Liver RNA-seq reveals key genes and molecular pathways regulating the social genetic effects of residual feed intake in Duroc pigs
-
摘要:目的
旨在解析杜洛克猪剩余采食量的社会遗传效应(The social genetic effects of residual feed intake, SGE-RFI)的分子调控机制，揭示其通过能量代谢途径影响群体行为的生物学基础，为提高猪只饲料利用效率提供理论依据。
方法通过RNA测序技术对杜洛克猪肝脏组织进行全转录组分析，系统筛选与SGE-RFI性状相关的关键差异表达基因，并采用功能富集方法解析其参与的生物学通路。
结果鉴定出360个显著差异表达基因，功能分析表明这些基因主要富集于线粒体氧化磷酸化和ATP代谢等能量代谢相关通路，提示其可能通过调控机体能量稳态间接影响社会行为。载脂蛋白基因簇APOA1、APOC3和APOA4的协同表达改变，揭示了社会遗传效应调控过程中神经内分泌系统与脂代谢的交互作用。
结论本研究构建了杜洛克猪SGE-RFI的多维度调控网络，不仅为解析群体行为遗传机制提供了新视角，更为精准选育低剩余采食量种猪和优化群体饲养管理方案奠定了分子基础。
Abstract:ObjectiveThis study aims to elucidate the molecular regulatory mechanisms of the social genetic effects of residual feed intake (SGE-RFI) in Duroc pigs, and reveal the biological basis of how it influences group behavior through energy metabolism pathways, thereby providing a theoretical basis for improving feed utilization efficiency in pigs.
MethodBy employing RNA sequencing technology, a comprehensive transcriptome analysis of the liver tissue in Duroc pigs was conducted, systematically screening for key differentially expressed genes related to the SGE-RFI trait. Functional enrichment methods were used to analyze the biological pathways involved.
ResultThe study identified 360 significantly differentially expressed genes. Functional analysis indicated that these genes were primarily enriched in energy-related pathways such as mitochondrial oxidative phosphorylation and ATP metabolism, suggesting an indirect influence on social behavior through the regulation of energy homeostasis. The coordinated expression changes in the apolipoprotein gene cluster APOA1, APOC3 and APOA4 revealed the interaction between the neuroendocrine system and lipid metabolism during the social genetic effect regulation.
