A contribuit în mod egal la această lucrare cu: Jaisri Jagannadham, Hitesh Kumar Jaiswal, Kamal Rawal

cuprinzătoare

Adresa actuală: Universitatea Națională Jaipur, Jaipur, India

Departamentul de biotehnologie, Institutul de tehnologie informațională Jaypee, Noida [UP] -201 307, India

A contribuit în mod egal la această lucrare cu: Jaisri Jagannadham, Hitesh Kumar Jaiswal, Kamal Rawal

Departamentul de Biotehnologie, Institutul Jaypee de Tehnologia Informației, Noida [UP] -201 307, India

Adresa actuală: Center for Data Intensive Science, Universitatea din Chicago, Chicago, Illinois, Statele Unite ale Americii

Departamentul de biotehnologie, Institutul de tehnologie informațională Jaypee, Noida [UP] -201 307, India

A contribuit în mod egal la această lucrare cu: Jaisri Jagannadham, Hitesh Kumar Jaiswal, Kamal Rawal

Departamentul de biotehnologie, Institutul de tehnologie informațională Jaypee, Noida [UP] -201 307, India

  • Jaisri Jagannadham,
  • Hitesh Kumar Jaiswal,
  • Stuti Agrawal,
  • Kamal Rawal

Cifre

Abstract

Citare: Jagannadham J, Jaiswal HK, Agrawal S, Rawal K (2016) Harta cuprinzătoare a moleculelor implicate în obezitate. PLoS ONE 11 (2): e0146759. https://doi.org/10.1371/journal.pone.0146759

Editor: Filippo Castiglione, Consiliul Național de Cercetare din Italia (CNR), ITALIA

Primit: 26 august 2014; Admis: 22 decembrie 2015; Publicat: 17 februarie 2016

Finanțarea: Autorii nu au sprijin sau finanțare de raportat.

Interese concurente: Autorii au declarat că nu există interese concurente.

Introducere

Obezitatea, o afecțiune complexă cu consecințe medicale, psihologice și sociale grave, afectează milioane de oameni din întreaga lume [1]. În plus, creșterea numărului de cazuri de obezitate cu debut juvenil contribuie la creșterea incidenței complicațiilor dependente de timp ale obezității, cum ar fi rezistența la insulină, diabetul zaharat non-insulinodependent, hipertensiunea arterială, boala coronariană și alte tulburări cardiace adesea grupate ca „sindrom metabolic X " [2-3]. Fiziopatologia obezității este influențată de mai mulți factori, cum ar fi genele candidate și expresia acestora, polimorfisme cu nucleotide unice, proteine, căi metabolice și perturbațiile lor datorate mutațiilor, nutriției, exercițiilor fizice, microbilor intestinali și bolilor, de ex. hipotiroidism [4-5]. Experții recomandă faptul că creșterea activității fizice și scăderea aportului de alimente bogate în calorii, pot acționa ca un posibil factor de descurajare a epidemiei de obezitate. Numeroase studii au examinat utilizarea medicamentelor [6-7] și a intervențiilor chirurgicale [8] ca posibile măsuri de tratament, deși studiile clinice indică, de asemenea, că recurențele sunt ridicate la persoanele care au slăbit prin dietă, exerciții fizice sau medicamente [9].

Țesutul adipos este esențial pentru reglarea echilibrului energetic. În fiziopatologia obezității, inflamația cronică a țesutului adipos este un semn distinctiv [10]. Două tipuri funcționale de grăsimi sunt prezente la mamifere: țesutul adipos alb și maro. Țesutul adipos alb este locul principal de stocare a trigliceridelor, în timp ce țesutul adipos maro este implicat în cheltuielile de energie. Acesta din urmă are capacitatea de a contracara obezitatea [11]. Adipogeneza, și anume formarea țesutului adipos, începe cu angajarea celulelor stem mezenchimale (MSC) față de linia adipocitelor, urmată de diferențierea terminală a preadipocitelor în adipocitele mature [12]. Depozitarea țesutului adipos este influențată de factori de mediu și genetici. Influența asupra mediului depinde în general de stilul de viață al individului, de exemplu, de consumul de alimente și de activitatea fizică. Importanța factorilor genetici în obezitate a fost demonstrată de studii gemene, studii de adopție și analize de segregare [13-14].

