Část 6: Mapování epigenomické a transkriptomické souhry během formování paměti a vzpomínání v souboru Hippocampal Engram Ensemble
Mar 22, 2022
ali.ma@wecistanche.com
Klikněte naCistanche stonek může zlepšit paměť
Odkazy
1. Alberini CM transkripční faktory v dlouhodobém horizontuPaměťa synaptická plasticita. Physiol. Rev 89, 1–46 (2014).
2. Josselyn SA, Köhler S & Frankland PW Nalezení engramu. Nat. Rev. Neurosci 16, 521–534(2015). [PubMed: 26289572]
3. Albo Z & GräffJ Engram Vzrušení. Neuron 101, 198–200 (2019). [PubMed: 30653932]
4. Poo M. ming et al. Co jepaměť? Současný stav engramu. BMC Biol (2016). DOI:10.1186/s12915-016-0261-6
5. Guenthner CJ, Miyamichi K, Yang HH, Heller HC & Luo L Trvalý genetický přístup k přechodně aktivním neuronům prostřednictvím TRAP: Cílené rekombinace neaktivní populace. Neuron 78, 773–784(2013). [PubMed: 23764283]
6. Denny CA et al. Hipokampalpaměťstopy jsou diferencovaně modulovány zkušenostmi, časem a neurogenezí dospělých. Neuron 83, 189–201 (2014). [PubMed: 24991962]
7. Ramirez S et al. Vytvoření nepravdyPaměťv Hipokampu. Věda (80-.). 341, 819–824(2013).
8. Khalaf O et al. Reaktivace neuronů vyvolaných vyvoláním přispívá ke vzdálenému strachupaměťútlum. Věda (80-.). 1242, 1239–1242 (2018).
9. Levenson JM & Sweatt JD Epigenetické mechanismy vpaměťformace. Nat. Rev. Neurosci 6, 108–118 (2005). [PubMed: 15654323]
10. Gräff J et al. Epigenetické primingpaměťaktualizace během rekonsolidace pro oslabení vzdálených vzpomínek na strach. Buňka 156, 261–276 (2014). [PubMed: 24439381]
11. Nguyen TA et al. Vysoce výkonné funkční srovnání aktivit promotoru a zesilovače. Genom Res 26, 1023–1033 (2016). [PubMed: 27311442]
12. Malik AN et al. Genomová identifikace a charakterizace funkčních stimulátorů závislých na aktivitě neuronů. Nat Neurosci 17, 1330–1339 (2015).
13. Su Y et al. Neuronální aktivita modifikuje krajinu přístupnosti chromatinu v dospělém mozku. Nat.Neurosci 20, 476–483 (2017). [PubMed: 28166220]
14. Rajarajan P, Gil SE, Brennand KJ & Akbarian S Organizace a poznání prostorového genomu. Nat. Rev. Neurosci 17, 681–691 (2016). [PubMed: 27708356]
15. Lieberman-Aiden E et al. Komplexní mapování interakcí na dlouhé vzdálenosti odhaluje skládací principy lidského genomu. Věda (80-.). (2009). DOI:10.1126/science.1181369
16. Dekker J et al. Projekt 4D nukleomu. Příroda (2017). DOI:10.1038/nature23884
17. Yu M & Ren B Trojrozměrná organizace genomů savců. Annu. Rev. Cell Dev. Biol (2017). DOI:10.1146/annurevcellbio-100616-060531
18. Shlyueva D, Stampfel G & Stark Transkripční zesilovače: Od vlastností k předpovědím celého genomu. Nat. Rev. Genet 15, 272–286 (2014). [PubMed: 24614317]
19. Nader K, Schafe GE & Le Doux JE Vzpomínky na strach vyžadují syntézu proteinů v amygdale pro rekonsolidaci po získání. Příroda (2000). DOI:10.1038/35021052
20. Rao-Ruiz P et al. Engram-specific transkriptom profilování kontextovýchpaměťkonsolidace. Nat. Komuna (2019). DOI:10.1038/s41467-019-09960-x