ConclusionThis research has constructed a multi-dimensional regulatory network for SGE-RFI in Duroc pigs, offering not only a new perspective for understanding the genetic mechanisms of group behavior, but also laying a molecular foundation for the precise selection of breeding pigs with low residual feed intake and the optimization of group feeding management strategies.
-
Keywords:
- Residual feed intake /
- Social genetic effect /
- Duroc Pig /
- Liver /
- RNA seq
-
亚甲基蓝(Methylene blue, MB)属噻嗪类的染料类化合物。在淡水鱼类养殖中，MB对水霉病、红嘴病、小瓜虫病等淡水鱼常见疾病都有较好的预防和治疗的效果[1-2]。但随着渔业养殖行业的快速发展，也产生了含有大量MB的养殖废水，而高浓度的MB溶液具有一定的毒性，对自然环境和人体健康均有严重的影响[3-5]，因此对养殖废水中的MB进行有效处理显得尤为重要。普鲁士蓝(Prussian blue, PB)是一种配位聚合物，属于有机骨架类，由无机金属中心内配位层与桥连的有机结构外配位层配体相互连接而成的、具有周期性框架结构的晶体材料[6-7]。在普鲁士蓝晶体中，每相邻的铁呈现2种不同的价态：FeII和FeIII，并且与—CN—一起构建成有机骨架。当FeII/H2O2混合后发现，FeII可以催化H2O2分解，产生氧化性较强的羟基自由基(•OH)，可将有机污染物快速氧化分解，同时FeII转变成FeIII，因此芬顿(Fenton)催化降解成为一种治理环境的高效方法[8]。与此同时发现，FeIII具有光芬顿(Photo-Fenton)催化效果，FeIII/H2O2的混合体系被光照射时，FeIII在光的作用下催化H2O2分解产生•OH，对污染物有相似的降解效果，并且FeIII转变成FeII[9]。PB的组成元素中富含FeII和FeIII，当PB/H2O2体系受到光照射后，PB中的FeII/H2O2发生芬顿、FeIII/ H2O2发生光芬顿、该过程中的2种催化反应耦合，使FeII与FeIII相互循环转化，加快了•OH产生，提高了有机污染物的降解速率[10]。
在催化降解过程中对体系加热，热会激发活性氧的连续形成[11]。虽然热可以提高降解速率，但额外引入的热源浪费自然资源，不利于可持续化发展[12]。运用催化材料的光热效应来促进催化降解已经成为一种重要的节能方式[13-14]。PB独特的金属有机框架结构在近红外区域有着较强的光吸收，使之具有优异的光热转化效率。Fang等[15]研究表明，缓慢结晶形成的立方晶形PB的光热转化效率达到73.9%。为了高效利用太阳能，快速处理养殖溶液中MB这类有机污染物，本文制备出亚微米尺寸类球形普鲁士蓝(Submicron Prussian blue，smPB)，并对smPB进行了光热转化性能的研究，以期进一步提高污染物的降解速率和太阳能的利用率，同时达到节约能源目的。
1. 材料与方法
1.1 材料
体积分数为30%的H2O2溶液、盐酸(HCl)和聚乙烯亚胺(PEI)均为分析纯，购自上海国药集团化学试剂有限公司(中国，上海)，十水合亚铁氰化钠[Na4Fe(CN)6·10H2O]购自上海阿拉丁生化科技股份有限公司(中国，上海)，所有药品均未进一步纯化使用。扫描电子显微镜(SEM)在Hitachi S4800仪器上测试(产自日本；供应商：天美仪拓实验设备有限公司，中国，上海)；透射电子显微镜(TEM)在FEI Tecnai F20仪器上测试(产自美国；供应商：FEI香港有限公司，中国，香港)；XRD在BRUKER D8 ADVANCE X射线衍射仪上测定(产自德国；供应商：布鲁克科技有限公司，中国，北京)，2θ范围为5°~50°；红外光谱在Thermo NICOLET 6700红外光谱仪上测试(产自美国；供应商：赛默飞世尔科技有限公司，中国，北京)，测试范围4 000~400 cm−1，KBr压片法；电子顺磁共振在Bruker A300上测试(产自德国；供应商：布鲁克科技有限公司，中国，北京)；亚甲基蓝的吸光度在TU-1810上测试(产自中国；供应商：苏州赛力威仪器设备有限公司，中国，苏州)；紫外可见光漫反射在LAMBDA 950上测试(产自美国；供应商：珀金埃尔默仪器有限公司，中国，上海);太阳光经SAN-EIELECTRIC模拟照射(产自日本；供应商：巨力科技有限公司，中国，北京)。
