Informations

10 : Module 8 : Réplication de l'ADN et expression génique - Biologie

10 : Module 8 : Réplication de l'ADN et expression génique - Biologie


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

10 : Module 8 : Réplication de l'ADN et expression génique

Identification des modules de gènes clés et des gènes pivots du lymphome à cellules du manteau humain par analyse de réseau de coexpression

Le lymphome à cellules du manteau (MCL) est un sous-type rare et agressif de lymphome non hodgkinien qui est incurable avec les thérapies standard. L'utilisation de l'analyse de l'expression génique s'est récemment révélée intéressante pour détecter des biomarqueurs du cancer. Il existe un grand besoin d'analyse systémique du réseau de coexpression de MCL et cette étude vise à établir un réseau de coexpression de gènes pour prévoir les gènes clés liés à la pathogenèse et au pronostic de MCL.


Fond

La sélection commerciale basée sur l'exploration de l'hétérosis a fortement contribué à l'amélioration de la taille des fruits, du rendement et d'autres caractères quantitatifs. La stérilité mâle est largement utilisée dans l'élevage et présente des avantages considérables en croisement, en particulier des avantages économiques. La stérilité mâle chez les plantes supérieures fait référence à l'incapacité de produire des gamètes mâles viables, ce qui entraîne l'avortement des anthères et la stérilité dans le développement des organes sexuels mâles. Tout changement dans le développement du pollen, y compris une série de réactions physiologiques et biochimiques, peut conduire à l'avortement des microspores. Chez les plantes, la stérilité mâle est divisée en stérilité mâle cytoplasmique (CMS), stérilité mâle génique (GMS) et stérilité mâle génique-cytoplasmique (GCMS) sur la base des caractéristiques génétiques [28]. Parallèlement, la stérilité mâle est également un modèle important pour l'étude du développement des étamines et du pollen et l'examen des interactions génomiques cytoplasmique-nucléaire [10].

La stérilité mâle a été rapportée chez plus de 617 espèces végétales [25, 28], ce qui soutient fortement le modèle héréditaire de la stérilité mâle, et un grand nombre de gènes liés à la stérilité mâle ont également été découverts dans de nombreuses plantes. Ce fut une étape importante lorsque la première lignée CMS et combinaison hybride ont été cultivées avec succès dans le riz en transférant le gène de stérilité mâle du riz sauvage [54]. Par la suite, une série de lignées CMS et de lignées GMS de différentes variétés écologiques ont été construites [9, 67]. La première lignée CMS de blé a été développée en 1959 H [29], alors que seul un blé hybride limité était produit par des systèmes CMS, des systèmes de stérilité à sensibilité photopériodique et des agents d'hybridation chimiques [35, 63]. Comparé au maïs et au riz [35, 65], le croisement commercial du blé est toujours limité par un manque de caractères pratiques de stérilité mâle pour améliorer les capacités de sélection et réduire les coûts [63].

Avoine (Avena sativa), qui appartient à la tribu Aveneae de la famille des Graminées, est une culture économiquement importante pour la consommation humaine et l'alimentation animale. L'avoine est également une culture saine qui est bénéfique pour l'alimentation humaine, présentant des effets tels que l'amélioration de la fonction gastro-intestinale [55, 64], la promotion du métabolisme du glucose [2] et la réduction du cholestérol [7, 64]. Les inflorescences de l'avoine sont disposées en panicules lâches, comprenant une série de branches fleuries à partir de l'axe principal. Les fleurons d'avoine sont composés d'ovaires femelles et d'étamines mâles, dont le nombre est un multiple de trois, et ils sont autofécondés, ce qui se traduit par un faible taux d'hybridation naturelle de l'avoine. Semblable à d'autres espèces de la famille des Graminées, comme le blé et l'orge, l'avoine fleurit du haut à la base de l'épi, permettant de récolter les étamines d'une plante à différents stades de développement. Des efforts importants ont été faits pour développer des lignées d'avoine CMS et GMS, comme l'avoine hexaploïde cultivée A. sativa [12]. Cependant, à ce jour, aucune avoine hybride n'a été plantée commercialement en raison de l'absence d'un système approprié de stérilité mâle pour la sélection hybride [27].

Pour élucider le mécanisme moléculaire sous-jacent à la stérilité mâle, dans cette étude, la plante d'avoine mâle stérile, connue sous le nom de lignée d'avoine mâle stérile CA (CAMS) et contrôlée par des gènes nucléaires récessifs, a été utilisée comme stratégie de transcriptome dans le temps. La lignée d'avoine CAMS et la lignée quasi-isogénique utilisées dans cette étude ont été cultivées par sélection à long terme pendant de nombreuses années. Les modèles d'expression génique dynamique de l'avortement du pollen dans la lignée mâle stérile sont présentés, et les gènes hautement exprimés et les processus biologiques spécifiques ont été identifiés par une analyse transcriptomique complète. Pour déterminer les facteurs possibles responsables de la stérilité de la lignée CAMS, l'analyse des réseaux et voies associées a été combinée à des expérimentations sur les caractéristiques morphologiques de CAMS, identifiant ainsi des gènes candidats impliqués dans l'avortement pollinique et le développement des anthères. Ce travail fournit des preuves circonstancielles solides pour le criblage efficace des réponses géniques nucléaires récessives candidates pour la fertilité mâle dans les lignées d'avoine CAMS et établit une base pour la sélection commerciale d'avoine hybride à grande échelle et la production de semences hybrides.


2 MÉTHODES

2.1 Conception expérimentale

La conception expérimentale et la génération de données ont été menées selon Morris et al. (2014). En bref, l'épinoche à trois épines (Gasterosteus aculeatus) ont été prélevés dans deux eaux douces (lac Cranby, île Texada, 49°42 000″, 124°30 000″ et lac Hoggan, île Gabriola, 49°36 000″, 124°01 020″) et deux eaux marines (Oyster Lagoon, 49°36 048,6″ N, 124°1 046,88″ et Little Campbell River, 49°104″, 122°45 052″) emplacements sur la côte de la Colombie-Britannique. Des familles F1 pures d'épinoches marines ancestrales et dérivées d'eau douce ont été générées et maintenues à 17-18°C sous forme d'œufs et de juvéniles et ont ensuite été divisées en traitements à 7°C ou 22°C, représentant des températures proches de leur limite thermique. Tous les poissons ont été maintenus à 5-6 ppt. Plusieurs répétitions par traitement ont été maintenues dans ces conditions pendant 1 700 degrés-jours de croissance. Deux poissons par population de chaque répétition ont été échantillonnés (44 au total). L'ARN a été extrait du muscle blanc (un tissu avec une plasticité bien établie nécessaire à la réponse à l'environnement Johnston, 2006) avec du tissu cutané et squelettique en utilisant du TRIzol (Invitrogen)-chloroforme (Chomczynski & Sacchi, 1987). L'ADNc a été hybridé à la puce à ADN d'épinoches à trois épines entièrement vérifiée et spécifique à l'espèce (Leder, Merilä et Primmer, 2009), avec une puce par individu. Chaque microarray contenait des réplicats de 20 021 transcrits uniques totalisant 61 662 points de contrôle et de caractéristiques (détails dans Morris et al., 2014). Le logiciel Linear Model for Microarrays (LIMMA, Smyth, 2004 , 2005 ) a été utilisé pour effectuer une normalisation inter-arrays à l'aide de la méthode des quantiles sur des intensités de signaux transformées en log2. Les caractéristiques à haute intensité étaient conservées pour une analyse plus approfondie si elles dépassaient le seuil (>2.6 Dakota du Sud) sur 85 % des baies 7 ou 22°C. Après filtrage, il restait 14 208 gènes qui constituent la base de cette analyse.

