ojfr Open Journal of Fisheries Research 2373-1443 2373-1451 beplay体育官网网页版等您来挑战! 10.12677/ojfr.2025.121005 ojfr-108833 Articles 地球与环境 低氧胁迫下红鳍东方鲀肝脏全基因组甲基化 和基因表达分析
Genome-Wide Methylation and Gene Expression Analysis of Liver of Takifugu Rubripes under Hypoxic Stress
向雪建 1 吴思润 1 魏仁杰 1 1 1 1 王秀利 1 2 大连海洋大学水产与生命学院,辽宁 大连 辽宁省河鲀良种繁育及健康养殖重点实验室,辽宁 大连 06 03 2025 12 01 33 49 4 2 :2025 24 2 :2025 24 2 :2025 Copyright © 2024 beplay安卓登录 All rights reserved. 2024 This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/ 本研究利用WGBS和RNA-Seq技术,比较分析了常氧和低氧胁迫下红鳍东方鲀肝脏的DNA甲基化和基因表达差异。研究鉴定了差异甲基化区域(DMRs)、差异甲基化基因(DMGs)和差异表达基因(DEGs),并进行了GO和KEGG富集分析。通过关联甲基化和转录组数据,探索了二者之间的潜在联系,发现甲基化程度升高与转录组表达降低呈负相关趋势,并鉴定了一些在甲基化和转录组数据中同时富集的通路和基因,例如robo2和prkcb。研究旨在揭示低氧胁迫下红鳍东方鲀肝脏的分子机制。
In this study, WGBS and RNA-Seq technology were used to compare and analyze the differences in DNA methylation and gene expression in the liver of Takifugu rubripes under normoxia and hypoxic stress. Differentially methylated regions (DMRs), differentially methylated genes (DMGs) and differentially expressed genes (DEGs) were identified and GO and KEGG enrichment analyses were performed. By correlating methylation and transcriptome data, the potential link between the two was explored, and a negative correlation between increased methylation and decreased transcriptome expression was found, and some pathways and genes enriched in both methylation and transcriptome data were identified, such as robo2 and prkcb. The aim of this study was to reveal the molecular mechanism of the liver of the Takifugu rubripes under hypoxic stress.
红鳍东方鲀,低氧,肝脏,甲基化,转录组
Takifugu rubripes
Hypoxia Liver Methylation Transcriptome
1. 引言

红鳍东方鲀(Takifugu rubripes),属鲀形目(Tetraodontiformers)、鲀亚目(Tetraodontoidei)、鲀科(Tetraodontidae)、东方鲀属(Takifugu),俗称河豚 [1] 。作为暖温性近海底层食肉性鱼类,其主食贝类、甲壳和小鱼,在北太平洋西部的日本、朝鲜半岛和中国沿海均有分布。红鳍东方鲀养殖规格较大、肉质较紧、营养丰富、味道鲜美、经济价值高,是我国北方地区的优良海水养殖鱼类之一 [2] 。近年来,随着水产养殖规模的扩大和集约化,溶解氧(Dissolved Oxygen, DO)作为鱼类有氧代谢的需求,成为了鱼类养殖的主要限制因素 [3] 。以往研究发现,缺氧会对鱼类的活动、新陈代谢和生长繁殖等产生影响 [4] [5] 。而在低氧胁迫环境下,大多数鱼类产生了一系列的适应政策以保护机体免受低氧损伤。比如,在急性和长期低氧环境下尼罗罗非鱼(Oreochromis niloticus)会游到水面,减慢游泳速度,减少采食量和生长,并在长时间的缺氧挑战后改变新陈代谢模式;在面对环境缺氧的情况,洞穴鱼会通过发育更多的红细胞和过表达缺氧诱导基因来应对 [6] [7] 。目前的研究表明,在间歇性和慢性缺氧环境下红鳍东方鲀的生长和内脏重量降低、饲料转化率和血红蛋白含量增加 [8] 。通过研究红鳍东方鲀组织和相关基因在低氧胁迫下的应答,有助于了解该物种低氧胁迫的潜在机制,从而更好的进行养殖工作。

肝脏在新陈代谢、解毒、消化和维持体内平衡方面起着至关重要的作用,而当肝脏暴露在低氧环境中时,可能会面临氧气供应不足造成损伤从而导致氧化应激 [9] 。在本文中,我们对红鳍东方鲀肝脏的全基因组DNA甲基化进行了测序,以鉴定与低氧胁迫相关的基因。

DNA甲基化是表观遗传调控的核心机制之一,指在DNA甲基转移酶催化下,通过向DNA分子添加甲基基团调控基因表达,进而引发表型改变的表观遗传过程。该机制在不改变DNA碱基序列的前提下,实现基因功能的可逆性调控 [10] 。在哺乳动物表观遗传调控中,DNA甲基化主要发生于CG二核苷酸序列中胞嘧啶的第五位碳原子(5mC)。基因组中富含CG二核苷酸的特殊区域(CpG岛)具有进化保守性,通常位于基因启动子区 [11] 。当CpG岛发生DNA甲基化时,可通过阻碍转录因子结合等机制,实现对基因表达的关键性调控,这一过程是细胞分化与发育调控的重要分子基础。现有研究表明,低氧胁迫可诱导多数鱼类发生显著的DNA甲基化动态变化,这些表观遗传修饰通过调控低氧应答相关基因的表达模式,在鱼类适应低氧环境过程中发挥关键调控作用。比如,缺氧和复氧可诱导金鲳鱼(Trachinotus blochii)内分泌紊乱,影响HPG轴基因的表达,改变性腺DNA的甲基化模式和修饰模式,对金鲳鱼性腺发育产生潜在影响 [12] ;在急性缺氧条件下,日本比目鱼通过改变DNA甲基化状态和激活HIF-1α、Nrf2和STAT3等转录因子来响应多个代谢水平的急性缺氧应激 [13] 。迄今为止,关于红鳍东方鲀低氧胁迫下肝脏与低氧胁迫相关基因的全基因组DNA甲基化的研究很少。