1.2 亚微米尺寸类球形普鲁士蓝的制备
采用水热缓慢结晶法制备smPB。在温室条件下，称取0.3 g的Na4Fe(CN)6·10H2O溶解在100 mL去离子水中；随后，向溶液里滴加0.1 g聚乙烯亚胺(Polyethylenimine, PEI，相对分子质量为1 000)，搅拌10 min后，向溶液里滴加6 mL浓盐酸(体积分数为5%)；接着，在60 ℃油浴锅里加热6 h；然后，使用真空抽滤装置收集沉淀物，并分别用水和乙醇溶液(体积分数为50%)清洗若干次；最后，在60 ℃的真空烘箱里干燥4 h。
1.3 光热转化试验
取20 mg的smPB置于100 mL的去离子水中，放置在太阳光模拟器下，使用1个太阳光的功率对其进行1 h的照射，每隔2 min记录1次溶液温度。smPB在200~2 500 nm波长范围内的光热转化效率(
$ \eta $ )计算公式如下：$$ \eta =\frac{\displaystyle\sum A_{i}{\eta }_{i}}{\displaystyle\sum {\eta }_{i}}\times 100{\text{%}} ,$$ 式中，Ai表示特定波长下的吸光率，%；ƞi表示特定波长下的能量；
${{i}}=200\sim 2 \;500 $ 。1.4 芬顿、光芬顿以及光热芬顿催化试验
取20 mg的smPB置于100 mL的MB溶液(ρ=20 mg/L)中，黑暗中搅拌30 min，使smPB达到吸附饱和平衡。芬顿催化降解时，向体系中加入1 mL的 H2O2溶液(质量分数为30%)，每隔5 min取出4 mL溶液，测量MB浓度；光分顿催化降解时，将体系置于通入循环水的双层烧杯中，保持溶液温度26 ℃恒定，在1个太阳光功率照射下，向体系中加入1 mL的H2O2溶液，每隔5 min取出4 mL溶液，测量MB浓度；光热芬顿催化降解时，将体系置于太阳光模拟器下，用1个太阳光的功率照射，然后向体系中加入1 mL的H2O2溶液，每隔5 min取出4 mL溶液，测量MB浓度。
MB浓度测量方法：测量前期，首先准备0、0.1、0.2、0.4、0.8、1.0、5.0、10.0、15.0、20.0、25.0、30.0 mg/L的MB溶液，分别在TU-1810上测量MB不同质量浓度的吸光度，并以吸光度为横坐标，MB质量浓度为纵坐标绘制标准曲线。催化降解MB时，在TU-1810上测量出MB实时吸光度后，通过标准曲线找到MB实时质量浓度。MB去除效率(E)按照下式计算：
$$ E=\frac{{\rho }_{t}}{{\rho }_{0}}\times 100{\text{%}} , $$ 式中，ρ0表示初始MB质量浓度，ρt表示t时刻MB质量浓度，mg/L。
采用伪一级反应速率方程对MB催化反应过程的反应动力学进行分析，伪一级动力学公式如下：
$$ {{C}_{t}}={{C}_{0}}{{\text{e}}^{(-kt)}}, $$ 式中，Ct为反应时间为t的MB质量浓度，C0为初始MB质量浓度，mg·L−1；k为伪一级反应速率常数，min−1；t为时间，min。
2. 结果与分析
2.1 形貌表征
根据文献中报道的合成Fe4[Fe(CN)6]3立方体微粒的方法[13]，向溶液中添加PEI，在PEI链上的氨基基团作用下，控制PB的结晶过程形成smPB粒子。如图1a所示，smPB粒子直径范围在200~300 nm之间，形貌、尺寸大小较为均一。如图1b所示，smPB表面呈蜂窝状纹路，层层复合。溶液里的PEI会影响普鲁士蓝表面生长，当普鲁士蓝初期缓慢结晶形成一个晶种时，PEI会附着在晶种表面，普鲁士蓝在表面附着PEI的晶种上生长，当长到一定厚度时，溶液中的PEI又会附着在刚长成的晶体表面，以此方式循环生长，直到尺寸变为一定大小时停止生长，形成类层层堆叠的结构形状。如图1c所示，可以清晰地观察到，smPB中C、Fe、N和O等元素，且分布较为均匀。
![]()