2.2 Construction du module génétique

En vue de l'utilisation des données de microarray normalisées pour l'analyse de réseau, les valeurs manquantes ont été imputées par le moyen du voisin le plus proche à l'aide de la méthode imputer.knn fonction du package imputé dans R (v 1.58 Hastie et al., 1999 Troyanskaya et al., 2001 ). Les réseaux de gènes ont été créés à l'aide du package WGCNA dans R (v 1.68 Langfelder & Horvath, 2008), comme suit. Les cor fonction a été utilisée pour obtenir la corrélation de Pearson pour les modèles de co-expression entre les gènes à travers les échantillons. La puissance de seuillage souple a été choisie en utilisant l'estimation de puissance de la pickSoftThreshold fonction et le réseau déduit des données de co-expression. Les modules ont été détectés en construisant d'abord une matrice de chevauchement topologique à partir d'adjacences d'expression (en utilisant le TOMsimilarité fonction), la conversion en une matrice de distance et la construction de clusters hiérarchiques à l'aide de la hclust dans le package fastcluster (Müllner, 2013 ). Les clusters ont été découpés dynamiquement à l'aide de la cutreeDynamique dans le package dynamicTreeCut (Langfelder, Zhang, & Horvath, 2008 ). Enfin, les modules proches ont été fusionnés en utilisant le fusionnerFermerModules fonction dans WGCNA. Une fois les modules créés et les sondes affectées, le gène propre (premier composant principal) de chaque module a été calculé en utilisant le moduleEigengenes fonction de WGCNA.

2.3 Association des modules à la température et à l'habitat

Des ANOVAs bidirectionnelles ont été utilisées pour déterminer les associations entre l'expression du gène propre du module et les facteurs expérimentaux (température d'élevage (7 ou 22°C), habitat (d'eau douce ou marine) et les termes d'interaction). Des ANOVA à deux facteurs ont été calculées pour chaque module avec des sommes des carrés de type II et de type III à l'aide du package de voiture dans R (Fox et Weisberg 2011). Lorsqu'il n'y avait pas d'interaction significative, l'effet de chaque traitement a été déterminé à partir de sommes des carrés de type II corrigées par Bonferroni (Bonferroni 1936). Nous avons sélectionné un seuil conservateur pour nous concentrer sur les résultats les plus significatifs mais sans nécessairement saisir l'étendue des gènes répondant au traitement. Dans les modules où le terme d'interaction était significatif, les effets des traitements individuels ont été testés en utilisant des sommes des carrés de type III corrigées par Bonferroni. La signification de l'interaction a ensuite été évaluée pour tous les modules après correction de Bonferroni. Les modules montrant des différences significatives dans les gènes propres à travers la température, l'habitat et/ou l'interaction après correction ont été sélectionnés pour une analyse plus approfondie.

2.4 Enrichissement du terme GO pour les modules significatifs

Les gènes contenus dans des modules importants ont été préparés pour l'enrichissement à terme de Gene Ontology (GO) (Ashburner et al., 2000 Carbon et al., 2019) en convertissant d'abord les identifiants de transcription Ensembl de l'épinoche à trois épines en identifiants PANTHER en utilisant le obtenirBM fonction dans le package R biomaRt (v 2.40.5 Smedley et al., 2015 ). Ces identifiants PANTHER ont ensuite été chargés dans PANTHER (http://pantherdb.org/ v 14.1 (Mi et al., 2019 Thomas et al., 2003 ), et un test de surreprésentation statistique a été exécuté en utilisant PANTHER GO-Slim Biological et PANTHER GO -Slim Molecular process annotation datasets (publié : 2019-03-12) (Mi et al., 2019 ).Chaque module a été testé par rapport à une liste de référence composée des identifiants PANTHER pour les 14 208 gènes qui ont réussi le filtrage et testés à l'aide du test exact de Fisher (Fisher 1936) et corrigé pour la correction multiple en utilisant la correction de Bonferroni.

2.5 Enrichissement de la voie KEGG pour les modules significatifs

Les identifiants de transcription de l'ensemble des épinoches à trois épines pour les gènes du module ont été convertis en humains et en poisson zèbre (Danio rerio) NCBI Entrez IDs pour compatibilité dans Kyoto Encyclopedia of Genes and Genomes (KEGG) (Kanehisa et al., 2016 Ogata et al., 1999) voie d'enrichissement (KEGG ne reconnaît pas les ID ENSEMBL). Cette conversion a été effectuée à l'aide de la fonction obtenirLDS dans le package R biomart (v 2.40.5 Smedley et al., 2015 ). Parce qu'il n'y a pas de mappage 1:1 des identifiants de transcription Ensembl de l'épinoche à trois épines en identifiants Entrez Gene (plusieurs identifiants Ensembl sont mappés en un seul identifiant Entrez et vice versa), nous avons d'abord créé une liste de référence pour convertir l'identifiant Ensembl de l'épinoche à trois épines (14 208 gènes) aux ID Entrez, en supprimant tous les ID de mappage ambigus.

Les gènes de chaque module significatif ont été convertis en identifiants Entrez humains et poissons zèbres en utilisant la liste de référence ci-dessus. Les enrichirKEGG La fonction dans le package R clusterProfiler (v 3.12.0 Yu, Wang, Han et He, 2012) a été utilisée pour enrichir les voies KEGG avec la correction de Bonferroni pour tous les modules significatifs. Trois de ces voies KEGG ont été utilisées dans les analyses en aval décrites ci-dessous.

2.6 Mappage de l'expression sur trois voies KEGG

Nous avons sélectionné trois voies significativement enrichies pour visualiser les profils d'expression des gènes dans ces voies (correction de Bonferroni p-valeur < .05). Nous nous sommes efforcés de sélectionner des voies précédemment démontrées comme étant impliquées dans l'acclimatation à la température des poissons (Healy et al., 2017 Long et al., 2013 Metzger & Schulte, 2018 Scott & Johnston, 2012 ). Nous avons sélectionné la biogenèse des splicéosomes et des ribosomes et la phosphorylation oxydative. Enregistrer2 l'expression différentielle a été calculée pour les épinoches d'eau douce et marines en fixant 22 °C comme valeur de référence (valeurs positives indiquant ainsi une régulation à la hausse des gènes à 7 °C). L'expression différentielle a été visualisée à l'aide du vue du chemin dans le package R Pathview (v 1.24.0 Luo & Brouwer, 2013 ). Pour les gènes des spliceosomes et des ribosomes, les épinoches d'eau douce et marines ont montré des modèles similaires d'expression différentielle et les profils d'expression des épinoches d'eau douce ont été choisis arbitrairement par rapport aux espèces marines à afficher. Pour la phosphorylation oxydative, les épinoches d'eau douce et marines ont présenté des changements d'expression différents entre 22 °C et 7 °C et les deux sont affichés.