在本次研究中,我们使用WGBS研究低氧胁迫下红鳍东方鲀肝脏中DNA甲基化的变化,并使用RNA-seq鉴定基因表达水平。我们筛选了与低氧相关的通路和基因,并探讨了转录组与甲基化之间可能存在的联系。同时本研究也可为其他生物肝脏组织低氧胁迫的研究提供参考基础。

<xref></xref>2. 材料与方法 2.1. 缺氧处理和鱼类取样

动物实验经大连海洋大学动物保护与利用委员会批准。

健康的红鳍东方鲀(雄雌随机混合),从中国辽宁省大连市大连天正实业有限公司获得。实验开始前,这些鱼被安置在300升装有循环海水的水槽中适应一个月,期间水体的溶解氧(Dissolved Oxygen, DO)维持在7.5 ± 0.5 mg/L,温度控制在21 ± 0.5℃。在正式实验时,通过向水中泵入氮气来降低缺氧实验箱内的溶解氧至2.5 ± 0.5 mg/L。随后,我们随机选择了24尾红鳍东方鲀,并平均分配到常氧组(Control Group, CL; DO: 7.5 ± 0.5 mg/L)和低氧组(Treatment Group, TL; DO: 2.5 ± 0.5 mg/L),每组各12尾鱼。整个实验持续时间为10 d,在实验中,氧浓度测量使用氧气监测仪(DO-Y100,中国武汉)。实验结束时,分别从对照组和试验组中随机抽取9尾鱼。在取样过程中,使用三卡因甲磺酸盐(MS-222, Sigma, Redmond, WA, USA)麻醉实验鱼,同时并记录下实验鱼体重(26.82 ± 8.10 g)和体长(10.42 ± 1.31 cm)。然后解剖各样品肝脏组织,并立即放入到无酶管,使用液氮快速冷冻。为了确保后续分析的一致性和代表性,我们将每个条件下取得的9个肝脏样本各自分成三份混合,从而得到两组(常氧组和低氧组)各6个混合样本。所有样本研磨混样完毕后,保存在−80℃超低温冰箱,以待后续进一步分析。

2.2. 文库制备与测序

选取常氧组(CL; CL11, CL21, CL31)和低氧组(TL; TL11, TL21, TL31)的肝脏组织共6个样本进行文库的构建和测序,并委托北京诺禾致源科技股份有限公司进行DNA提取及检测。样品DNA检测合格后,使用Covaris S220 (Covaris, USA)将DNA片段化至200~400 bp,然后使用亚硫酸氢盐处理ssDNA片段,转换未甲基化的胞嘧啶。在对DNA片段进行甲基化测序接头连接、大小选择和PCR扩增等步骤后,使用文库试剂盒(Accel-NGS Methyl-Seq DNA Library Kit (wift, USA))建库。然后在Agilent 5400系统(Agilent, USA)上评估文库质量,使用Illumina平台(Illumina, USA)进行对端测序。

选取常氧组(CL; CL21, CL22, CL32)和低氧组(TL; TL21, TL22, TL32)的肝脏组织共6个样本进行文库的构建和测序,并委托北京诺禾致源科技股份有限公司进行RNA提取及检测。按照NEB普通建库方式进行cDNA文库的构建,建库试剂盒使用NEBNext Ultra RNA Library Prep Kit for Illumina (NEB, #: E7530L),所有的文库制备步骤均按照试剂盒说明书进行:首先通过磁珠富集带有poly A尾的mRNA,在逆转录酶体系中合成单链cDNA。然后以dNTPs为原料,在DNA聚合酶I系统中再合成双链cDNA。双链cDNA经过末端修复后,加入poly A尾和测序接头到文库中。用AMPure XP beads筛选370~420 bp左右的cDNA,进行PCR扩增并再次使用AMPure XP beads纯化PCR产物,最终获得制备好的文库。然后在Agilent 5400系统(Agilent, USA)上评估文库质量,使用Illumina平台(Illumina, USA)进行对端测序。

2.3. 甲基化数据处理

首先使用FastQC对公司返回的原始数据进行质控,Trimmomatic-0.39 [14] 过滤接头和低质量的读段数(Reads),从而获得干净的读段(Clean Reads)且所有下游分析都是基于高质量的clean reads进行的。利用Bismark/0.23.1 [15] 将clean reads与红鳍东方鲀参考基因组(fTakRub1.2, https://www.ncbi.nlm.nih.gov/genome/63 )进行比对,同时进行了甲基化位点检测、序列类型比例统计、C 位点甲基化水平分析。然后使用R语言包methylKit [16] 设定500 bp为一滑动窗口且qvalue < 0.05 & methylation diff ≥ 10%为标准筛选差异甲基化区域(Differentially Methylated Regions, DMR),接着使用R语言包genomation将差异甲基化区域注释到红鳍东方鲀参考基因组,从而获得对应的差异甲基化基因(Differentially Methylated Genes, DMG)。然后根据筛选出的DMGs,利用R语言包clusterProfiler v4.8.3进行基因本体论(Gene Ontology, GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)富集分析。

2.4. 转录组数据处理

首先使用FastQC对公司返回的原始数据进行质控,Trimmomatic-0.39过滤接头和低质量的读段数(Reads),从而获得干净的读段(Clean Reads),所有下游分析都是基于高质量的clean reads进行的。将获得的clean reads与红鳍东方鲀参考基因组(fTakRub1.2)进行比对,然后使用Hisat2 v2.1.0将获得的clean reads比对到参考基因组上,再通过SAMtools v1.7进行排序去重,使用HTSeq v0.11.2统计比对到每个基因上的read counts。然后利用R语言包DESeq2v3.10进行基因差异分析,并以p.adj < 0.05且|log2 FoldChange| > 1 (q值 < 0.05且两组之间基因表达量的比例变化在2倍以上)为阈值筛选出差异表达基因(Differentially expressed genes, DEG)。然后在筛选出DEGs的基础上,利用R语言包pheatmap v1.0.12绘制热图。然后基于筛选出的DEGs,利用R语言包clusterProfiler v4.8.3进行基因本体论(Gene Ontology, GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)富集分析,且此方法已在师兄以往的研究文章中发表 [17] 。最后以baseMean > 10作为阈值对CL vs TL条件下的转录组KEGG富集数据进行GSEA分析(Gene Set Enrichment Analysis, GSEA)。