图 1 亚微米普鲁士蓝的SEM图(a)，TEM图(b)和元素分布图(c)Figure 1. SEM image (a), TEM image (b) and element distribution map (c) of submicron Prussian blue2.2 红外光谱和XRD表征
图2为smPB的红外光谱图，其中，3 430 cm−1属于水分子的振动吸收峰，2066 cm−1属于氰基的振动吸收峰，表示—CN—的振动[16]，表明smPB具有PB的特征峰。
图3为未经PEI调控所制备的PB标准XRD谱图和经过PEI调控后制备的smPB的XRD谱图。从图3中可以发现，PB和smPB均在17.5°、24.8°、28°、35.1°、39.5°出现衍射峰，这与Fang等[15]报道的立方晶形PB衍射峰基本相同，表明smPB具有Fe4[Fe(CN)6]3的晶体结构。
![]()
图 3 普鲁士蓝和亚微米普鲁士蓝XRD谱图Figure 3. XRD patterns of Prussian blue (PB) and submicron Prussian blue (smPB)2.3 XPS表征
为了进一步分析smPB材料的表面特性，对其进行XPS表征分析。由图4的 XPS总谱图可以知道，smPB材料由C、N、O、Fe组成，无其他元素，这与XRD表征结果一致。
由图5的精细谱可以知道，Fe2P有6个主峰，分别为FeII2P3/2、FeIII2P3/2、FeII2P1/2、FeIII2P1/2以及2个卫星峰；706.5和719.9 eV处的结合能峰代表分别为FeII2P3/2和FeIII2P1/2，708.9和722.4 eV处的结合能峰代表分别为FeIII2P3/2和FeIII2P1/2，712.2和725.1 eV处的结合能峰代表2个卫星峰。XPS表征结果与XRD表征结果一致，证明smPB为Fe4[Fe(CN)6]3的材料。
![]()
图 5 亚微米普鲁士蓝的Fe2P X射线光电子能谱精细谱图Figure 5. XPS high-resolution spectra of Fe2P of submicron Prussian blue2.4 全光谱吸光率
为了研究smPB的吸光性能，在波长为200~2 500 nm的范围内对其进行测试。如图6所示，在太阳能主要分布的近红外区域200~1 200 nm的范围内，smPB的吸光率较高，对近红外光的吸光率达到90%左右；在太阳能分布较弱的其他波段也维持较高的吸收率；全光谱太阳光的照射下，smPB光热转化率达到89.8%。
2.5 羟基自由基检测结果
在芬顿催化降解反应体系中，•OH对有机污染物的催化降解起到重要作用。图7的结果表明，当smPB与H2O2共存于反应溶液中，在有、无光照的条件下均可以清晰地观察到强度对比为1∶2∶2∶1的•OH特征信号，表明在芬顿以及光芬顿催化降解过程中，smPB有效激活H2O2产生•OH。在没有太阳光照射的情况下，smPB与H2O2共存的体系中产生•OH的量较少，催化能力弱；但在有光照的条件下，•OH的特征信号峰强度远高于黑暗条件下的强度，太阳光加速FeII/FeIII的循环转化并促进了•OH的产生，从而加快催化降解速率。芬顿以及光芬顿催化降解过程和最终产物如下[17]：
$$ {{\rm{[F}}{{\rm{e}}^{{\rm{II}}}}{\left( {{\rm{CN}}} \right)_{\rm{6}}}]^{{\rm{4 - }}}}{\rm{ + }}{{\rm{H}}_{\rm{2}}}{{\rm{O}}_{\rm{2}}} \to {[{\rm{F}}{{\rm{e}}^{{\rm{III}}}}{\left( {{\rm{CN}}} \right)_{\rm{6}}}{\rm{]}}^{{\rm{3 - }}}} + \bullet {\rm{OH + O}}{{\rm{H}}^{\rm{ - }}}， $$ (3) $$ {{\rm{[F}}{{\rm{e}}^{{\rm{III}}}}{\left( {{\rm{CN}}} \right)_{\rm{6}}}\left] {^{{\rm{3 - }}}{\rm{ + }}{{\rm{H}}_{\rm{2}}}{{\rm{O}}_{\rm{2}}} \to {\rm{ }}} \right[{\rm{F}}{{\rm{e}}^{{\rm{II}}}}{\left( {{\rm{CN}}} \right)_{\rm{6}}}{\rm{]}}^{{\rm{4 - }}}} + \bullet {\rm{OOH + }}{{\rm{H}}^{\rm{ + }}}， $$ (4) $$ \bullet {\rm{OOH + }}{{\rm{H}}_{\rm{2}}}{{\rm{O}}_{\rm{2}}} \to \bullet {\rm{OH + }}{{\rm{H}}_{\rm{2}}}{{\rm{O}}_{\rm{2}}}{\rm{ + }}{{\rm{O}}_{\rm{2}}}， $$ (5) $$ {{\rm{[F}}{{\rm{e}}^{{\rm{III}}}}{\left( {{\rm{CN}}} \right)_{\rm{6}}}{\rm{]}}^{{\rm{3 - }}}}{\rm{ + }}hv{\rm{ + }}{{\rm{H}}_{\rm{2}}}{\rm{O}} \to {\rm{ [F}}{{\rm{e}}^{{\rm{II}}}}{\left( {{\rm{CN}}} \right)_{\rm{6}}}{{\rm{]}}^{{\rm{4 - }}}} + \bullet {\rm{OH + }}{{\rm{H}}^{\rm{ + }}}， $$ (6) $$ \bullet {\rm{OH + MB}} \to 中间产物 {\rm{}} \to {\rm{ C}}{{\rm{O}}_{\rm{2}}}{\rm{ + }}{{\rm{H}}_{\rm{2}}}{\rm{O}}。 $$ (7) 2.6 光热转化能力
smPB具有将光转化为热的能力。在1个太阳光的照射下，对有(无) smPB粒子的水溶液的温度进行了监测，结果见图8。由图8可见，纯水溶液在1个太阳光下照射1 h后，纯水的温度从26 ℃上升到31 ℃左右；含有smPB的水溶液，经过1 h的照射，温度由26.0 ℃上升到34.8 ℃左右。在纯水体系中，水对近红外光有一定的吸收能力，从而导致纯水温度上升。在0~15 min时，2条曲线重合，在这个阶段，2个体系中溶液温度的提升主要源自水对近红外光的吸收而产生的热；在15~60 min时，含有smPB粒子的溶液温度明显高于纯水溶液的温度，在此阶段，smPB进行光热转化作用产生的热远高于水吸收近红外产生的热，使含有smPB粒子体系的温度比纯水的温度高。
![]()
图 8 亚微米普鲁士蓝在1个太阳光下溶液温度变化曲线以及平衡状态下红外热成像Figure 8. The temperature change curve of submicron Prussian blue solution under the solar illumination of one sun and its infrared image in equilibrium status2.7 催化降解速率
为了考察光热、光以及无光等条件下，smPB对MB的催化降解情况，分别进行了光热芬顿催化降解、光芬顿催化降解以及芬顿催化降解，试验结果如图9所示。由图9可见，在可见光的照射且有光热产生的情况下，smPB的光热芬顿催化降解速率明显高于光芬顿和芬顿降解速率；在光热芬顿催化时，smPB在40 min时将20 mg/L的MB基本完全降解，而光芬顿催化降解率为50%、芬顿催化降解率为20%。没有加入smPB仅含有H2O2的对照组中，在有光照以及水吸收红外产生热的条件下，40 min时对MB的降解速率为40%(图9a)；仅含有H2O2的对照组中，在光照且使用循环水装置去除热的条件下，40 min时的降解速率为10%(图9b)；仅含有H2O2的对照组，在没有光照的条件下降解速率为0(图9c)。光热芬顿催化降解时，在光和热的作用下，加速FeII和FeIII的循环转化速率，加快•OH的产生，热会促进催化降解速率，光和热的耦合提高了有机污染物的催化降解速率。
![]()
图 9 亚微米普鲁士蓝不同条件下的催化降解C0、Ct分别为初始、反应时间为t的MB质量浓度，mg·L−1Figure 9. The catalytic degradation of submicron Prussian blue at different conditionsC0 and Ct are the concentrations of MB at initial and t reaction time, respectively采用伪一级反应速率方程进一步分析MB催化反应过程的动力学，结果见图10。从图10中可以看出，在光热条件下，smPB的反应速率常数达到0.058，高于其他条件下的反应速率常数。这是因为在光和热的作用下，加快了MB的催化降解速率。