2.7 Attribution des gènes observés dans des régions divergentes entre les épinoches d'eau douce et marines à des modules et des voies

Morris et al. (2014) ont découvert sept gènes (domaine CARD de la famille des récepteurs de type NOD contenant 5 (NLRC5), récepteur alpha a activé par les proliférateurs de peroxysomes (PPARAa), inhibine, alpha (INHa), de type obscurine 1 (OBSL1), protéine de liaison au facteur de croissance analogue à l'insuline 2a (IGFBP2a), SPEG, et un nouveau gène) qui présentaient une expression différentielle en réponse à la température et correspondaient à des régions aberrantes de divergence adaptative entre les épinoches d'eau douce et marines trouvées par Jones et al. (2012). Pour étudier l'association de ces régions à l'analyse des modules et des voies, nous avons déterminé à quel module ces gènes ont été attribués et s'ils ont été trouvés dans des voies KEGG significativement enrichies chez l'homme et/ou le poisson zèbre.


10 : Module 8 : Réplication de l'ADN et expression génique - Biologie

L'objectif de ce module est de permettre aux étudiants de comprendre :
1. Les composants clés des cellules qui agissent comme les éléments constitutifs des structures macromoléculaires clés qui sont essentielles en chimie médicinale.
2. Comment les macromolécules interagissent les unes avec les autres pour permettre des processus cellulaires naturels (tels que l'expression des gènes) qui peuvent être exploités par les chimistes médicinaux.
3. Les cibles médicamenteuses clés en chimie médicinale.

(LO1) Après avoir réussi ce module, un étudiant sera en mesure de démontrer une compréhension des composants chimiques des cellules.

(LO2) Après avoir réussi ce module, un étudiant sera en mesure de démontrer une compréhension de la structure, des liaisons chimiques et des interactions d'une gamme de macromolécules cellulaires qui permettent aux processus cellulaires naturels de se produire.

(LO3) Après avoir réussi ce module, un étudiant sera en mesure de démontrer une compréhension des cibles médicamenteuses clés en chimie médicinale, y compris les enzymes, les récepteurs et les acides nucléiques

(S1) Compétences en résolution de problèmes

Le cours sera enseigné à travers

22 heures de cours en ligne via

Enregistrements de 10 à 20 minutes. Celui-ci sera complété par un numéro (

8) de séances en face à face d'une heure et demie dispensées à des groupes de

30 étudiants et la stratégie d'évaluation détaillée ci-dessus.

Cours : 22 heures
Tutoriel : 12 heures
Apprentissage autodirigé : 116 heures

Le cours aura le programme suivant, mais il est probable qu'il y ait un chevauchement dans la prestation des deux sections.

FONDEMENTS DE LA BIOLOGIE CELLULAIRE
Thème 1 (Introduction à la biologie cellulaire, composants chimiques des cellules et thermodynamique associée)
• Interactions non covalentes, énergie et propriétés de l'eau.
• Unité et diversité des cellules
• Organismes modèles
•œomment nous regardons les cellules
•œomposants des cellules : sucres, acides gras, acides aminés et nucléotides
• Macromolécules dans les cellules : focus sur les interactions non covalentes

Thème 2 (ADN, chromosomes, réplication et réparation)
• La structure et la fonction de l'ADN
• La structure des chromosomes eucaryotes
• La régulation de la structure des chromosomes
• Réplication de l'ADN
• Réparation de l'ADN
• Intercalateurs et réactifs alkylants

Thème 3 (De l'ADN à la protéine : comment les cellules lisent le génome)
• Transcription, traduction et ribozymes

QUELLES SONT LES PRINCIPALES CIBLES MÉDICAMENTEUSES EN CHIMIE MÉDICINALE ? ENZYMES, RÉCEPTEURS et ACIDES NUCLÉIQUES

Thème 4 (Structure et fonction des protéines)
• Les bases de la structure des protéines
•Ÿonctions des protéines
• La forme et la structure des protéines (exemples intéressants, agrégats et assemblages de protéines)
•œomment fonctionnent les protéines (Anticorps, Lysozymes, Trypsine, Cofacteurs à petites molécules)
•œomment les protéines sont contrôlées (Protéines allostériques)

Thème 5 (Structure et fonction des enzymes)
•žnzymes comme catalyseurs
•œomment les enzymes catalysent-elles les réactions
• Le site actif des enzymes
• Liaison du substrat et interactions de liaison
•৊talyse acido-basique
•œinétique enzymatique de base

Thème 6 (Les enzymes comme cibles médicamenteuses)
• Inhibiteurs réversibles
 022 Inhibiteurs irréversibles
• Inhibiteurs allostériques
• Non compétitif et non compétitif
• Inhibiteurs de l'état de transition
• Substrats suicides
• Utilisations médicinales des inhibiteurs enzymatiques

Thème 7 (Structure, fonction et transduction du signal des récepteurs)
• Rôle du récepteur
• Neurotransmetteurs et hormones
•বtivation du récepteur
Récepteurs de canaux • Ion
Canaux ioniques • Ligand et voltage-dépendants
• Récepteurs couplés aux protéines

Thème 8 (Récepteurs en tant qu'agonistes et antagonistes des cibles médicamenteuses)
•œonception d'agonistes
• Groupes de liaison
• La conception des antagonistes
•žxemples d'agonistes et d'antagonistes


Discussion

La BPCO est une maladie très complexe avec des phénotypes très hétérogènes, et la relation entre la génétique, l'environnement et les phénotypes n'est pas bien comprise. Des travaux antérieurs ont suggéré que la BPCO est une maladie systémique [9] et qu'il peut y avoir des signatures génomiques dans le sang [2]. Nous nous sommes concentrés sur la construction et l'analyse de modules de consensus dans le sang pour trouver des groupes de gènes qui, en tant que groupe, ont des associations de maladies significatives et une signification biologique. Cette analyse comprenait la plus grande collection de profils d'expression génique du sang dans la MPOC à ce jour avec près de 600 sujets répartis sur trois cohortes. Les modules de consensus ont été définis sur la base de la co-expression génique (WGCNA) dans les cas de BPCO des cohortes COPDGene et ECLIPSE pour nous donner des modules liés à la maladie stables, qui ont ensuite été validés sur une cohorte indépendante (TESRA). À partir de ce travail, nous avons pu découvrir des réseaux de gènes co-exprimés qui montrent des associations phénotypiques cohérentes à travers plusieurs cohortes.