21. Halder R et al. Změny methylace DNA v genech plasticity doprovázejí tvorbu a udržování paměti. Nat. Neurosci. 19, 102–110 (2015). [PubMed: 26656643]
22. Park CS, Rehrauer H & Mansuy IM Genomová analýza acetylace H4K5 spojená se strachempaměťu myší. BMC Genomics (2013). DOI:10.1186/1471-2164-14-539
23. Kim T et al. Rozšířená transkripce na stimulátorech regulovaných neuronální aktivitou. Příroda 465, 182– 187 (2010). [PubMed: 20393465]
24. Vierbuchen T et al. AP-1 Transkripční faktory a BAF Complex Mediate Signal-Dependent Enhancer Selection. Mol. Buňka 68, 1134–1146.e6 (2017). [PubMed: 29225033]
25. Weintraub AS et al. YY1 Je strukturální regulátor smyček enhancer-promoter. Buňka 171, 1573– 1588.e28 (2017). [PubMed: 29224777]
26. Bonev B et al. Víceúrovňové 3D přepojení genomu během neurálního vývoje myši. Buňka 171, 557–572.e24 (2017). [PubMed: 29053968]
Cistanche může zlepšit paměť
27. Fernandez-Albert J et al. Okamžité a odložené epigenomické signatury in vivo neuronální aktivace v myším hipokampu. Nat. Neurosci (2019). DOI:10.1038/s41593-019-0476-2
28. Yamada T et al. Smyslová zkušenost přetváří architekturu genomu v nervovém obvodu, aby řídila motorické učení. Příroda (2019). DOI:10.1038/s41586-019-1190-7
29. Schoenfelder S et al. Pluripotentní regulační obvody spojující promotory s jejich interagujícími prvky s dlouhým dosahem. Genom res. 25, 582–597 (2015). [PubMed: 25752748]
30. Sanyal A, Lajoie BR, Jain G & Dekker J Krajina interakce s dlouhým dosahem genových promotorů. Příroda (2012). DOI:10.1038/nature11279
31. Joo JY, Schaukowitch K, Farbiak L, Kilaru G & Kim TK Stimulus-specifická kombinatorická funkčnost neuronálních zesilovačů c-fos. Nat. Neurosci (2015). DOI:10.1038/nn.4170
32. Jaeger BN et al. Nový transkripční podpis evokovaný prostředím předpovídá reaktivitu v neuronech s jedním zubatým granulem. Nat. Commun (2018). DOI:10.1038/s41467-018-05418-8
33. Tyssowski KM et al. Různé vzorce neuronální aktivity indukují různé programy genové exprese. Neuron (2018). DOI:10.1016/j.neuron.2018.04.001
34. Gaidatzis D, Burger L, Florescu M & Stadler MB Analýza intronických a exonických čtení v RNA- seq datech charakterizuje transkripční a post-transkripční regulaci. Nat. Biotechnol (2015). DOI:10.1038/nbt.3269
35. Chandra D et al. GABAA receptor 4 podjednotky zprostředkovávají extrasynaptickou inhibici v thalamu a dentátovém gyru a působení gaboxadolu. Proc. Natl. Acad. Sci (2006). DOI:10.1073/ pans.0604304103
36. Pignatelli M et al. Stav excitability buněk engramu určuje účinnost získávání paměti. Neuron 101, 274–284.e5 (2019). [PubMed: 30551997]
37. Sun X et al. Funkčně odlišné neuronální soubory v rámci paměťového engramu. Buňka (2020). DOI:10.1016/j.cell.2020.02.055
38. Yuan A & Nixon RA Specializované role neurofilamentních proteinů v synapsích: Význam pro neuropsychiatrické poruchy. Bulletin pro výzkum mozku (2016). DOI:10.1016/j.brainresbull.2016.09.002
39. Bramham CR & Wells DG Dendritic mRNA: transport, překlad a funkce. Nat. Rev. Neurosci 8, 776–789 (2007). [PubMed: 17848965]