![]()
图 10 亚微米普鲁士蓝伪一级催化拟合曲线C0、Ct分别为初始、反应时间为t的MB质量浓度，mg·L−1Figure 10. The fitting curve of pseudo first-order catalysis of submicron Prussian blueC0 and Ct are the concentrations of MB at initial and t reaction time, respectively3. 结论
采用Na4Fe(CN)6·10H2O与PEI为主要原料，通过水热缓慢结晶法，利用PEI链上的氨基基团，控制PB的结晶过程，研制出具有良好的光热转化性能以及光热芬顿催化性能的smPB催化剂。当自然界中最为丰富的清洁能源太阳能被smPB利用时，smPB可以将太阳能转化为热能，兼备光芬顿性能的smPB，将光和热2种功能耦合在一起，不仅提高了太阳能的利用率，同时加速对污染物的降解。在1个太阳光辐射1 h的情况下，含有smPB粒子的溶液温度提高8.8 ℃左右，比无smPB粒子的对照组溶液温度高3.8 ℃左右。在催化降解时，H2O2的降解能力较低，加入smPB催化剂后，对MB的催化降解速度有所提高；当利用太阳光对该体系进行光热芬顿催化降解时，在光和热的作用下，FeII和FeIII的循环转化速率加快，与光芬顿和芬顿条件下相比，MB的降解速度大大提升，40 min内可以将100 mL溶液(MB质量浓度为20 mg/L)中的MB污染物降解99%。
-
![]()
图 1 高RFI-SGE组较低RFI-SGE组肝脏组织中差异表达mRNA的火山图分析
Figure 1. Volcano plot analysis of differentially expressed mRNAs in high RFI-SGE group compared with low RFI-SGE group
![]()
图 2 高RFI-SGE(HRS)与低RFI-SGE(LRS)组肝脏组织中差异表达mRNA的层次聚类热图
Figure 2. Hierarchical clustering heatmap of differentially expressed mRNAs in high RFI-SGE (HRS) and low RFI-SGE (LRS) groups
![]()
图 3 肝脏组织部分差异表达基因蛋白−蛋白互作网络
Figure 3. Protein-protein interaction network of selected differentially expressed genes in liver tissue
![]()
图 4 肝脏组织中差异表达基因的RT-qPCR验证
Figure 4. RT-qPCR validation of differentially expressed genes in liver tissue
表 1 试验猪只剩余采食量与社会遗传效应数据1)
Table 1 Data on residual feed intake (RFI) and social genetic effects (SGE) of test pigs
猪只
Pig分组
Group样品编号
Sample number剩余采食量/kg
RFI社会遗传效应
SGEDDJYZC120019500 LRS LRS1 0.3283 − 0.0179 DDJYZC120019491 LRS2 0.3372 − 0.0168 DDJYZC120019494 LRS3 0.3383 − 0.0144 DDJYZC120019492 LRS4 0.3385 − 0.0141 DDJYZC120022569 HRS HRS1 − 0.2406 0.0127 DDJYZC120022570 HRS2 − 0.2452 0.0098 DDJYZC120022571 HRS3 − 0.2483 0.0091 DDJYZC120022575 HRS4 − 0.2609 0.0089 1) LRS：低RFI-SGE；HRS：高RFI-SGE。
1) LRS: Low RFI-SGE; HRS: High RFI-SGE.
