期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
牦牛DIO2基因克隆及其在骨骼肌的表达分析 被引量:1
1
作者 熊燕 赵丹 +7 位作者 刘静怡 石超 宋紫文 华永林 张静 柏雪 李键 熊显荣 《西南民族大学学报(自然科学版)》 CAS 2019年第6期551-558,共8页
为探索DIO2基因调控牦牛骨骼肌发育及肌纤维类型组成的潜在功能,克隆DIO2基因CDS序列并进行相关的生物信息学分析,以及比较分析其在牦牛骨骼肌的差异表达.结果显示,DIO2基因的CDS全长为789 bp,编码132个氨基酸.序列同源性比对及系统进... 为探索DIO2基因调控牦牛骨骼肌发育及肌纤维类型组成的潜在功能,克隆DIO2基因CDS序列并进行相关的生物信息学分析,以及比较分析其在牦牛骨骼肌的差异表达.结果显示,DIO2基因的CDS全长为789 bp,编码132个氨基酸.序列同源性比对及系统进化树分析发现,牦牛DIO2基因与普通牛的亲缘关系最近,核酸及蛋白序列与普通牛一致;与小鼠的亲缘关系较远,序列同源性仅为86.75%和87.12%,与原鸡的亲缘关系最远,二者的同源性分别为79.17%和76.30%.理化性质预测表明DIO2蛋白为不稳定疏水性蛋白,有跨膜结构域,具有24个磷酸化位点,蛋白结构为无规则卷曲、α-螺旋和延伸链三者交替出现.采用实时荧光定量PCR分析显示,DIO2基因在牦牛的脾、肺等内脏组织表达无显著差异;在背最长肌和半腱肌的表达量显著高于脂肪和肝脏组织(P<0.01).此外,DIO2在金川牦牛半腱肌的表达量显著高于麦洼牦牛(P<0.05).以上结果为研究DIO2在牦牛骨骼肌的功能提供参考资料. 展开更多
关键词 牦牛 dio2基因 骨骼肌 组织表达分析 生物信息学分析
下载PDF
鸡DIO2基因的克隆与生物信息分析
2
作者 李笑 陈烨 +3 位作者 付强 张配颖 牛文晓 黄天成 《生物化工》 2018年第4期84-87,共4页
为研究鸡DIO2基因与鸡产热与低温调节间的关系,提取坝上长尾鸡肌肉总RNA,并反转录为c DNA,从Ensembl数据库下载DIO2基因序列(Gallus gallus-5.0 Chr 5:40,594,965-40,606,615),设计引物并进行RT-PCR扩增,PCR产物测序后进行生物信息学分... 为研究鸡DIO2基因与鸡产热与低温调节间的关系,提取坝上长尾鸡肌肉总RNA,并反转录为c DNA,从Ensembl数据库下载DIO2基因序列(Gallus gallus-5.0 Chr 5:40,594,965-40,606,615),设计引物并进行RT-PCR扩增,PCR产物测序后进行生物信息学分析。确定了DIO2基因在鸡肌肉中表达,该基因编码区全长为840 bp,与NCBI数据库中的鸡DIO2基因同源性为99%,共编码279个氨基酸,亮氨酸含量最高为12.5%。聚类进化树结果表明,不同物种DIO2基因的脱氧核苷酸序列和氨基酸序列都表现高保守性。以上结果表明,DIO2基因在坝上长尾鸡肌肉中表达,且该基因在不同物种间高度保守。 展开更多
关键词 dio2基因 RT-PCR 肌肉
下载PDF
DIO2基因单核苷酸多态性与精神发育迟滞相关性研究
3
作者 王喜英 赵晴 《医学分子生物学杂志》 CAS 2013年第1期54-57,共4页
目的探讨DIO2基因多态性及单倍型与精神发育迟滞的相关关系。方法本研究以344个汉族精神发育迟滞患者及其亲属组成的家系为研究对象.在DIO2上选择了3个合适的SNPs作为标记.利用PCR—SSCP和PCR—RFLP方法完成基因分型。应用FBAT软件对... 目的探讨DIO2基因多态性及单倍型与精神发育迟滞的相关关系。方法本研究以344个汉族精神发育迟滞患者及其亲属组成的家系为研究对象.在DIO2上选择了3个合适的SNPs作为标记.利用PCR—SSCP和PCR—RFLP方法完成基因分型。应用FBAT软件对多态位点及可能组成的单倍型与精神发育迟滞的关系进行分析。结果单个位点家系关联性分析结果提示:rs225015、rs225014和rs225012位点各等位基因从亲代传递给患病子代没有观察到显著性(P〉0.05)。多态性位点间的连锁不平衡检验显示:3个位点rs225015、rs225014和rs225012均具有较高的连锁不平衡(D’〉0.8)。单倍型分析结果显示:3个位点构成的单体型GTG在附加遗传模型(Z=2.226,P=0.026019)和隐性遗传模型(Z=2.651,P=0.008023)与MR相关。结论DIO2基因可能与精神发育迟滞的易感性有关。 展开更多
关键词 精神发育迟滞 dio2基因 单个位点家系关联性分析 单倍型分析
原文传递
基于多组学及机器学习方法筛选子痫前期的外周循环诊断标志物
4
作者 王晓璐 刘荣慧 严倩 《国际生物医学工程杂志》 CAS 2024年第2期149-155,共7页
目的分析子痫患者的胎盘和外周循环转录组数据,筛选子痫的早期诊断标志物。方法从高通量基因表达数据库中获取子痫患者的临床信息和相应的芯片表达谱数据。通过差异基因表达分析、富集分析和加权基因共表达网络分析(WGCNA)等多组学方法... 目的分析子痫患者的胎盘和外周循环转录组数据,筛选子痫的早期诊断标志物。方法从高通量基因表达数据库中获取子痫患者的临床信息和相应的芯片表达谱数据。通过差异基因表达分析、富集分析和加权基因共表达网络分析(WGCNA)等多组学方法,寻找候选的诊断标志物,并探究子痫发生的潜在机制。然后,采用组合的机器学习方法,包括随机森林树、支持向量机和最小绝对收缩和选择操作符方法,对候选标志物进一步筛选。最后,使用外周循环数据集对筛选后的诊断标志物进行验证。结果差异基因表达分析显示,在子痫中有71个基因上调,21个基因下调。WGCNA分析显示,子痫的发生与青色和绿松石色模块高度相关。候选诊断标志物的富集分析揭示,细胞周期、细胞衰老和免疫相关通路的改变可能是子痫发病的主要原因。经过机器学习的进一步筛选,确定COL17A1和DIO2基因在子痫患者的外周血中显著上调,并具有显著的诊断效能。结论COL17A1和DIO2基因可作为早期诊断子痫的外周循环诊断标志物。 展开更多
关键词 子痫 多组学 机器学习 标志物 COL17A1基因 dio2基因
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部