2.5. 甲基化与转录组联合分析

以参考基因组红鳍东方鲀基因位置文件为基础,使用R语言关联转录组数据GSEA (KEGG)富集结果和甲基化数据KEGG富集结果,分别绘图对比CL和TL组内基因转录组和甲基化的表达情况。然后以甲基化KEGG富集结果P < 0.05与转录组GSEA (KEGG)基因集富集结果P < 0.25为标准,筛选出CLvsTL组间在甲基化KEGG和转录组GSEA (KEGG)同时出现富集的通路及通路中同时富集的基因。

3. 结果与分析 3.1. 样本采集

在为期10天的实验过程中,我们观察到低氧环境对红鳍东方鲀的行为产生了显著影响。相较于常氧组,低氧组的鱼群表现出明显的活动性下降:它们大量聚集于水槽底部,游动迟缓,并且表现出消极的摄食行为。此外,在取样时,我们发现低氧组的红鳍东方鲀鱼鳍普遍出现了充血现象,这可能是低氧胁迫下的一种应激反应。在此基础上,我们随机采集了9尾常氧组红鳍东方鲀(体重:30.03 ± 9.94 g,体长:10.38 ± 1.80 cm)和9尾对照组红鳍东方鲀(体重:23.60 ± 4.15 g,体长:10.46 ± 0.62 cm)的肝脏样本,肝脏组织被提取并立即冷冻保存,以便进行DNA和RNA的分离。所提取的DNA将用于全基因组重亚硫酸盐测序(WGBS),以评估甲基化模式的变化;而RNA则将用于转录组测序(RNA-Seq),以探究基因表达谱的改变。通过对这两个层面的数据进行综合分析,我们期望能够揭示低氧胁迫对红鳍东方鲀肝脏造成的分子水平上的影响,包括表观遗传修饰与基因表达之间的潜在联系。

3.2. WGBS测序数据统计分析

WGBS建库数据如 表1 所示:每个样本平均获得152,307,128个读数,对原始数据进行过滤后,干净数据平均获得150,818,786个读数且准确率 ≥ 98.97%, Q30比例 ≥ 88.42%,GC含量 ≥ 24.08%。此外,将测序得到的数据与红鳍东方鲀参考基因组对比(如 表2 ),发现每个样本与基因组的比对率 ≥ 72.21%,BS转化率都在99%以上,表明WGBS测序数据的质量良好。

<xref></xref>Table 1. Sequencing data evaluation statisticsTable 1. Sequencing data evaluation statistics 表1. 测序数据评估统计

Samples

Raw Reads

Clean Reads

Q20 (%)

Q30 (%)

GC (%)

CL11

160005680

158349740 (98.97%)

95.31

88.70

24.08

CL21

141177024

139956206 (99.14%)

95.29

88.42

24.18

CL31

135357582

133991156 (98.99%)

95.71

89.21

24.23

TL11

140306638

138856048 (98.97%)

95.82

89.90

24.21

TL21

151963390

150495984 (99.03%)

95.74

89.47

24.42

TL31

185032456

183263586 (99.04%)

95.68

89.61

24.09

<xref></xref>Table 2. Reads aligned to the reference genomeTable 2. Reads aligned to the reference genome 表2. 读长与参考基因组比对情况

Samples

Total Reads

Aligned Reads

Unaligned Reads

BS conversion rate

CL11

74971471

54140963 (72.21%)

15213537 (20.30%)

99.66%

CL21

66550529

48573614 (72.98%)

12953157 (19.46%)

99.69%

CL31

63928549

46968099 (73.46%)

12222429 (19.12%)

99.69%

TL11

66261014

48672172 (73.45%)

12382508 (18.68%)

99.65%

TL21

71643712

52571315 (73.37%)

13694722 (19.12%)

99.69%

TL31

87414020

64387935 (73.65%)

16471940 (18.84%)

99.71%

3.3. 甲基化C位点的鉴定及分布特征

通过对各样本甲基化类型及甲基化位点比对鉴定,发现CG序列环境下65.11%~67.09%的胞嘧啶发生了甲基化,而CHG环境下发生的胞嘧啶甲基化比例仅为0.39%~0.41%,CHH环境下发生的胞嘧啶甲基化比例仅为0.42%~0.48% (如 表3 )。因此,在三种甲基化类型中mCpG为甲基化主要方式。

<xref></xref>Table 3. Genome-wide cytosine methylation level statisticsTable 3. Genome-wide cytosine methylation level statistics 表3. 全基因组胞嘧啶甲基化水平统计

样本

mCG/CG (%)

mCHG/CHG (%)

mCHH/CHH (%)

CL11

65.11

0.41

0.44

CL21

65.43

0.43

0.46

CL31

65.72

0.40

0.44

TL11

67.09

0.43

0.48

TL21

65.20

0.39

0.42

TL31

65.45

0.41

0.44

对不同类型甲基化C位点比例进行分析,发现所有甲基化胞嘧啶位点中,CG类型甲基化胞嘧啶所占比例为97.29%~95.90%,CHG类型甲基化胞嘧啶所占比例为1.15%~1.21%,CHH类型甲基化胞嘧啶所占比例为3.18%~3.58%,说明甲基化主要发生在CG位点上(如 图1 )。

Figure 1. Proportional distribution of different types of methylated C sites: (a) CL11 methylation level; (b) CL21 methylation level; (c) CL31 methylation level; (d) TL11 methylation level; (e) TL21 methylation level; (f) TL31 methylation level. The blue region represents the proportion of methylated cytosine of the CG type, the orange region represents the proportion of methylated cytosine of the CHG type, and the gray area represents the proportion of methylated cytosine of the CHG type--图1. 不同类型甲基化C位点比例分布图:(a) CL11甲基化水平;(b) CL21甲基化水平;(c) CL31甲基化水平;(d) TL11甲基化水平;(e) TL21甲基化水平;(f) TL31甲基化水平。蓝色区域表达CG类型甲基化胞嘧啶所占比例、橘色区域代表CHG类型甲基化胞嘧啶所占比例、灰色区域代表CHG类型甲基化胞嘧啶所占比例--
3.4. DMRs (差异甲基化区域)分析