Les avantages de l'analyse du module de gènes par rapport à une analyse univariée sont que les gènes individuels peuvent avoir de petits effets ou des associations insignifiantes avec un phénotype, mais qu'un groupe de gènes en interaction avec des effets individuellement petits peut avoir une association plus significative. De plus, ces groupes de gènes proviennent souvent de réseaux connus biologiquement, ce qui facilite l'interprétation et la reproductibilité, d'autant plus que les gènes individuellement hautement classés peuvent être mal annotés ou ne sont souvent pas reproductibles d'une étude à l'autre [12, 13]. En effet, des gènes précédemment associés à des phénotypes de spirométrie [2] étaient surreprésentés dans des modules spécifiques (rouge et turquoise), ce qui indique que l'on peut récupérer partiellement des gènes que l'on peut retrouver en analyse univariée. Cependant, tous les gènes présents dans les modules significatifs n'ont pas été trouvés dans l'analyse univariée et, vice versa, tous les gènes significatifs de l'analyse univariée n'ont pas été trouvés dans les modules significatifs. Ainsi, l'approche par module donne une vision alternative des relations gène-phénotype univariées, avec des avantages potentiels, en particulier dans l'analyse d'enrichissement par annotation de gènes. Tester chaque gène indépendamment est sujet à une diminution de la puissance en raison de la lourde charge de tests multiples résultant en de faux négatifs. De plus, dans toute analyse univariée, les faux positifs sont également une préoccupation majeure. Nous avons atténué les problèmes de faux positifs et négatifs grâce à l'approche par module en réduisant le fardeau des tests multiples (rappelons que nous avons testé les associations module-phénotype plutôt que les associations gène-phénotype), en incorporant les dépendances entre les gènes et en utilisant deux cohortes pour une définition de module robuste. De plus, nous avons trouvé plusieurs de nos modules surreprésentés pour différents termes GO connus, ce qui nous a donné une vue alternative sur la surreprésentation par rapport aux analyses univariées. Dans l'approche du module WGCNA, nous avons d'abord regroupé les gènes en modules, puis avons recherché une surreprésentation de ces gènes-modules. La surreprésentation a été testée au sein de chaque module par opposition à tous les gènes qui sont significatifs au niveau individuel.

Lors de l'étude des relations module-trait, nous avons d'abord considéré les cohortes cas-témoins COPDGene et ECLIPSE, suivi d'une analyse basée sur les cas de toutes les cohortes. Bien que les associations dans les cohortes de cas ne soient pas aussi fortes que dans les cohortes complètes en raison de la taille de l'échantillon plus petite et d'une gamme de résultats plus étroite, nos résultats montrent une association relativement cohérente entre les différentes cohortes indépendantes (COPDGene, ECLIPSE et TESRA) et dans les sous-populations (cas uniquement versus cas et témoins). Nous nous sommes concentrés sur deux des principaux phénotypes de MPOC, l'obstruction du flux d'air (VEMS1% et VEMS1/CVF) et la tomodensitométrie a évalué l'emphysème.

Les modules les plus significativement associés à l'obstruction des voies respiratoires dans les deux cohortes cas-témoins (COPDGene et ECLIPSE) étaient les modules rouge, vert-jaune et noir. Les gènes des modules les plus corrélés avec les gènes propres avaient également des associations cohérentes avec l'obstruction du flux d'air : ces gènes dans les modules rouge et vert-jaune étaient corrélés négativement, tandis que les gènes dans le module noir étaient corrélés positivement. Les tendances étaient d'amplitude et de direction similaires pour les mesures de spirométrie, pour lesquelles le VEMS1% et VEMS1/FVC ont tendance à être fortement corrélées. Dans ces trois modules, les résultats étaient cohérents dans les cohortes cas-témoins de COPDGene et ECLIPSE, et presque cohérents lorsque l'on considère leurs sous-populations de cas uniquement, bien qu'avec des associations moins significatives. Sur les trois modules, la cohorte TESRA était cohérente avec les deux autres cohortes uniquement pour le VEMS1% dans le module noir. Une raison possible à cela est que la définition du réseau était basée uniquement sur les cohortes COPDGene et ECLIPSE, et les trois modules ont été sélectionnés sur la base de l'association des modules dans ces cohortes cas-témoins. Cela suggère que l'approche réseau pourrait bénéficier de l'inclusion de plus de cohortes dans la définition du module. Cela peut être considéré comme une force de l'approche WGCNA lorsque l'on considère plusieurs cohortes, mais c'est aussi une limitation lorsqu'on considère une seule cohorte, ce qui est souvent le cas lorsque l'on utilise WGCNA. Une autre raison probable de la moindre cohérence entre TESRA et COPDGene/ECLIPSE est que nous obtenons des associations plus fiables entre les modules et un phénotype lorsque l'on considère l'ensemble du spectre du phénotype à travers les cas et les témoins.

Nous avons comparé nos modules de consensus qui avaient une association significative avec le VEMS1% (noir, rouge et vert jaune), avec les modules définis précédemment pour ECLIPSE [31] et TESRA [18]. Il y avait un fort chevauchement de nos trois modules significatifs avec les trois modules les plus significatifs d'ECLIPSE en ce qui concerne ce phénotype, ainsi qu'avec d'autres modules d'ECLIPSE qui ont montré des preuves d'association avec le VEMS1%. Ceci malgré le fait que dans [31] plus de modules ont été définis que dans notre analyse. On pouvait s'y attendre dans une certaine mesure étant donné que nous avons également utilisé ECLIPSE dans la définition du module de consensus. Cependant, il est rassurant de constater que les approches d'analyse indépendante utilisant WGCNA ont donné des résultats cohérents.

Il y avait peu de chevauchement entre les modules d'intérêt de notre étude et les modules TESRA précédemment publiés [18]. Cela peut être le résultat de la non-utilisation de TESRA dans la définition du module de consensus, et des définitions de module de TESRA définies à l'aide d'ensembles de sondes que nous avons ensuite mappés sur des gènes dans l'analyse de chevauchement. Il se pourrait bien que les deux approches conduisent à des points de vue différents sur les données, qui ne sont pas tout à fait comparables.

L'analyse d'enrichissement de l'ontologie génique a fourni des informations sur les catégories fonctionnelles qui peuvent être représentées par les modules. Le module rouge était surreprésenté dans les termes GO tels que « réponse immunitaire », « réponse de défense » et « processus du système immunitaire ». De plus, les termes liés aux cytokines étaient surreprésentés dans une étude précédente utilisant la cohorte COPDGene a, les patients atteints de BPCO avaient une réponse cytokinique diminuée par rapport aux témoins [32].

Un module supplémentaire que nous avons considéré était le module turquoise, dont les associations avec les phénotypes de spirométrie n'étaient pas aussi cohérentes et fortes, à l'exception d'une forte association dans la cohorte cas-témoins COPDGene. Cependant, le module turquoise était le plus grand, il montrait des signes d'association phénotypique et il était surreprésenté dans les gènes significatifs de l'analyse univariée dans [2], ce qui méritait d'être examiné. La surreprésentation la plus importante dans le module turquoise concernait le processus homéostatique, qui est un terme GO plus général. Cependant, il y avait aussi des termes GO plus spécifiques impliquant des lipides et des sphingolipides dans le module turquoise (par exemple, processus métabolique des lipides, processus métabolique des lipides cellulaires, processus métabolique des sphingolipides). Les sphingolipides ont été impliqués dans la pathogenèse de la BPCO (voir [33] et les références qui y figurent). Enfin, en comparant nos résultats à la liste des gènes significatifs pour le VEMS1% et VEMS1/FVC de l'analyse univariée dans [2], les modules rouge et turquoise étaient surreprésentés dans cette liste.

