡(luò)和最小長度原理網(wǎng)絡(luò)算法。對不同的網(wǎng)絡(luò)結(jié)果進行比較分析，經(jīng)公共數(shù)據(jù)庫(KEGG)查詢重點基因的分子調(diào)控通路。
　　 (3)通過網(wǎng)絡(luò)圖譜中基因分子功能和通路的查詢，發(fā)現(xiàn)脂肪調(diào)控網(wǎng)絡(luò)中LEF1、FBXW11、PPP2R1A這3

5、個基因在已知的數(shù)據(jù)庫中存在于一個相同的調(diào)控通路“hsa04310”中，即“Wnt信號通路”，說明“Wnt信號通路”很可能在脂肪形成及調(diào)控方面起到了重要的作用。同時LEF1對WNT3可能存在轉(zhuǎn)錄因子方面的調(diào)控，而他們也存在于Wnt信號通路上，所以進一步驗證了Wnt信號通路在脂肪形成和代謝上可能存在的重要作用。肌肉調(diào)控網(wǎng)絡(luò)中發(fā)現(xiàn)EGF和MEF2C存在相同的調(diào)控通路“hsa04010”，即“MAPK信號通路”，說明MAPK信號通路很可能在肌肉

6、的形成和分化上存在的重要作用。其中FOXC1對EGF可能存在轉(zhuǎn)錄因子方面的調(diào)控作用，MEF2A不僅對MEF2C可能有轉(zhuǎn)錄因子方面的調(diào)控，還可能存在蛋白之間的相互作用。
　　 本研究通過上述試驗得到如下結(jié)論：
　　 (1)EDGE較ANOVA和SlopeMiner算法能夠更加準確地篩選出時間梯度影響下基因芯片數(shù)據(jù)中差異基因，適合本試驗設(shè)計的獨特性，更加真實的體現(xiàn)出生物學(xué)的變化。
　　 (2)MDL算法網(wǎng)絡(luò)模型較動態(tài)