我们将甲基化数据以500 bp为一窗口划分且qvalue < 0.05 & methylation diff ≥ 10%为标准,筛选出差异甲基化区域(Differentially Methylated Regions, DMRs) 450个,其中hyper (高甲基化区域) 238个、hypo (低甲基化区域) 212个,绘图展示CLvsTL在染色体水平上的总体差异(如 图2(a) )。我们还确定了DNA甲基化变化的基因组分布和与CpG岛相关的DMRs的分布,发现13%位于启动子区,31%位于外显子区,33%位于内含子区,24%位于基因间区域( 图2(b) )。位于CpG岛的DMRs占19%,大多数位于“非CpGi地区”( 图2(c) )。

3.5. DMGs鉴定及功能富集分析

我们对从红鳍东方鲀肝脏中提取出的450个DMRs进行了全基因组比对,并成功注释了541个差异甲基化基因(Differentially Methylated Genes, DMGs)。其中282个DMGs甲基化水平上调,259个DMGs

Figure 2. Regional distribution of differential methylation: (a) Differential distribution of methylation at the chromosome level; (b) Genomic distribution of methylation changes; (c) Distribution of CpG-associated DMRs--图2. 差异甲基化区域分布:(a) 染色体水平甲基化差异分布;(b) 甲基化变化的基因组分布;(c) CpG相关的DMRs的分布--

甲基化水平下调。为了研究与这些DMGs关联的功能与通路,我们进行了GO富集和KEGG富集分析。根据GO富集结果( 图3(a) ),DMGs共富集在2142个GO条目,筛选得到了249个显著富集条目(p value < 0.05),其中以树突棘(Dendritic Spine)、mRNA加工(mRNA Processing)、突触后膜(Postsynaptic Membrane)、突出后致密(Postsynaptic Density)和突出后致密膜的组成成分(Integral Component of Postsynaptic Density Membrane)等条目富集结果最为显著,提示这些DMGs可能与神经元结构和功能密切相关。通过KEGG富集分析,我们获得了175个富集通路,其中14个通路显著富集(p value < 0.05)。如 图3(b) 所示:DMGs显著富集在轴突导向(Axon Guidance)、钙信号通路(Calcium Signaling Pathway)、谷氨酸能突触(Glutamatergic Synapse)、MAPK信号通路(MAPK Signaling Pathway)、多巴胺能突触(Dopaminergic Synapse)和Apelin信号通路(Apelin Signaling Pathway)等。这些结果表明,在低氧胁迫条件下,红鳍东方鲀肝脏中的DMGs可能参与一系列与细胞通讯、神经传递和应激反应有关的关键生物学过程。

Figure 3. Functional enrichment analysis of DMGs: (a) GO enrichment map; (b) KEGG enrichment map--图3. DMGs功能富集分析:(a) GO富集图;(b) KEGG富集图--
<xref></xref>3.6. RNA-seq测序数据统计分析

RNA-seq建库数据如 表4 所示:每个样本平均获得72,705,402个读数,对原始数据进行过滤后,干净数据平均获得69,190,674个读数且准确率 ≥ 92.33%,Q20比例 ≥ 98.16%,Q30比例 ≥ 96.36%,GC含量 ≥ 50.14%。此外,将测序得到的数据与红鳍东方鲀参考基因组对比(如 表5 ),发现每个样本与基因组的

<xref></xref>Table 4. RNA-seq library dataTable 4. RNA-seq library data 表4. RNA-seq建库数据

Samples

Raw Reads

Clean Reads

Q20 (%)

Q30 (%)

GC (%)

CL12

82470730

79429982 (96.31%)

98.40

96.85

50.14

CL22

77172862

71253278 (92.33%)

98.36

96.73

52.56

CL32

66977058

64108018 (95.72%)

98.29

96.61

51.97

TL12

66390826

62849912 (94.67%)

98.16

96.36

51.93

TL22

76263662

73286722 (96.10%)

98.26

96.49

51.64

TL32

66957278

64216136 (95.91%)

98.18

96.39

51.28

<xref></xref>Table 5. Reads aligned to the reference genomeTable 5. Reads aligned to the reference genome 表5. 读长与参考基因组比对情况

Samples

Total_reads

Total_map

Unique_map

Multi_map

CL11

40255222

39073517 (97.06%)

29594965 (73.5%)

7077355 (17.6%)

CL21

37725863

36296145 (96.21%)

25600692 (67.9%)

5549330 (14.7%)

CL31

32617241

31697090 (97.18%)

24093972 (73.9%)

4657762 (14.3%)

TL11

32318373

31499757 (97.47%)

24914756 (77.1%)

3353984 (10.4%)

TL21

37089887

36171931 (97.53%)

29508113 (79.6%)

3835853 (10.3%)

TL31

32535346

32463578 (97.79%)

26036738 (80.6%)

3117198 (9.6%)

比对率 ≥ 96.21%,说明RNA-seq测序数据的质量良好。

3.7. DEGs鉴定及聚类分析

我们采用HTSeq v0.11.2软件对每个基因的read counts进行定量统计,随后基于R语言平台的DESeq2 v3.10软件包进行差异表达分析。通过设定严格的筛选标准(CLvsTL组间比较,p.adj < 0.05且|log2 FoldChange| > 1),我们成功鉴定出具有显著表达差异的基因(Differentially Expressed Genes, DEGs)。如 图4(a) 示:我们发现了762个DEGs,其中343个DEGs基因上调、419个DEGs基因下调。同时我们通过R语言进行了差异基因聚类分析和主成分分析。如 图4(b) 示:红色区域代表高表达基因、绿色区域代表低表达量基因、根据表达量可以很明显区分CL与TL两组之间差异表达的基因,同时我们也可以看到组内基因的表达量差异很小,这说明同一处理组之间的生物重复性良好,也证明了我们实验的合理性。