Datele din literatura de specialitate referitoare la obezitate sunt vaste și complexe. De exemplu, „obezitatea” ca cuvânt cheie în PubMed a dat peste 13.000 de rezultate (accesări) pentru un singur an 2011. A fost crescută cu 11.612 accesări în 2012 și 11.177 accesări în 2013, arătând că datele din literatură sunt în creștere într-un ritm rapid. În plus față de proteine ​​și alte molecule, aceste rezumate conțin rapoarte din studii clinice, genetice, mutaționale și meta-studii. Pentru a construi o hartă moleculară cuprinzătoare a moleculelor raportate la obezitate, am folosit informații din articole de lungime completă folosind modelul de curatare profundă [15]. Un model de curare profundă are o performanță mai bună decât metodele de extragere a textului, în special în ceea ce privește acuratețea, dar are dezavantajele de a fi consumatoare de muncă și consumatoare de timp [16]. Având în vedere această constrângere, este dificil să se organizeze un număr mare de lucrări publicate în fiecare an și o astfel de resursă va deveni învechită în absența revizuirii și actualizărilor periodice de către experți. Prin urmare, am decis să dezvoltăm un sistem hibrid care să combine sisteme de extragere a textului și strategie de curățare profundă pentru a examina cantitatea mare de date publicate disponibile despre obezitate pentru a furniza informații actualizate.

Rețelele pătrund în viața noastră, după cum exemplifică rețelele mondiale, internetul, rețelele lumii mici, rețelele electrice, rețelele sociale, topologia rețelelor alimentare, rețelele de citare, precum și rețelele metabolice. Pentru a înțelege rolul rețelelor în bolile complexe, au existat mai multe încercări de a construi rețele de boli [17-19]. Un grup de cercetare a construit o cale asupra unei boli autoimune, „Artrita reumatoidă”, folosind datele microarray [20]. În sistemele biologice, la nivel molecular sau celular, au fost efectuate mai multe reconstrucții ale căilor cuprinzătoare folosind datele publicate din literatura de specialitate. Acestea includ compilarea de evenimente ale ciclului celulei umane de către Kohn [21], hărți cuprinzătoare ale căii EGFR [22], ale căii de semnalizare a receptorilor Toll [23] și ale căii RB/E2F [24]. În afară de acestea, cercetătorii au folosit, de asemenea, date despre microarrays [25], date despre interacțiunea proteină [26-27], date citate [28], precum și date din literatură [29] pentru a construi rețele. În ciuda tuturor acestor eforturi, există o mulțime de posibilități de extindere a rolului rețelelor în fiziopatologia bolii.

Pe baza acestor tehnici, am construit două seturi de date (A și B) pentru a crea o rețea cuprinzătoare. Setul A constă din 473 de gene și proteine ​​recuperate prin strategia de curățare profundă, în timp ce setul B constă din 1268 gene recuperate prin sistemul semi-automat de extragere a textului. Am început cu acest set de molecule ca o „listă parțială” a rețelei cuprinzătoare propuse și ne-am extins adăugând mai multe molecule pe baza interacțiunilor raportate în literatura de specialitate în contextul obezității. Harta finală cuprinzătoare a fost construită pe baza genelor, proteinelor, receptorilor, factorilor de transcripție, enzimelor, canalelor ionice, medicamentelor, moleculelor de ARN, moleculelor simple și a relațiilor acestora (vezi figura 1).

Rezultate

Caracteristici generale ale hărții

În Fig 2, prezentăm o hartă cuprinzătoare a moleculelor care a fost asamblată manual pe baza literaturii publicate. Diferite entități ale rețelei, de ex. genele, proteinele și modificările acestora, complexele de proteine ​​sunt descrise folosind Limbajul standard de marcare a biologiei sistemelor (SBML) cu ajutorul software-ului Cell Designer 4.1 [35] și Notare grafică a sistemelor de biologie (SBGN) [36] (www.sbgn.org). Nodurile (cunoscute și ca specii) reprezintă molecule care participă la o reacție dată. Marginile reprezintă reacții între noduri. Rețeaua rezultată privind obezitatea este formată din 804 noduri (include molecule din setul A, precum și alte gene/molecule care interacționează cu setul A) și 971 de margini. Aceste 804 noduri sunt clasificate ca 510 proteine, 115 gene, 1 ion, 3 medicamente, 3 molecule degradate, 62 complexe, 23 molecule ARN, 83 molecule simple, 3 fenotipuri și 1 moleculă necunoscută (vezi Tabelul F din fișierul S2). Reacțiile sunt clasificate după cum urmează: 848 tranziții de stare, 33 transcrieri, 18 traduceri, 5 transporturi, 62 asociații heterodimere și 5 disocieri (Tabelul F din fișierul S2). Informațiile de susținere pentru fiecare interacțiune din harta cuprinzătoare sunt documentate separat în Tabelul G din fișierul S2.

Conectarea moleculelor mai puțin studiate/raportate cu o hartă cuprinzătoare

(A) Conectarea genelor mai puțin studiate (raportate) (CYP11B2, UBR1, MECP2 și PTPNS1) cu moleculele unei hărți cuprinzătoare. (B) Exemple de interacțiuni genetice mai puțin studiate (CYP11B2, PLSCR1, PTPNS1, ALMS1, UBR1 și GABGR3).

Structura hărții