下载: 导出CSV
表 2 高RFI-SGE组肝脏组织Top 10上调与下调基因
Table 2 Top 10 up- and down-regulated genes in liver tissue of high RFI-SGE group
基因 Gene log2FC P Padj TCN1 5.48 3.14×10−6 3.31×10−4 HBM 3.77 4.57×10−4 1.20×10−2 HBB 3.31 2.23×10−4 7.29×10−3 C2H11orf86 2.73 2.84×10−7 5.26×10−5 LOC100737768 2.62 9.25×10−4 1.98×10−2 ARF4 2.54 7.27×10−14 3.59×10−10 PNPLA3 2.53 3.36×10−5 1.84×10−3 LOC100517779 2.41 1.75×10−7 3.45×10−5 APOA4 2.41 4.93×10−7 8.21×10−5 SPATA22 2.39 1.78×10−7 3.47×10−5 LOC102164346 −2.43 4.47×10−5 2.25×10−3 CYP1A1 −2.44 1.99×10−5 1.22×10−3 COLCA1 −2.46 2.95×10−4 8.86×10−3 LOC110259967 −2.47 5.12×10−5 2.47×10−3 GALP −2.69 8.77×10−4 1.90×10−2 LOC100154757 −3.01 1.77×10−4 6.13×10−3 KCNH7 −3.14 1.14×10−4 4.49×10−3 LOC110261964 −3.24 5.52×10−4 1.37×10−2 ASIC1 −3.35 1.74×10−4 6.08×10−3 CA3 −3.88 6.27×10−5 2.87×10−3
下载: 导出CSV
-
[1] VIGORS S, O'DOHERTY J V, BRYAN K, et al. A comparative analysis of the transcriptome profiles of liver and muscle tissue in pigs divergent for feed efficiency[J]. BMC Genomics, 2019, 20(1): 461. doi: 10.1186/s12864-019-5740-z
[2] IBRAGIMOV E, PEDERSEN A, XIAO L, et al. Analysis of merged transcriptomic and genomic datasets to identify genes and pathways underlying residual feed intake in growing pigs[J]. Scientific Reports, 2022, 12(1): 21946. doi: 10.1038/s41598-022-26496-1
[3] LIU H, FEYE K M, NGUYEN Y T, et al. Acute systemic inflammatory response to lipopolysaccharide stimulation in pigs divergently selected for residual feed intake[J]. BMC Genomics, 2019, 20(1): 728. doi: 10.1186/s12864-019-6127-x
[4] 禹世欣, 王书杰, 赵真坚, 等. 杜洛克猪剩余采食量的社会遗传效应与其他经济性状的关联分析 [J]. 中国畜牧杂志, 2024, 60(8): 141-145. [5] ZHANG Y, PARK C, BENNETT C, et al. Rapid and accurate alignment of nucleotide conversion sequencing reads with HISAT-3N[J]. Genome Research, 2021, 31(7): 1290-1295. doi: 10.1101/gr.275193.120
[6] SHUMATE A, WONG B, PERTEA G, et al. Improved transcriptome assembly using a hybrid of long and short reads with StringTie[J]. PLoS Computational Biology, 2022, 18(6): e1009730. doi: 10.1371/journal.pcbi.1009730
[7] TRAPNELL C, HENDRICKSON D G, SAUVAGEAU M, et al. Differential analysis of gene regulation at transcript resolution with RNA-seq[J]. Nature Biotechnology, 2013, 31(1): 46-53. doi: 10.1038/nbt.2450
[8] SHERMAN B T, HAO M, QIU J, et al. DAVID: A web server for functional enrichment analysis and functional annotation of gene lists (2021 update)[J]. Nucleic Acids Research, 2022, 50(W1): W216-W221. doi: 10.1093/nar/gkac194
[9] SZKLARCZYK D, KIRSCH R, KOUTROULI M, et al. The STRING database in 2023: Protein-protein association networks and functional enrichment analyses for any sequenced genome of interest[J]. Nucleic Acids Research, 2023, 51(D1): D638-D646. doi: 10.1093/nar/gkac1000
[10] SHANNON P, MARKIEL A, OZIER O, et al. Cytoscape: A software environment for integrated models of biomolecular interaction networks[J]. Genome Research, 2003, 13(11): 2498-2504. doi: 10.1101/gr.1239303
[11] ROSSMANN M P, DUBOIS S M, AGARWAL S, et al. Mitochondrial function in development and disease[J]. Disease Models & Mechanisms, 2021, 14(6): dmm048912.
[12] MOR D E, SOHRABI S, KALETSKY R, et al. Metformin rescues Parkinson's disease phenotypes caused by hyperactive mitochondria[J]. Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(42): 26438-26447.