Figure 4. Cluster analysis of DEGs: (a) Volcano map; (b) Cluster heat map--图4. DEGs聚类分析:(a) 火山图;(b) 聚类热图。--
3.8. DEGs富集分析

为了深入了解DEGs在低氧胁迫条件下红鳍东方鲀肝脏中所发挥的生物学功能,我们进行了GO富集分析( 图5(a) )和KEGG富集分析( 图5(b) )。根据GO富集结果,发现762个DEGs共富集到了2347条目术语上,显著富集了239个条目术语(p value < 0.05),其中炎症反应(Inflammatory Response)、对细菌的防御反应(Defense Response to Bacterium)、内质网腔(Endopeptidase Inhibitor Activity)、脂肪酸代谢(Fatty Acid Metabolic Process)和细胞铁离子稳态(Cellular Iron Ion Homeostasis)等显著富集,这些显著富集的功能类别提示了两组样本在能量代谢、稳态调节和免疫响应等方面存在显著差异,表明低氧环境可能对这些关键生理过程产生了重要影响。根据KEGG富集结果,我们发现762个DEGs共富集到了234个信号通路上,其中有27条信号通路显著富集(p value < 0.05)。其中MAPK信号通路富集的DEGs最多,富集了28个DEGs,其次是TGF-β信号通路(18)、AMPK信号通路(18)和胰岛素信号通路(18)以及HIF-1信号通路富集了15个DEGs。这些通路与细胞增殖、凋亡、代谢调节及应激反应密切相关,进一步证明了低氧胁迫对红鳍东方鲀肝脏组织中多种生物学过程的影响。

为了后续进行联合分析,我们对KEGG结果进行GSEA基因集富集分析。如 图6 所示:胰腺分泌(Pancreatic Secretion)在GSEA结果中排名第一、HIF-1信号通路和TGF-β信号通路等在结果中也明显富集。

Figure 5. DEGs enrichment results DEGs enrichment results: (a) GO enrichment; (b) KEGG enrichment--图5. DEGs富集结果:(a) GO富集;(b) KEGG富集-- Figure 6. GSEA gene set enrichment analysis--图6. GSEA基因集富集分析--
3.9. 甲基化与转录组联合分析

为了深入探究红鳍东方鲀在常氧组(CL)和低氧组(TL)条件下甲基化水平与转录组表达之间的关系,我们利用R语言将差异甲基化区域(DMRs)和差异表达基因(DEGs)与红鳍东方鲀参考基因组进行了关联整合。随后,我们对两组数据的甲基化程度和转录组表达水平进行了整体比对,并分别展示了它们的相关性(见 图7(a) 图7(b) )。如 图7 所示,在常氧组和低氧组的数据中均观察到了一种趋势随着甲基化程度的升高,转录组表达水平呈现出下降的趋势。这种负相关关系表明,DNA甲基化可能通过抑制基因表达来调控红鳍东方鲀在不同氧环境下的生理适应。以甲基化KEGG富集结果p < 0.05与转录组GSEA(KEGG)基因集富集结果p < 0.25为标准,我们筛选出了7个在甲基化KEGG和转录组GSEA(KEGG)同时出现富集的通路(Glutamatergic Synapse; Axon Guidance; Pancreatic Secretion; Insulin Secretion; Calcium Signaling Pathway; Inflammatory Mediator Regulation of TRP; Oxytocin Signaling Pathway)。对比富集在通路中的基因,发现有10个基因富集在两组数据的同一通路中(如 表6 )。

4. 讨论

在本次研究中,通过全基因组重亚硫酸盐测序技术(WGBS)和转录组测序技术(RNA-Seq)分别处理甲基化数据和转录组数据。在甲基化结果中,发现常氧组(CL)和低氧组(TL)之间存在450个DMRs,并注释

Figure 7. Methylation and transcriptome association map: (a) Correlation diagram of normoxia (CL) methylation and transcriptome; (b) Correlation diagram of hypoxic (TL) methylation and transcriptome. The abscissa represents the transcriptome expression and the ordinate represents the methylation level--图7. 甲基化与转录组关联图:(a) 常氧组(CL)甲基化与转录组关联图;(b) 低氧组(TL)甲基化与转录组关联图。横坐标代表转录组表达量,纵坐标代表甲基化水平-- <xref></xref>Table 6. Methylated KEGG is enriched with the transcriptome GSEA (KEGG) in genes in the same pathwayTable 6. Methylated KEGG is enriched with the transcriptome GSEA (KEGG) in genes in the same pathway 表6. 甲基化KEGG与转录组GSEA (KEGG)富集在同一通路中的基因

基因名称

基因标签

通路名称

LOC101064910

(磷脂酶A2 III组) pla2g3

Pancreatic secretion

abl1

(c-ABL癌基因1,非受体酪氨酸激酶) abl1

Axon guidance

epha6

(eph受体A6) epha6

Axon guidance

robo1

(环状交叉路口,轴突引导受体,同源物1) robo1

Axon guidance

robo2

(环状交叉路口,轴突引导受体,同源物2) robo2

Axon guidance

LOC101075124

LOC101075124

Calcium signaling pathway

LOC101074204

(腺苷酸环化酶9型样) LOC101074204

Inflammatory mediator regulation of TRP channels

LOC105417746

(白细胞介素-1受体样1) LOC105417746

Inflammatory mediator regulation of TRP channels

LOC101079315

(Piccolo突触前细胞基质蛋白A) pcloa

Insulin secretion

LOC101075509

(电压依赖性钙通道亚基α-2/delta-3) LOC101075509

Oxytocin signaling pathway

出了541个DMGs。经GO和KEGG富集分析,发现DMGs显著富集到了与信号传导和突触相关的通路。在转录组数据中,筛选出了762个DEGs,其中343个基因上调、419个基因下调。在转录组GO和KEGG富集结果中,我们发现两组样本在能量代谢、稳态调节和免疫等方面存在显著差异并且DEGs显著富集在APK信号通路、TGF-β信号通路、AMPK信号通路和胰岛素信号通路等。在对KEGG结果进行GSEA基因集富集分析后,发现胰腺分泌(Pancreatic secretion)在GSEA结果中排名第一。然后联合甲基化数据和转录组数据,筛选出同时出现富集的通路,并鉴定了一些在甲基化和转录组数据中同时富集的通路和基因,例如robo2和prkcb。