Pour l'emphysème, dans les cohortes cas-témoins de COPDGene et ECLIPSE, le module saumon était le meilleur module candidat (méta p = 0,06), qui était surreprésenté dans plusieurs termes GO de réponse immunitaire, et en particulier, les termes liés aux cytokines et aux interférons, à la fois la réponse des cytokines et les niveaux d'interféron gamma étaient associés aux résultats de la BPCO [32]. Notez que les gènes spécifiques aux cellules dendritiques étaient surreprésentés dans ce module, ce qui souligne encore son rôle immunitaire. Dans les cohortes de cas seulement, le module vert-jaune était associé à l'emphysème (méta p = 0,02). Dans ce module, les termes sphingolipidiques étaient surreprésentés. Les sphingolipides ont été associés à l'emphysème [33].

Bien que l'inclusion des données génomiques de trois cohortes ait été une force de cette étude, l'hétérogénéité des cohortes présentait des défis. Par exemple, la cohorte TESRA n'avait que des sujets BPCO. Dans ces sous-cohortes, nous avons vu des résultats moins significatifs que dans les cohortes cas-témoins, ce qui est probablement dû à la plus petite taille des échantillons et à une gamme plus étroite de résultats, ce qui donne moins de puissance. Cependant, il y avait une bonne cohérence entre les cohortes en ce qui concerne les relations module-phénotype. Un autre défi de notre méta-analyse était la dépendance à la plate-forme. Nous avons considéré un ensemble de données supplémentaires de Lineagen [25]. Cependant, cet ensemble de données a été produit à l'aide de la puce Illumina Omni-Express tandis que les autres ensembles utilisaient Affymetrix. En général, les niveaux d'expression des gènes et leurs corrélations sont difficiles à comparer entre les plateformes. Nous n'avons donc pas inclus cette ressource dans notre analyse. Malgré ces limitations, l'approche du module de consensus a démontré que nous pouvons identifier les modules de gènes qui sont significativement associés aux phénotypes de la MPOC. Certains de ces modules ont été enrichis de signatures génomiques identifiées dans des analyses univariées de gènes associés à la spirométrie [2, 33], mais comprenaient également de nouveaux gènes qui correspondent à des catégories GO similaires. Cela indique qu'une combinaison de modules de consensus basés sur des cas et d'une analyse des gènes propres basée sur des cas-témoins peut systématiquement trouver des groupes de gènes biologiquement pertinents, et que cette approche pourrait être plus robuste que les analyses univariées qui ne peuvent souvent pas être reproduites dans des cohortes indépendantes. Les modules pourraient servir de biomarqueurs et donner un aperçu de nouvelles cibles thérapeutiques. En résumé, étant donné que les modules de gènes consensus ont été répliqués dans plusieurs cohortes et sont fortement connectés, ce sont des candidats plus forts (par rapport aux gènes découverts à l'aide d'approches à gène unique dans une seule cohorte) pour les tests en tant que biomarqueurs dans des cohortes supplémentaires ou des cohortes d'origine ethnique différente, ou mécaniquement dans des études fonctionnelles cellulaires ou tissulaires.


○ Expliquez comment la puce à ADN utilise l'expression génique pour évaluer le risque de cancer ○ Comment l'expression génique différentielle est-elle utilisée dans une puce à ADN ? ■ Quel est le but de reve.

La métaphase I est lorsque les paires de chromosomes s'alignent le long du fuseau. L'anaphase I correspond à la séparation des paires de chromosomes. Les chromatides sœurs restent à.

La dérégulation de la signalisation de la voie Wnt contribue à la formation de cancers et aux métastases. Les cellules souches sont probablement responsables de la régénération du cancer du sein. T.

Fonctions des reins Les reins aident à la régulation interne du corps en remplissant la fonction suivante - * Filtration - Les reins éliminent le th.

Le système urinaire abrite : deux reins, deux uretères, la vessie, le muscle sphincter, les nerfs de la vessie et l'urètre. Les reins éliminent l'ure.

En étudiant le comportement des chromosomes cassés dans les plants de maïs en étudiant la cytologie des plants radiographiés, elle a observé que lorsque la cassure se produisait.

Le circuit pulmonaire transporte le sang du ventricule droit vers le tronc pulmonaire vers les poumons vers l'oreillette gauche. Cela oxygène le sang. Le système.

Rein : Fonctions principales ✓ C-contrôle l'équilibre électrolytique et hydrique ✓ R-régule l'homéostasie du sang et l'équilibre acido-basique ✓ R-régule RBC pro.

Il aide à maintenir un bon fonctionnement des reins dans lesquels se produit l'osmose. Cela se produit dans les reins comme un moyen de récupérer l'eau de l'ingr de déchets.

Une fois qu'une cellule somatique, une cellule vivante telle qu'une cellule hépatique ou une cellule cutanée, est arrivée en prophase, les chromosomes ont déjà été dupliqués pendant l'interphase.


Identification de biomarqueurs pronostiques du cancer de la prostate dans une cohorte de 498 patients du TCGA

Objectif: Le cancer de la prostate (PCa) est le premier cancer courant chez l'homme, et les variables pronostiques sont bénéfiques pour la conception des essais cliniques et les stratégies de traitement du PCa. Cette étude a été réalisée pour identifier plus de biomarqueurs potentiels pour le pronostic des patients atteints de PCa.

Méthodes et résultats : Les données du transcriptome et les informations de survie d'une cohorte comprenant 498 sujets atteints de PCa ont été téléchargées depuis TCGA. Un total de 4293 gènes différentiellement exprimés (DEG), dont 1362 DEG liés au pronostic, ont été identifiés dans les tissus PCa par rapport aux tissus normaux. Gènes régulés à la hausse, y compris les facteurs d'épissage riches en sérine/arginine (SRSF tels que SRSF2, SRSF5, SRSF7 et SRSF8) et les membres de l'enzyme de conjugaison de l'ubiquitine E2 (UBE2) (tels que UBE2D2, UBE2G2, UBE2J1 et UBE2E1), ont été identifiés comme des biomarqueurs pronostiques négatifs du PCa, car leur expression élevée était corrélée à une faible survie globale des patients atteints de PCa. Plusieurs médiateurs de trafic Golgi-ER régulés à la baisse (tels que SEC31A, TMED2, et TMED10) ont été identifiés comme des biomarqueurs pronostiques positifs du PCa, car leur expression élevée était corrélée à une bonne survie globale des patients atteints de PCa.

Conclusion : Ces gènes étaient d'un grand intérêt dans le pronostic du PCa, et certains d'entre eux peuvent être constructifs pour l'augmentation de la conception des essais cliniques et des stratégies de traitement du PCa.


Les références

Cheng, X. Structure et fonction des ADN méthyltransférases. Annu. Rév. Biophys. Biomol. Structurer. 24, 293–318 (1995).

Barbeyron, T., Kean, K. & Forterre, P. DNA adenine methylation of GATC sequences appeared recently in the Escherichia coli lignée. J. Bactériol. 160, 586–590 (1984).