40. Choi JH et al. Meziregionální synaptické mapy mezi engramovými buňkami jsou základempaměťformace. Věda (80-.). (2018). doi:10.1126/science.aas9204
41. Shi SH et al. Rychlé dodání páteře a redistribuce AMPA receptorů po aktivaci synaptického NMDA receptoru. Věda (80-.). (1999). doi:10.1126/science.284.5421.1811
42. Ostroff LE, Fiala JC, Allwardt B & Harris KM Polyribozomy se během LTP redistribuují z dendritických hřídelí do hřbetů se zvětšenými synapsemi při vývoji potkaních hipokampálních řezů. Neuron (2002). DOI:10.1016/S0896-6273(02)00785-7
43. Chung SH et al. Zac1 hraje klíčovou roli ve vývoji specifických neuronálních podskupin v myším mozečku. Neural Dev (2011). DOI:10.1186/1749-8104-6-25
44. Ravasi T et al. Atlas kombinatorické transkripční regulace v myších a lidských buňkách (2010). DOI:10.1016/j.cell.2010.01.044
45. Schlisio S, Halperin T, Vidal M & Nevins JR Interakce YY1 s E2F, zprostředkovaná RYBP, poskytuje mechanismus specifičnosti funkce E2F. EMBO J 21, 5775–5786 (2002). [PubMed: 12411495]
46. Korb E, Wilkinson CL, Delgado RN, Lovero KL & Finkbeiner S Oblouk v jádře reguluje transkripci GluA1 závislou na PML a homeostastickou plasticitu. Nat. Neurosci (2013). DOI:10.1038/nn.3429
47. Prickett AR et al. Celogenomová a rodičovská alelově specifická analýza vazby CTCF a kohesinu DNA v myším mozku odhaluje tkáňově specifický vazebný vzorec a asociaci s tištěnými diferenciálně methylovanými oblastmi. Genom Res 23, 1624–1635 (2013). [PubMed: 23804403]
48. Kinde B, Wu DY, Greenberg ME & Gabel HW METYlace DNA v genovém těle ovlivňuje Represi genu zprostředkovanou MeCP2. Proc. Natl. Acad. Sci 113, 15114–15119 (2016). [PubMed: 27965390]
49. Buenrostro JD, Giresi PG, Zaba LC, Chang HY & Greenleaf WJ Transpozice nativního chromatinu pro rychlé a citlivé epigenomické profilování otevřeného chromatinu, proteinů vázajících DNA a nukleozomové polohy. Nat. Metody 10, 1213–1218 (2013). [PubMed: 24097267]
50. Langmead B & Salzberg SL Rychlé zarovnání s mezerami a čtením s motýlkem 2. Nat. metody (2012). DOI:10.1038/nmeth.1923
51. Li H et al. Formát Sequence Alignment/Map a SAMtools. Bioinformatika (2009). DOI:10.1093/bioinformatika/btp352
52. Zhang Y et al. Modelová analýza ChIP-Seq (MACS). Genom Biol (2008). DOI:10.1186/ GB-2008-9-9-r137
53. Stark R & Brown G DiffBind: diferenciální vazebná analýza dat píků ChIP-Seq. Rakovina Res(2011). DOI:10.1093/nar/gkv1191
54. Robinson MD & Oshlack Metoda normalizace škálování pro analýzu diferenciální exprese dat RNA-seq. Genom Biol (2010). DOI:10.1186/GB-2010-11-3-r25
55. Thorvaldsdóttir H, Robinson JT & Mesirov JP Integrative Genomics Viewer (IGV): Vysoce výkonná vizualizace a průzkum genomických dat. Stručný. Bioinform (2013). DOI:10.1093/bib/bbs017
56. Ernst J & Kellis M Objev chromatinového stavu a anotace genomu pomocí ChromHMM. Nat. Protoc 12, 2478–2492 (2017). [PubMed: 29120462]
57. Benner C, Heinz S & Glass CK HOMER - Software pro objevování motivů a sekvenční analýzu nové generace. Http://Homer.Ucsd.Edu/ (2017).