轴突导向线索和受体是神经回路发育的主要因素 [18] 。其中robo1~robo4是跨膜受体家族,充当神经系统的引导分子,SLIT家族则是与这些受体结合的分泌糖蛋白且SLIT-ROBO信号通路在神经发生和免疫反应中发挥重要作用 [19] 。研究发现,在低氧应激条件下,robo2的表达或活性变化可能与血管生成、炎症和细胞外基质(ECM)重塑有关 [20] 。Hauptman等 [21] 发现在果蝇robo家族的三个基因(robo1、robo2和robo3)中,robo2表现出动态表达模式并调节多种轴突导向结果,包括阻止某些轴突的中线交叉、促进其他轴突的中线交叉、形成横向纵向轴突通路和调节运动轴突导向。而在robo2甲基化和转录组的关联方面,Motwani等 [22] 使用全基因组转录组(RNA测序)和亚硫酸氢盐测序甲基化组分析方法,在非侵入性(n = 4)和侵入性黑色素瘤细胞系(n = 5)之间进行还原表示,发现robo2等出现了差异表达基因和差异甲基化片段的重叠。在本次研究中,轴突导向(Axon Guidance)同时显著富集在甲基化KEGG (p < 0.05)和转录组GSEA-KEGG (p < 0.25),其中robo2基因低氧组甲基化水平显著低于常氧组甲基化水平(如 图8 )。这说明在低氧胁迫条件下,红鳍东方鲀肝脏组织中的robo2基因可能通过表达活性的下调和差异甲基化模式来调节轴突导向相关的结果,以此作为对氧化应激反应的一种适应机制。这种调控方式暗示了robo2基因在应对环境压力时,可能扮演着调整细胞内信号传导路径以减轻氧化损伤的重要角色。具体而言,robo2表达的变化可能影响其配体SLIT介导的信号传递,从而改变细胞的行为,如迁移和侵袭能力,这可能是鱼类在低氧环境中生存策略的一部分。

转化生长因子TGF-β在细胞和组织的生长、发育和分化中起关键作用 [23] 。它是一种多功能细胞因子,几乎在所有组织和细胞类型中都有表达,其信号转导可以刺激多种细胞反应,对胚胎发育、伤口愈合、组织稳态和健康免疫稳态尤为关键,并且TGF-β通路中的信号转导失调在肝细胞癌微环境中的炎症、

Figure 8. Robo2 methylation gene structure: (a) Overall structure of robo2 gene and (b) Structure of methylated region of Robo2 gene. The abscissa is the location of the gene sequence, the ordinate is the methylation level, the blue dot represents the normoxia group, and the red dot represents the hypoxic group--图8. Robo2甲基化基因结构:(a) Robo2基因整体结构;(b) Robo2基因甲基化区域结构。横坐标是基因序列位置,纵坐标是甲基化水平,蓝点代表常氧组,红点代表低氧组--

纤维化生成和免疫调节中起着核心作用 [24] [25] 。Lin等 [26] 研究发现HIF-1和转化生长因子-β(TGF-β)信号通路是缺氧调节和铁代谢的关键通路。在我们转录组的KEGG富集结果中,TGF-β信号通路、HIF-1信号通路显著富集并上调,其中与缺氧调节相关的Smad家族成员1 (smad1)、Smad家族成员3 (smad3)、Smad家族成员6 (smad6)和Smad家族成员7 (smad7)在TGF-β信号通路中显著上调。Smads蛋白将TGF-β信号从细胞膜直接传递到细胞核,是重要的细胞内TGF-β信号转导和调节分子 [27] 。Chen等 [28] 发现缺氧环境上调HIF-1a表达并激活BMP4/SMAD信号通路,骨信号通路BMP4和p-Smad1/5/8的表达增强。Karine等 [29] 发现缺氧通过选择性增加SMAD3与SMAD-Anchor的相互作用来诱导TGF-β信号转导的Smad锚点。综上所述,低氧胁迫下,红鳍东方鲀肝脏组织上调TGF-β信号通路等来应对不利条件,并且通路的激活不仅帮助细胞适应低氧环境,还可能涉及铁代谢的调节。此外,Smad家族成员在这些过程中扮演了重要的角色,通过介导信号从细胞表面到细胞核的传递,参与了细胞对低氧的反应机制。

MAPK信号转导通路对于氧稳态和控制活性氧(ROS)的产生很重要 [30] 。在本次研究中,我们发现prkcb基因显著富集在MAPK信号通路的同时,还联通了Glutamatergic synapse、Pancreatic secretion、Dopaminergic synapse、Circadian entrainment、Calcium signaling pathway等多个信号通路。研究发现,PRKCB是蛋白激酶C (PRKC)家族的一员,该家族由几种丝氨酸/苏氨酸激酶组成,而由prkcb基因编码的蛋白质可以激活PKC并参与各种细胞信号转导途径 [31] 。在低氧环境中,PRKCB基因及其衍生的circ-PRKCB 在肠I/R损伤的氧化应激反应中起到了关键性的调节作用,通过形成一个涉及circ-PRKCB、miR-339-5p和p66Shc的调控网络,说明PRKCB不仅影响ROS的生成,还可能成为治疗肠道I/R损伤的一个潜在靶点 [32] 。Yang等在缺氧和正常条件下对斑点鲶鱼(Ictalurus punctatus)的鱼鳔样本进行了RNA-Seq 分析,发现prkcb基因作为DEG富集在鱼鳔中的HIF信号通路 [33] 。在甲基化和转录组联合研究中,Li 等 [34] 发现胃癌(GC)组织中与邻近组织相比,CpG岛内出现明显的高甲基化模式并伴有局部表面异常改变,其中PRKCB表现出最显著的平均DNA甲基化差异,并且发现PRKCB的平均甲基化水平与GWAS目录中的mRNA表达水平呈负相关。在本次研究中,我们发现prkcb在基因结构上出现了明显的高甲基化区域(如 图9 ),并伴有转录组表达降低的趋势(如 图10 )。以上,在低氧胁迫下红鳍东方鲀肝脏组织中的prkcb基因通过参与多条重要的细胞信号通路,在应对低氧条件和氧化应激中发挥了重要作用。同时,它的表达受到表观遗传机制如DNA甲基化的调控,这种调控可能会影响prkcb基因在低氧条件下的活性以及相应的生理功能。这些发现为理解prkcb在鱼类低氧适应机制中的作用提供了新的视角,并可能为探索相关的疾病治疗提供新思路。

