تحلیل شبکه ژنی جهت شناسایی ژن‌های هاب و مسیرهای زیستی مرتبط با ورم پستان در گاو شیری بر پایه آنالیز بیوانفورماتیک

هدف: ورم پستان یک بیماری عفونی در دوران خشکی و شیردهی گاو شیری است که اثرات مخرب شناخته شده‌‌ای بر سلامت حیوانات و سود‌ اقتصادی دارد و هر ساله خسارت زیادی به صنعت لبنیات وارد می‌کند. هدف از این تحقیق شناسایی ژن‌های هاب و مسیرهای بیولوژیکی مرتبط با بیماری ورم پستان در گاو شیری با استفاده از تجزیه و تحلیل بیوانفورماتیک است.مواد و روش‌ها: مجموع 21 نمونه داده‌ ریزآرایه شامل 9 نمونه‌ از بافت گاو سالم و 12 نمونه از بافت آلوده به e.coli از پایگاه داده geo با شماره دسترسی gse24217 استخراج و با استفاده از geo2r مورد ارزیابی قرار گرفت. و سپس بر اساس دو معیار 0.05> adjp value و1|logfc| ≥ ژن های متفاوت بیان مشخص گردید. افزونه cytohubba در نرم‌افزار cytoscape و روش‌های تحلیل توپولوژیکی dmnc ,mcc ,mnc, degree برای شناسایی ژن‌های هاب استفاده شد.. جهت شناسایی مسیرهای سیگنالدهی از ابزار string بر اساس شاخص 0.05> fdr استفاده شد.نتایج: در مجموع 631 ژن بیان متفاوت داشتند که از این بین تعداد 136 ژن در بافت پستان آلوده نسبت به سالم بیان پایین و 495 ژن بیان بالا داشتند. از این تعداد 205 ژن تشکیل شبکه هم‌بیانی دادند. 12 ژن هاب شاملccl19 ، alb، gapdh، ptprc، icam1، il6، il1b، il18، cxcl8، ccl20، cxcl16، ccl3 شناسایی شد. نتایج تجزیه و تحلیل مسیرهای بیولوژیکی نشان داد که لیست ژنی مورد مطالعه در 66 مسیر بیولوژیکی نقش دارند کهnod like receptor signaling pathway، tnf signaling pathway، il 17 signaling pathway نقش عملکردی مهمی در بیماری ورم پستان گاو شیری دارند.نتیجه‌گیری: ژن‌ها و مسیرهای پیشنهاد شده ممکن است منجر به درک بیشتری از مکانیسم‌های مولکولی موثردر بیماری ورم پستان شود و می‌توان در برنامه اصلاحی پیشگیری و تشخیص زودرس ورم پستان و اهداف درمانی این عفونت در نظر گرفت. پیش‌بینی می‌شود که این نتایج ممکن است نشانگرهای زیستی دقیق‌تر و عملاً قابل اعتمادتری را برای تشخیص زودهنگام و پیشگیری و درمان فردی ورم پستان e. coli گاوی ارائه دهند.

gene network analysis to identify hub genes and biological pathways related to mastitis in dairy cows based on bioinformatics analysis

objectivemastitis, a significant infectious ailment affecting dairy cows during both dry and lactation periods, has substantial impacts on animal health, economic profitability, and the dairy industry each year. this study seeks to utilize bioinformatics analysis not only to identify hub genes and biological pathways linked to mastitis in dairy cows but also to gain a deeper understanding of its implications.materials and methods21 microarray data samples were obtained from the geo database (accession number gse24217), comprising 9 healthy cow tissue samples and 12 e. coli infected tissue samples. these samples were assessed using geo2r. differentially expressed genes were identified based on two criteria: adjp value > 0.05 and |logfc| ≥ 1. hub genes were identified using the cytohubba plugin in cytoscape software and topological analysis methods (dmnc, mcc, mnc, degree). signaling pathways were identified using the string tool based on an fdr > 0.05 index.resultsout of 631 differentially expressed genes, 136 had low expression, and 495 had high expression in infected breast tissue compared to healthy ones. among these, 205 genes were co expressed in the network. 12 hub genes, including ccl19, alb, gapdh, ptprc, icam1, il6, il1b, il18, cxcl8, ccl20, cxcl16, and ccl3, were identified. the analysis of biological pathways revealed that the studied genes are involved in 66 biological pathways, with nod like receptor signaling pathway, tnf signaling pathway, and il 17 signaling pathway playing important functional roles in dairy cow mastitis disease.conclusionsthe discovered genes and pathways have the potential to enhance our knowledge of the complex molecular mechanisms involved in mastitis development. these discoveries could shape a thorough reform initiative focused on preventing, diagnosing, and treating mastitis. these insights are expected to pave the way for the creation of precise and dependable biomarkers for early detection and prevention of bovine e. coli mastitis, ultimately facilitating personalized treatment approaches.