[13] AWASTHI S, HINDLE A, SAWANT N A, et al. RALBP1 in oxidative stress and mitochondrial dysfunction in Alzheimer’s disease[J]. Cells, 2021, 10(11): 3113. doi: 10.3390/cells10113113
[14] ALLEN J, CARUNCHO H J, KALYNCHUK L E. Severe life stress, mitochondrial dysfunction, and depressive behavior: A pathophysiological and therapeutic perspective[J]. Mitochondrion, 2021, 56: 111-117. doi: 10.1016/j.mito.2020.11.010
[15] 鲜盼盼. 硫化氢代谢异常在孤独症社交障碍中的作用及机制研究 [D]. 西安: 中国人民解放军空军军医大学, 2023. [16] 涂静怡, 王世成, 申长庆, 等. 线粒体功能障碍对认知的影响[J]. 中国细胞生物学学报, 2024, 46(5): 1054-1063. [17] 陈海霞, 马欣旭, 王艺霖, 等. 线粒体功能障碍与抑郁症发病机制的研究进展[J]. 神经解剖学杂志, 2023, 39(4): 476-480. [18] HOLLIS F, VAN DER KOOIJ M A, ZANOLETTI O, et al. Mitochondrial function in the brain links anxiety with social subordination[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(50): 15486-15491.
[19] TRANIELLO J F, LINKSVAYER T A, COTO Z N. Social complexity and brain evolution: Insights from ant neuroarchitecture and genomics[J]. Current Opinion in Insect Science, 2022, 53: 100962. doi: 10.1016/j.cois.2022.100962
[20] FAN Y, GAO J, LI Y, et al. The variants at APOA1 and APOA4 contribute to the susceptibility of schizophrenia with inhibiting mRNA expression in peripheral blood leukocytes[J]. Frontiers in Molecular Biosciences, 2021, 8: 785445. doi: 10.3389/fmolb.2021.785445
[21] GUO Q W, SI Y J, SHEN Y L, et al. Depression augments plasma APOA4 without changes of plasma lipids and glucose in female adolescents carrying G allele of APOA4 rs5104[J]. Journal of Molecular Neuroscience, 2021, 71(10): 2060-2070. doi: 10.1007/s12031-020-01766-7
[22] 蒲阳, 母其文, 郭志伟, 等. 老年患者阿尔兹海默病风险预测模型的建立和验证[J]. 神经损伤与功能重建, 2024, 19(7): 392-396. -
期刊类型引用(7)
1. 王铎，刘志刚，韩志武，张强，张楠楠，裴承慧. 灌木平茬锯片的仿生设计与试验验证. 林产工业. 2025(03): 57-62 . 
百度学术
2. 雷如飞. 重型绿篱修剪机刀具的可靠性提升策略. 南方农机. 2024(11): 194-195+198 . 百度学术
3. 徐树英，陈淦兴，林常，刘世豪. 香蕉茎秆轧辊式压榨脱水机设计与试验. 农业工程学报. 2024(19): 21-32 . 百度学术
4. 刘丽敏，任萍，陈建能，张雪恒. 基于作物力学特性的甘蔗收割机参数优化与田间试验. 浙江农业学报. 2023(05): 1187-1194 . 百度学术
5. 梁堃，胡昀. 基于改进卷积网络的葡萄剪枝关键算法研究. 自动化与仪器仪表. 2023(06): 58-62 . 百度学术
6. 陈月锋，宋占华，刘天宏，董世平，景全荣，李法德，孙长征. 自走式杂交构树收割机设计及试验. 农业工程. 2023(07): 89-96 . 百度学术
7. 范方亮，邹胜良，张义广. 水下航行器变舵角滑行阻力数学建模分析. 舰船科学技术. 2022(20): 38-41+53 . 百度学术
其他类型引用(10)
计量
- 文章访问数: 105
- HTML全文浏览量: 31
- PDF下载量: 21
- 被引次数: 17