Bickle, T. A. & Kruger, D. H. Biology of DNA restriction. Microbiole. Tour. 57, 434–450 (1993).

Marinus, M. G. Methylation of DNA. Dans Escherichia coli and Salmonella: Cellular and Molecular Biology (eds Neidhardt, F. C. et al.) 782–791 (ASM Press, Washington DC, 1996). A comprehensive summary of the first two decades of research on Dam methylation.

Reisenauer, A., Kahng, L. S., McCollum, S. & Shapiro, L. Bacterial DNA methylation: a cell cycle regulator? J. Bactériol. 181, 5135–5139 (1999).

Low, D. A., Weyand, N. J. & Mahan, M. J. Roles of DNA adenine methylation in regulating bacterial gene expression and virulence. Infect. Immun. 69, 7197–7204 (2001). The only published survey of the roles of Dam methylation in bacterial virulence.

Løbner-Olesen, A., Skovgaard, O. & Marinus, M. Dam methylation: coordinating cellular processes. Cour. Op. Microbiole. 8, 154–160 (2005). An update on the roles of Dam methylation in bacteria, including evolutionary aspects.

Esteller, M. Aberrant DNA methylation as a cancer-inducing mechanism. Annu. Rev. Pharmacol. Toxicol. 45, 629–656 (2005).

Engel, J. D. & von Hippel, P. H. Effects of methylation on the stability of nucleic acid conformation: studies at the polymer level. J. Biol. Chem. 253, 928–934 (1978).

Diekmann, S. DNA methylation can enhance or induce DNA curvature. EMBO J. 6, 4213–4217 (1987).

Polaczek, P., Kwan, K. & Campbell, J. L. GATC motifs may alter the conformation of DNA depending on sequence context and N 6 -adenine methylation status: possible implications for DNA–protein recognition. Mol. Gen. Genet. 258, 488–493 (1998).

Messer, W. & Noyer-Weidner, M. Timing and targeting: the biological functions of Dam methylation in E. coli. Cellule 54, 735–737 (1988).

Luria, S. E. & Human, M. L. A nonhereditary, host-induced variation of bacterial viruses. J. Bactériol. 64, 557–569 (1952).

Bertani, G. & Weigle, J. J. Host controlled variation in bacterial viruses. J. Bactériol. 65, 113–121 (1953).

Arber, W. & Dussoix, D. Host specificity of DNA produced by Escherichia coli. I. Host controlled modification of bacteriophage λ. J. Mol. Biol. 5, 18–36 (1962).

Lacks, S. & Greenberg, B. Complementary specificity of restriction endonucleases of Diplococcus pneumoniae with respect to DNA methylation. J. Mol. Biol. 114, 153–168 (1977).

Murray, N. E. Immigration control of DNA in bacteria: self versus non-self. Microbiologie 148, 3–20 (2002). A comprehensive review on the biological significance of R–M systems.

McKane, M. & Milkman, R. Transduction, restriction and recombination patterns in Escherichia coli. La génétique 139, 35–43 (1995).

Jeltsch, A. Maintenance of species identity and controlling speciation of bacteria: a new function for restriction/modification systems? Gène 317, 13–16 (2003).

Kobayashi, I. Behavior of restriction–modification systems as selfish mobile elements and their impact on genome evolution. Acides nucléiques Res. 29, 3742–3756 (2001).

Urig, S. et al. Les Escherichia coli Dam DNA methyltransferase modifies DNA in a highly processive reaction. J. Mol. Biol. 319, 1085–1096 (2002).

Torreblanca, J. & Casadesús, J. DNA adenine methylase mutants of Salmonelle typhimurium and a novel Dam-regulated locus. La génétique 144, 15–26 (1996).

Julio, S. M. et al. DNA adenine methylase is essential for viability and plays a role in the pathogenesis of Yersinia enterocolitica et Vibrio cholerae. Infect. Immun. 69, 7610–7615 (2001).

Egan. E. S. & Waldor M. K. Distinct replication requirements for the two Vibrio cholerae chromosomiques. Cellule 114, 521–530.

Boye, E., Løbner-Olesen, A. & Skarstad, K. Limiting DNA replication to once and only once. EMBO Rep. 1, 479–483 (2000).

Campbell, J. L. & Kleckner, N. The E. coli oriC et le dnaA gene promoter are sequestered from Dam methyltransferase following the passage of the chromosomal replication fork. Cellule 62, 967–979 (1990).

Lu, M., Campbell, J. L., Boye, E. & Kleckner, N. SeqA: a negative modulator of replication initiation in E. coli. Cellule 77, 413–426 (1994).

von Friesleben, U., Rasmussen, K. V. & Schaechter, M. SeqA limits DnaA activity in replication from oriC dans Escherichia coli. Mol. Microbiole. 14, 763–772 (1994).

Boye, E., Stokke, T., Kleckner, N. & Skarstad, K. Coordinating DNA replication initiation with cell growth: differential roles for DnaA and SeqA proteins. Proc. Natl Acad. Sci. Etats-Unis 93, 12206–12211 (1996).

Braun, R. W. & Wright, A. DNA methylation differentially enhances the expression of one of the two dnaA promoteurs in vivo et in vitro. Mol. Gen. Genet. 202, 246–250 (1986).

Kücherer, C., Lother, H., Kölling, R., Schauzu, M. A. & Messer, W. Regulation of transcription of the chromosomal dnaA gène de Escherichia coli. Mol. Gen. Genet. 205, 115–121 (1986).

Riber, L. & Løbner-Olesen, A. Coordinated replication and sequestration of oriC et dnaA are required for maintaining once-per-cell-cycle initiation in Escherichia coli. J. Bactériol. 187, 5605–5613 (2005).

d'Alençon, E et al. Isolation of a new hemimethylated DNA binding protein which regulates dnaA l'expression du gène. J. Bactériol. 185, 2967–2971 (2003).

Ogden, G. B., Pratt, M. J. & Schaechter, M. The replicative origin of the E. coli chromosome binds to cell membranes only when heminethylated. Cellule 54, 121–135 (1988).

Herrick, J. et al. Parental strand recognition of the DNA replication origin by the outer membrane in Escherichia coli. EMBO J. 13, 4695–4703 (1994).

Bach, T., Krekling, M. A. & Skarstad, K. Excess SeqA prolongs sequestration of oriC and delays nucleoid segregation and cell division. EMBO J. 22, 315–323 (2003).

Brendler, T., Sawitzke, J., Sergueev, K. & Austin, S. A case for sliding SeqA tracts at anchored replication forks during Escherichia coli chromosome replication and segregation. EMBO J. 19, 6249–6258 (2000).

Løbner-Olesen, A., Marinus, M. G. & Hansen, F. G. Role of SeqA and Dam in Escherichia coli gene expression: a global/microarray analysis. Proc. Natl Acad. Sci. Etats-Unis 100, 4672–4677 (2003).

Yamazoe, M., Adachi, S., Kanava, S., Obsumi, K. & Hiraga, S. Sequential binding of SeqA protein to nascent DNA segments at replication forks in synchronized cultures of E. coli. Mol. Microbiole. 55, 289–298 (2005).

