Skeletal muscle specific signalling pathways in human

С помощью метода иерархической кластеризации были выделены 15 кластеров (групп) коэкспрессируемых генов. Для получения статистически значимых результатов в дальнейшем анализе были использованы наиболее крупные кластеры, состоящие из не менее чем 100 генов.

Рис. 1.1. Группы генов, полученные в результате иерархической кластеризации данных по экспрессии промоторов, активируемых после однократной физической нагрузки на велоэргометре.

Выделение транскрипционных факторов, сайты которых статистически значимо чаще представлены в выявленных группах генов

В промоторных областях генов из основных выявленных кластеров был проведен поиск сайтов транскрипционных факторов, используя соответствующие позиционные весовые матрицы из базы данных TRANSFAC (Matys et al., 2003) и алгоритм MATCH (Kel et al., 2003). Далее был проведен анализ обогащения этих промоторных областей сайтами связывания транскрипционных факторов. Оказалось, что для основных кластеров не характерно обогащение сайтами связывания с транскрипционными факторами, описанными в базе данных TRANSFAC, по сравнению с 300 генами домашнего хозяйства. Единственные транскрипционные факторы, которые были перепредставлены в промоторах коэкспрессируемых генов- это FOXA2 и SMAD4.

Выделение ключевых молекул: мастер-регуляторов генной экспрессии

На следующем этапе анализа, были выявлены ключевые факторы, регулирующие активацию выявленных сигнальных путей в скелетной мышце человека после выполнения однократной физической нагрузки. Для этого был применен метод поиска сигнальных молекул - мастер-регуляторов (Koschmann et al., 2015). Такой подход позволил выявить общие регуляторы в 14-ти из 15-ти кластеров коэкспрессируемых генов

Примеры наиболее значимых мастер-регуляторов, для наиболее мощных кластеров (9, 11, 13) представлены в таблице 1.2

Построение возможных путей передачи сигнала в клетке, включающих выявленные транскрипционные факторы и мастер-регуляторы

Предсказание мастер-регуляторов дало возможность выявить сигнальные пути, наиболее статистически значимо описывающие регуляцию скоординированной экспрессии в каждом кластере генов после однократной физической нагрузки. Для этого был применен метод статистического обогащения биомолекул (выявленных транскрипционных факторов и мастер-регуляторов) аннотациями из базы сигнальных путей TRANSPATH (Krull et al., 2015).

Сигнальные пути, регулирующие скоординированную экспрессию генов после физической нагрузки были ассоциированы с увеличением мышечных волокон через EGFR (Ciano et al, 2018), с биогенезом митохондрий мышц через p53 (Beyfuss et al, 2019), с инсулин-зависимым метаболизмом глюкозы через сигнальный путь киназы PIK3C2G (Ijuin et al, 2015), а также с управлением нервно-мышечной передачей сигнала через молекулярный путь прото-онкогена RelA (Wang et al, 2010) и с регуляцией мышечной массы через сигнальный путь рецепторов глутамата GluR1 и GluR2 (Jaiswal et al, 2019).

Также были выделены сигнальные пути, активация которых, предположительно, вызвана механическими и метаболическими повреждающими воздействиями на работавшую мышцу: репарация мышечной ткани (Ismaeel et al, 2019), фиброз мышечной ткани (Vidal et al, 2008), активация T-лимфоцитов (Egerman et Glass, 2014) и инфильтрация эозинофилов (Takatsu et al, 2011) (табл. 1.1).

Литература

Beyfuss K., Erlich A.T., Triolo M., Hood D.A. The role of p53 in determining mitochondrial adaptations to endurance training in skeletal muscle. Scientific reports. 2018. V. 8. № 1. P. 14710.

Ciano M, Mantellato G, Connolly M, Paul-Clark M, Willis-Owen S, Moffatt MF, Cookson WOCM, Mitchell JA, Polkey MI, Hughes SM, Kemp PR, Natanek SA5. EGF receptor (EGFR) inhibition promotes a slow-twitch oxidative, over a fast-twitch, muscle phenotype. Sci Rep. 2019. V. 9(1). P. 9218.

Egerman M.A., Glass D.J. Signaling pathways controlling skeletal muscle mass. Critical reviews in biochemistry and molecular biology. 2014. V. 49. № 1. P. 59-68.

Ijuin T1, Hatano N2, Hosooka T3, Takenawa T4. Regulation of insulin signaling in skeletal muscle by PIP3 phosphatase, SKIP, and endoplasmic reticulum molecular chaperone glucose-regulated protein 78. Biochim Biophys Acta. 2015. V. 1853(12). P. 3192-201.

Ismaeel A, Kim JS, Kirk JS, Smith RS, Bohannon WT, Koutakis P. Role of Transforming Growth Factor-β in Skeletal Muscle Fibrosis: A Review. Int J Mol Sci. 2019. V. 20(10). pii: E2446.

Jaiswal N, Gavin MG, Quinn WJ 3rd, Luongo TS, Gelfer RG, Baur JA, Titchenell PM. The role of skeletal muscle Akt in the regulation of muscle mass and glucose homeostasis. Mol Metab. 2019. V. 28. P. 1-13.

Kel AE, Gössling E, Reuter I, Cheremushkin E, Kel-Margoulis OV, Wingender E. MATCH: A tool for searching transcription factor binding sites in DNA sequences. Nucleic Acids Res. 2003. V. 31(13). P. 3576-9.

Koschmann J., Bhar A., Stegmaier P., Kel A., Wingender E. “Upstream analysis”: an integrated promoter-pathway analysis approach to causal interpretation of microarray data. Microarrays. 2015. V. 4. № 2. P. 270-286.

Krull M, Pistor S, Voss N, Kel A, Reuter I, Kronenberg D, Michael H, Schwarzer K, Potapov A, Choi C, Kel-Margoulis O, Wingender E. TRANSPATH: an information resource for storing and visualizing signaling pathways and their pathological aberrations. Nucleic Acids Res. 2006. V. 34(Database issue). P. D546-51.

Takatsu K. Interleukin-5 and IL-5 receptor in health and diseases. Proceedings of the Japan Academy, Series B. 2011. V. 87. № 8. P. 463-485.

Vidal B., Serrano A.L., Tjwa M., Suelves M., Ardite E., De Mori R., Baeza-Raja B., de Lagrán M.M., Lafuste P., Ruiz-Bonilla V., Jardí M. Fibrinogen drives dystrophic muscle fibrosis via a TGFβ/alternative macrophage activation pathway. Genes & development. 2008. V. 22. № 13. P. 1747-1752.

Matys V., Fricke E., Geffers R., Gobling E., Haubrock M., Hehl R., Hornischer K., Karas D., Kel A.E., Kel-Margoulis O.V. and Kloos D.U. TRANSFAC®: transcriptional regulation, from patterns to profiles. NAR. 2003. V. 31. № 1. P. 374-378.

Wang J, Fu XQ, Lei WL, Wang T, Sheng AL, Luo ZG. Nuclear factor kappaB controls acetylcholine receptor clustering at the neuromuscular junction. J Neurosci. 2010. V. 30(33). P. 11104-13.