Figure 9. Prkcb methylation gene structure: (a) Overall structure of Prkcb gene and (b) Structure of methylated region of Prkcb gene. The abscissa is the location of the gene sequence, the ordinate is the methylation level, the blue dot represents the normoxia group, and the red dot represents the hypoxic group--图9. Prkcb甲基化基因结构:(a) Prkcb基因整体结构;(b) Prkcb基因甲基化区域结构。横坐标是基因序列位置,纵坐标是甲基化水平,蓝点代表常氧组,红点代表低氧组-- Figure 10. Prkcb gene expression--图10. Prkcb基因表达情况--
5. 结论

在本研究中,我们使用WGBS和RNA-Seq研究了低氧胁迫下红鳍东方鲀肝脏中的DNA甲基化状态和基因表达的改变,分别筛选出了DMGs和DEGs。通过GO和KEGG对DMGs和DEGs和进行富集分析,对DEGs的KEGG结果进行了GSEA分析。关联甲基化KEGG富集结果和转录组GSEA基因集富集(KEGG)结果后,发现组内整体呈现出一种随甲基化程度升高而转录组表达降低的趁势。组间有7个通路同时显著富集在两组数据中,其中有10个基因注释在在两组数据的同一通路中,例如robo2和prkcb。这些发现有助于我们全面了解红鳍东方鲀长期低氧胁迫下肝脏的分子机制,并将支持未来对该物种进一步功能研究奠定了基础。

致 谢

特别鸣谢大连海洋大学水产设施养殖与装备工程团队(Aquacultural Engineering R&D Team, AET)提供的养殖设备及驯养场地,也特别感谢老师对实验的指导和同门对实验取样的帮助。