Hsieh, T. Molecular mechanisms of DNA mismatch repair. Mutat. Rés. 486, 71–87 (2001).

Burdett, V., Baitinger, C., Visvanathan, C., Lovett, S. & Modrich, P. In vivo requirement for RecJ, ExoVII, ExoI, and ExoX in methyl-directed mismatch repair. Proc. Natl Acad. Sci. Etats-Unis 98, 6765–6770 (2001).

Welsch, K. M., Lu, A. L., Clark, S. & Modrich, P. Isolation and characterization of the E. coli mutH produit. J. Biol. Chem. 262, 15624–15629 (1987).

Glickman, B. W. & Radman, M. Escherichia coli mutator mutants deficient in methylation-instructed DNA mismatch correction. Proc. Natl Acad. Sci. Etats-Unis 77, 1063–1067 (1980).

Fram, R. J., Cusick, P. S., Wilson, J. M. & Marinus, M. G. Mismatch repair of cis-diamminedichloroplatinum(II)-induced DNA damage. Mol. Pharmacol. 28, 51–55 (1985).

Karran, P. & Marinus, M. G. Mismatch correction at O 6 -methylguanine residues in E. coli ADN. La nature 296, 868–869 (1982).

Prieto, A. I., Ramos-Morales, F. & Casadesús, J. Bile-induced DNA damage in Salmonella enterica. La génétique 168, 1787–1794 (2004).

Rasmussen, L. J., Løbner-Olesen, A. & Marinus, M. G. Growth-rate-dependent transcription initiation from the dam P2 promoter. Gène 157, 213–215 (1995).

Roberts, D., Hoopes, B. C., McClure, W. R. & Kleckner, N. IS 10 transposition is regulated by DNA adenine methylation. Cellule 43, 117–130 (1985). A classic, elegant study of DNA–protein interactions regulated by m6A.

Yin, J. C., Krebs, M. P. & Reznikoff, W. S. Effect of Dam methylation on Tn5 transposition. J. Mol. Biol. 199, 35–45 (1988).

Dodson, K. W. & Berg, D. E. Factors affecting transposition activity of IS50 and Tn5 prend fin. Gène 76, 207–213 (1989).

van der Woude, M., Braaten, B. & Low, D. A. Epigenetic phase variation of the pap operon in Escherichia coli. Tendances Microbiol. 4, 5–9 (1996).

Hernday, A., Krabbe, M., Braaten, B. & Low, D. Self-perpetuating epigenetic pili switches in bacteria. Proc. Natl Acad. Sci. Etats-Unis 99, 16570–16476 (2002). A detailed description of the molecular mechanisms that control the pap operon, a paradigm among bacterial epigenetic switches.

Hernday, A. D., Braaten B. A. & Low, D. A. The mechanism by which DNA adenine methylase and PapI activate the Pap epigenetic switch. Mol. Cellule 12, 947–957 (2003).

White-Ziegler, C. A, Black, A. M., Eliades, S. H., Young, S. & Porter, K. The N-acetyltransferase RimJ responds to environmental stimuli to repress pap fimbrial transcription in Escherichia coli. J. Bactériol. 184, 4334–4342 (2002).

Hernday, A. D., Braaten, B. A., Broitman-Maduro, G., Engelberts, P. & Low, D. A. Regulation of the Pap epigenetic switch by CpxAR: phosphorylated CpxR inhibits transition to the phase ON state by competition with Lrp. Mol. Cellule 16, 537–547 (2004).

Nicholson, B. & Low, D. DNA methylation-dependent regulation of pef expression in Salmonelle typhimurium. Mol. Microbiole. 35, 728–742 (2000).

Waldron, D. E., Owen, P. & Dorman, C. J. Competitive interaction of the OxyR DNA-binding protein and the Dam methylase at the antigen 43 gene regulatory region in Escherichia coli. Mol. Microbiole. 44, 509–520 (2002).

Haagmans, W. & van der Woude, M. Phase variation of Ag43 in Escherichia coli: Dam-dependent methylation abrogates OxyR binding and OxyR-mediated repression of transcription. Mol. Microbiole. 35, 877–887 (2000).

Henderson, L. R. & Owen, P. The major phase-variable outer membrane protein of Escherichia coli structurally resembles the immunoglobulin A1 protease class of exported protein and is regulated by a novel mechanism involving Dam and OxyR. J. Bactériol. 181, 2132–2141 (1999).

Correnti, J., Munster, M., Chan, T. & van der Woude, M. Dam-dependent phase variation of Ag43 in Escherichia coli is altered in a seqA mutant. Mol. Microbiole. 44, 521–532 (2002).

Wallecha, A., Munster, V., Correnti, J., Chan, T. & van der Woude, M. Dam- and OxyR-dependent phase variation of agn43: essential elements and evidence for a new role of DNA methylation. J. Bactériol. 184, 3338–3347 (2002).

Hale, W. B., van der Woude, M. W. & Low, D. A. Analysis of non-methylated GATC sites in the Escherichia coli chromosome and identification of sites that are differentially methylated in response to environmental stimuli. J. Bactériol. 176, 3438–3441 (1994).

van der Woude, M., Hale, W. B. & Low, D. A. Formation of DNA methylation patterns: nonmethylated GATC sequences in gut et pap operons. J. Bactériol. 180, 5913–5920 (1998).

Mashhoon, N. et al. Functional characterization of Escherichia coli DNA adenine methyltransferase, a novel target for antibiotics. J. Biol. Chem. 279, 52075–52081 (2004).

Torreblanca, J., Marqués, S. & Casadesús, J. Synthesis of FinP RNA by plasmids F and pSLT is regulated by DNA adenine methylation. La génétique 152, 31–45 (1999).

Camacho, E. M. & Casadesús, J. Conjugal transfer of the virulence plasmid of Salmonella enterica is regulated by the leucine-responsive regulatory protein and DNA adenine methylation. Mol. Microbiole. 44, 1589–1598 (2002).

Camacho, E. M. et al. Regulation of finP transcription by DNA adenine methylation in the virulence plasmid of Salmonella enterica. J. Bactériol. 187, 5691–5699 (2005).

Camacho, E. M. & Casadesús, J. Regulation of traJ transcription in the Salmonelle virulence plasmid by strand-specific DNA adenine hemimethylation. Mol. Microbiole. 57, 1700–1718 (2005).

Heithoff, D. M., Sinsheimer, R. L., Low, D. A. & Mahan, M. J. An essential role for DNA adenine methylation in bacterial virulence. Science 284, 967–970 (1999).

García-del Portillo, F., Pucciarelli, M. G. & Casadesús, J. DNA adenine methylase mutants of Salmonelle typhimurium show defects in protein secretion, cell invasion, and M cell cytotoxicity. Proc. Natl Acad. Sci. Etats-Unis 96, 11578–11583 (1999).

Giacomodonato, M. N., Sarnacki, M. H., Caccuri, R. L., Sordelli, D. O. & Cerquetti, M. C. Host response to a dam mutant of Salmonella enterica serovar Enteritidis with a temperature sensitive phenotype. Infect. Immun. 72, 5498–5501 (2004).

Pucciarelli, M. G., Prieto, A. I., Casadesús, J. & García-del Portillo, F. Envelope instability in DNA adenine methylase mutants of Salmonella enterica. Microbiologie 148, 1171–1182 (2002).

Heithoff, D. M. et al. Salmonelle DNA adenine methylase mutants confer cross-protective immunity. Infect. Immun. 69, 6725–6730 (2001).

Honma, Y., Fernández, R. E. & Maurelli, A. T. A DNA adenine methylase mutant of Shigella flexneri shows no significant attenuation of virulence. Microbiologie 150, 1073–1078 (2004).

Dueger, E. L., House, J. K., Heithoff, D. M. & Mahan, M. J. Salmonelle DNA adenine methylase mutants elicit early and late onset protective immune responses in calves. Vaccine 21, 3249–3258 (2003).

Watson, M. E. Jr ., Jarisch, J. & Smith, A. L. Inactivation of deoxyadenosine methyltransferase (dam) attenuates Haemophilus influenzae virulence. Mol. Microbiole. 53, 651–654 (2004).

Taylor, V. L., Titball, R. W. & Oyston, P. C. F. Oral immunization with a dam mutant of Yersinia pseudotuberculosis protects again plague. Microbiologie 151, 1919–1926 (2005).

Julio, S. M., Heithoff, D. M., Sinsheimer, R. L., Low, D. A. & Mahan, M. J. DNA adenine methylase overproduction in Yersinia pseudotuberculosis alters YopE expression and secretion and host immune responses to infection. Infect. Immun. 70, 1006–1009 (2002).

Fälker, S., Schmidt, M. A. & Heusipp, G. DNA methylation in Yersinia enterocolitica: role of the DNA adenine methyltransferase in mismatch repair and regulation of virulence factors. Microbiologie 151, 2291–2299 (2005).

Chen, L. et al. Alteration of DNA adenine methylase (Dam) activity in Pasteurella multocida causes increased spontaneous mutation frequency and attenuation in mice. Microbiologie 149, 2283–2290 (2003).

Oshima, T. et al. Genome-wide analysis of deoxyadenosine methyltransferase-mediated control of gene expression in Escherichia coli. Mol. Microbiole. 45, 673–695 (2002).

McClelland, M. Selection against dam methylation sites in the genomes of DNA of enterobacteriophages. J. Mol. Évol. 21, 317–322 (1985).

Blaisdell, B. E., Campbell, A. M. & Karlin, S. Similarities and dissimilarities of phage genomes. Proc. Natl Acad. Sci. Etats-Unis 93, 5854–5859 (1996).

Sternberg, N., Sauer, B., Hoess, R. & Abremski, K. Bacteriophage P1 cre gene and its regulatory region. Evidence for multiple promoters and for regulation by Dam methylation. J. Mol. Biol. 187, 197–212 (1986).

Hattman, S. & Sun, W. Escherichia coli OxyR modulation of bacteriophage Mu maman expression in dam + cells can be attributed to its ability to bind Pmom promoter DNA. Acides nucléiques Res. 25, 4385–4388 (1997).

Swinton, D. et al. Purification and characterization of the unusual nucleotide, α-N-(9-β- d -2′-deoxyribofuranosylpurin-6-yl)glycinamide, specified by the phage Mu modification function. Proc. Natl Acad. Sci. Etats-Unis 80, 7400–7404 (1983).

Sternberg, N. & Coulby, J. Cleavage of the bacteriophage P1 packaging site (pac) is regulated by adenine methylation. Proc. Natl Acad. Sci. Etats-Unis 87, 8070–8074 (1990).

Yarmolinski, M. B. & Sternberg, N. Bacteriophage P1. Dans The Bacteriophages Vol. 1 (ed. Calendar, R.) 782–791 (Plenum Press, New York, 1988).

Zweiger, G., Marczynski, G. & Shapiro, L. A Caulobacter DNA methyltransferase that functions only in the predivisional cell. J. Mol. Biol. 235, 472–485 (1994).

Marczynski, G. T. & Shapiro, L. Control of chromosome replication in Caulobacter crescentus. Annu. Rev. Genet. 56, 625–656 (2002). A comprehensive review on the Caulobacter cell cycle, including the roles of CcrM methylation.

Robertson, G. T. et al. Les Brucella abortus CcrM DNA methyltransferase is essential for viability, and its overexpression attenuates intracellular replication in murine macrophages. J. Bactériol. 182, 3482–3489 (2000).

Reisenauer, A. & Shapiro, L. DNA methylation affects the cell cycle transcription of the CtrA global regulator in Caulobacter. EMBO J. 21, 4969–4977 (2002).

Vanyushin, B. F., Tkacheva, S. G. & Belozersky, A. N. Rare bases in animal DNA. La nature 225, 948–949 (1970).

Hattman, S. DNA-[adenine] methylation in lower eukaryotes. Biochemistry (Mosc.) 70, 550–558 (2005). A recent review on the presence of m6A in eukaryotes, the biological importance of which might have been overlooked for decades.

Rogers, S. D., Rogers, M. E., Saunders, G. & Holt, G. Isolation of mutants sensitive to 2-aminopurine and alkylating agents and evidence for the role of DNA methylation in Penicillium chrysogenum. Cour. Genet. 10, 557–560 (1986).

Hattman, S., Kenny, C., Berger, L. & Pratt, K. Comparative study of DNA methylation in three unicellular eucaryotes. J. Bactériol. 135, 1156–1157 (1978).

Gutiérrez, J. C., Callejas, S., Borniquel, S. & Martin-González, A. DNA methylation in ciliates: implications in differentiation processes. Int. Microbiole. 3, 139–46 (2000).

van Etten, J. L. et al. DNA methylation of viruses infecting a eukaryotic Chlorella-like green alga. Acides nucléiques Res. 13, 3471–3478 (1985).

Zhang, Y., Nelson, M., Nietfeldt, J. W., Burbank, D. E. & Van Etten, J. L. Characterization of Chlorella virus PBCV-1 CviAII restriction and modification system. Acides nucléiques Res. 20, 5351–5356 (1992).

Gogarten, J. P. & Townsend, J. P. Horizontal gene transfer, genome innovation and evolution. Nature Rev. Microbiol. 3, 679–687 (2005).

Lutsenko, E. & Bhagwat, A. S. Principal causes of hot spots for cytosine to thymine mutations at sites of cytosine methylation in growing cells. A model, its experimental support, and implications. Mutat. Rés. 437, 11–20 (1999).

Antonarakis, S. E., Krawczak, M. & Cooper, D. N. Disease-causing mutations in the human genome. EUR. J. Pedriatr. 159, 173–178 (2000).

Poole, A., Penny, D. & Sjoberg, B. M. Confounded cytosine! Tinkering and the evolution of DNA. Nature Rev. Mol. Cell Biol. 2, 147–51 (2001).

Fedoreyeva, L. I. & Vanyushin, B. F. N 6 -adenine DNA-methyltransferase in wheat seedlings. FEBS Lett. 514, 305–308 (2002).


Voir la vidéo: VMCB60 Module 8-9. F. Asfarviridae and Iridoviridae (Mai 2022).