基金项目

本论文由国家海水鱼产业技术体系项目(CARS-47)、大连市重点领域创新团队项目(2021RT07)、大连海洋大学科技创新团队项目(B202102)资助。

NOTES

*通讯作者。

References 崔舒畅, 曾范双, 武琳, 等. 北方海域五种鱼类营养需求的研究进展[J]. 中国饲料, 2023(13): 68-78. 郝薇薇, 高长富, 仇雪梅, 等. 红鳍东方鲀转录因子GATA4基因的表达[J]. 生物技术通报, 2016, 32(6): 155. Abdel-Tawwab, M., Monier, M.N., Hoseinifar, S.H. and Faggio, C. (2019) Fish Response to Hypoxia Stress: Growth, Physiological, and Immunological Biomarkers. Fish Physiology and Biochemistry, 45, 997-1013. >https://doi.org/10.1007/s10695-019-00614-9 梁燕珊. 珍珠龙胆石斑鱼对急性低氧胁迫的转录组响应研究[D]: [硕士学位论文]. 湛江: 广东海洋大学, 2023. 余家麒. 青海湖裸鲤低氧胁迫的转录组学分析[D]: [硕士学位论文]. 西宁: 青海大学, 2023. Li, M., Wang, X., Qi, C., Li, E., Du, Z., Qin, J.G., et al. (2018) Metabolic Response of Nile Tilapia (Oreochromis niloticus) to Acute and Chronic Hypoxia Stress. Aquaculture, 495, 187-195. >https://doi.org/10.1016/j.aquaculture.2018.05.031 van der Weele, C.M. and Jeffery, W.R. (2022) Cavefish Cope with Environmental Hypoxia by Developing More Erythrocytes and Overexpression of Hypoxia-Inducible Genes. eLife, 11, e69109. >https://doi.org/10.7554/elife.69109 Ma, Q., Zhang, R., Wei, Y., Liang, M. and Xu, H. (2024) Effects of Intermittent and Chronic Hypoxia on Fish Size and Nutrient Metabolism in Tiger Puffer (Takifugu rubripes). Animals, 14, Article No. 2470. >https://doi.org/10.3390/ani14172470 宋娜, 黄娜婷, 王舒闻, 等. 肝脏在牦牛对高原环境适应过程中的生物学作用及相关机制研究[J]. 黑龙江畜牧兽医, 2024(20): 117-123+132-134. 张楠, 黄慈, 王会, 王嘉博, 柴志欣, 岳炳霖, 王吉坤. 牦牛不同发育时期卵巢全基因组甲基化谱分析[J]. 南京农业大学学报, 2024: 1-15. Goldberg, A.D., Allis, C.D. and Bernstein, E. (2007) Epigenetics: A Landscape Takes Shape. Cell, 128, 635-638. >https://doi.org/10.1016/j.cell.2007.02.006 Gu, Y., Jin, C.X., Tong, Z.H., Jiang, T., Yao, F.C., Zhang, Y., et al. (2024) Expression of Genes Related to Gonadal Development and Construction of Gonadal DNA Methylation Maps of Trachinotus blochii under Hypoxia. Science of the Total Environment, 935, Article ID: 173172. >https://doi.org/10.1016/j.scitotenv.2024.173172 Li, X., Liu, B., Yang, J., Li, G., Wen, H., Zhang, M., et al. (2022) DNA Methylation in Promoter Region of Immune Related Genes STAT3 and VEGFA and Biochemical Parameters Change in Muscle of Japanese Flounder under Acute Hypoxia. Developmental&Comparative Immunology, 129, Article ID: 104295. >https://doi.org/10.1016/j.dci.2021.104295 Gonçalo, S., Paulo, S., et al. (2022) Trimming and Validation of Illumina Short Reads Using Trimmomatic, Trinity Assembly, and Assessment of RNA-Seq Data. Methods in Molecular Biology (Clifton, N.J.), 2443, 211-232. Krueger, F. and Andrews, S.R. (2011) Bismark: A Flexible Aligner and Methylation Caller for Bisulfite-Seq Applications. Bioinformatics, 27, 1571-1572. >https://doi.org/10.1093/bioinformatics/btr167 Akalin, A., Kormaksson, M., Li, S., Garrett-Bakelman, F.E., Figueroa, M.E., Melnick, A., et al. (2012) Methylkit: A Comprehensive R Package for the Analysis of Genome-Wide DNA Methylation Profiles. Genome Biology, 13, R87. >https://doi.org/10.1186/gb-2012-13-10-r87 李岩. 长期低氧胁迫下的红鳍东方鲀鳔转录组变化及关键差异基因功能分析[D]: [硕士学位论文]. 大连: 大连海洋大学, 2023. Kim, S.W. and Kim, K. (2020) Expression of Genes Involved in Axon Guidance: How Much Have We Learned? International Journal of Molecular Sciences, 21, Article No. 3566. >https://doi.org/10.3390/ijms21103566 Koohini, Z., Koohini, Z. and Teimourian, S. (2019) Slit/Robo Signaling Pathway in Cancer; a New Stand Point for Cancer Treatment. Pathology&Oncology Research, 25, 1285-1293. >https://doi.org/10.1007/s12253-018-00568-y Li, X., Ren, Y., Sorokin, V., Poh, K.K., Ho, H.H., Lee, C.N., et al. (2014) Quantitative Profiling of the Rat Heart Myoblast Secretome Reveals Differential Responses to Hypoxia and Re-Oxygenation Stress. Journal of Proteomics, 98, 138-149. >https://doi.org/10.1016/j.jprot.2013.12.025 Hauptman, G., Reichert, M.C., Abdal Rhida, M.A. and Evans, T.A. (2022) Characterization of Enhancer Fragments in drosophila Robo2. Fly, 16, 312-346. >https://doi.org/10.1080/19336934.2022.2126259 Motwani, J., Rodger, E.J., Stockwell, P.A., Baguley, B.C., Macaulay, E.C. and Eccles, M.R. (2021) Genome-Wide DNA Methylation and RNA Expression Differences Correlate with Invasiveness in Melanoma Cell Lines. Epigenomics, 13, 577-598. >https://doi.org/10.2217/epi-2020-0440 Ji, F., Fu, S., Shen, S., Zhang, L., Cao, Q., Li, S., et al. (2015) The Prognostic Value of Combined TGF-β1 and ELF in Hepatocellular Carcinoma. BMC Cancer, 15, Article No. 116. >https://doi.org/10.1186/s12885-015-1127-y Deng, Z., Fan, T., Xiao, C., Tian, H., Zheng, Y., Li, C., et al. (2024) TGF-β Signaling in Health, Disease and Therapeutics. Signal Transduction and Targeted Therapy, 9, Article No. 61. >https://doi.org/10.1038/s41392-024-01764-w Chen, J., Gingold, J.A. and Su, X. (2019) Immunomodulatory TGF-β Signaling in Hepatocellular Carcinoma. Trends in Molecular Medicine, 25, 1010-1023. >https://doi.org/10.1016/j.molmed.2019.06.007 Gao, L., Xing, X., Guo, R., Li, Q., Xu, Y., Pan, H., et al. (2024) Effect of Different Dietary Iron Contents on Liver Transcriptome Characteristics in Wujin Pigs. Animals, 14, Article No. 2399. >https://doi.org/10.3390/ani14162399 Zhang, H., Li, R., Wang, Y., Zhou, J., Xu, H., Gou, M., et al. (2023) Transcriptomic Analysis of Takifugu Obscurus Gills under Acute Hypoxic Stress. Animals, 13, Article No. 1572. >https://doi.org/10.3390/ani13101572 Chen, C., Song, C., Liu, B., Wang, Y., Jia, J., Pang, K., et al. (2024) Activation of BMP4/SMAD Pathway by HIF-1α in Hypoxic Environment Promotes Osteogenic Differentiation of BMSCS and Leads to Ectopic Bone Formation. Tissue and Cell, 88, Article ID: 102376. >https://doi.org/10.1016/j.tice.2024.102376 Brochu-Gaudreau, K., Charbonneau, M., Harper, K. and Dubois, C.M. (2022) Hypoxia Selectively Increases a SMAD3 Signaling Axis to Promote Cancer Cell Invasion. Cancers, 14, Article No. 2751. >https://doi.org/10.3390/cancers14112751 Seifried, H.E., Anderson, D.E., Fisher, E.I. and Milner, J.A. (2007) A Review of the Interaction among Dietary Antioxidants and Reactive Oxygen Species. The Journal of Nutritional Biochemistry, 18, 567-579. >https://doi.org/10.1016/j.jnutbio.2006.10.007 Roffey, J., Rosse, C., Linch, M., Hibbert, A., McDonald, N.Q. and Parker, P.J. (2009) Protein Kinase C Intervention—The State of Play. Current Opinion in Cell Biology, 21, 268-279. >https://doi.org/10.1016/j.ceb.2009.01.019 Feng, D., Wang, Z., Zhao, Y., Li, Y., Liu, D., Chen, Z., et al. (2020) circ-PRKCB Acts as a Cerna to Regulate P66shc-Mediated Oxidative Stress in Intestinal Ischemia/Reperfusion. Theranostics, 10, 10680-10696. >https://doi.org/10.7150/thno.44250 Yang, Y., Fu, Q., Wang, X., Liu, Y., Zeng, Q., Li, Y., et al. (2018) Comparative Transcriptome Analysis of the Swim Bladder Reveals Expression Signatures in Response to Low Oxygen Stress in Channel Catfish, Ictalurus punctatus. Physiological Genomics, 50, 636-647. >https://doi.org/10.1152/physiolgenomics.00125.2017 Li, L., Fei, X., Wang, H., Chen, S., Xu, X., Ke, H., et al. (2024) Genome-Wide DNA Methylation Profiling Reveals a Novel Hypermethylated Biomarker PRKCB in Gastric Cancer. Scientific Reports, 14, Article No. 26605. >https://doi.org/10.1038/s41598-024-78135-6
Baidu
map