58. Schep AN et al. Strukturované nukleozomové otisky prstů umožňují mapování chromatinové architektury ve vysokém rozlišení v regulačních oblastech. Genom Res (2015). DOI:10.1101/gr.192294.115
59. Heinz S et al. Jednoduché kombinace transkripčních faktorů určujících rodokmen primární cis-regulační prvky potřebné pro makrofágové a B buněčné identity. Mol. Buňka (2010). DOI:10.1016/ j.molcel.2010.05.004
60. Trapnell C et al. Diferenciální genová a transkripční exprese analýzy experimentů RNA-seq s TopHat a Cufflinks. Nat. Protoc (2012). DOI:10.1038/nprot.2012.016
61. Robinson MD, McCarthy DJ & Smyth GK edgeR: Biovodičový balíček pro diferenciální expresivní analýzu dat digitální genové exprese. Bioinformatika (2009). DOI:10.1093/ bioinformatika/btp616
62. Nagano T et al. Jednobuněčný Hi-C pro celogenomovou detekci interakcí chromatinu, které se vyskytují současně v jedné buňce. Nat. Protoc 10, 1986–2003 (2015). [PubMed: 26540590]
63. Wingett SW et al. HiCUP: kanál pro mapování a zpracování dat Hi-C. F1000Výzkum (2015). DOI:10.12688/f1000research.7334.1
64. Cairns J et al. Chicago: Robustní detekce interakcí smyček DNA v datech Capture Hi-C. Genom Biol 17, 1–17 (2016). [PubMed: 26753840]
65. Kagey MH et al. Mediátor a kohesin spojují genovou expresi a chromatinovou architekturu. Příroda (2010). DOI:10.1038/nature09380
Obr. 1. Časová a prostorová identifikace aktivovaných a reaktivovaných engramových buněk.
a) Schematické znázornění experimentálního návrhu. Myši TRAP byly zpočátku vystaveny tréninku, ve kterém byl podmíněný (kontext) a nepodmíněný (šok nohou, FS) stimul spárován dohromady během krátkého okna expozice 4-hydroxytamoxifenu (TAM). Čtyři různé neuronální populace (bazální, aktivované – časné, aktivované – pozdní a reaktivované) byly seřazeny průtokovým cytometrem a podrobeny knihovní přípravě na nRNA-seq, ATAC-seq, Hi-C a pc-HiC.
b) Reprezentativní snímky (DG) a kvantifikace celých hipokampů neuronů eYFP+ po ošetření TAM v domácí kleci (naivní, n = 4 myši/6 plátků na zvíře), 1,5 h (Aktivováno – brzy, n = 4 myši/4 plátky na zvíře) a 5 dní (Aktivováno – pozdě, n = 4 myši/8 plátků na zvíře) po expozici po FS. Měřítko představuje 200 μm. Tečkový graf označuje střední hodnotu a chybové úsečky (SEM), jednosměrnou ANOVA (parametrickou, nepárovou), F (2, 70) = 240,3, P<0.0001. bonferroni’s="" multiple="" comparisons="" test;="" hc="" vs.="" early="" ***p="0.0007," hc="" vs.="" late****p="">< 0.0001,="" early="" vs.="" late="" ****p=""><>
c) kvantifikace aktivovaných – pozdních a reaktivovaných neuronů v hipokampu ve dvou experimentálních skupinách; CFC s (CFC+TAM, n = 4 myši/8 plátků na zvíře) nebo bez (CFC NO-TAM, n = 4 myši/6 plátků na zvíře) podáním tamoxifenu. Tečkový graf označuje střední hodnotu a chybové pruhy (SEM), oboustranný nepárový Studentův t-test, Aktivováno – pozdě; t=25,65, df=47, reaktivováno; t=11,00, df=52, ****P<>
d) Reprezentativní snímky a kvantifikace z různých oblastí hipokampu. Počet pozitivních jader byl analyzován pomocí IMARIS (viz metody) z DG, CA1 a CA3. Měřítko představuje 100 μm. n = 5 myší/ Aktivováno –brzy: 6 plátků na zvíře, n = 6 myší/ Aktivováno –pozdě: 6 Reaktivováno: 6 plátků na zvíře. Tečkový graf označuje střední a chybové pruhy (SEM), jednosměrnou ANOVA (parametrickou, nepárovou), časnou; F (2, 42) = 13,46. Pozdě; F (2, 95) = 556,3. Znovu aktivováno; F (2, 89) = 83,53. Všechny Ps< 0.0001.="" bonferroni’s="" multiple="" comparisons="" test,="" *p="0.029," **p="0.0075," ***p="0.0009,">< 0.0001.="" (e)="" valuation="" of="" context="" effects="" on="" the="" number="" and="" the="" distribution="" of="" hippocampal="">paměťstopy.
f) Kvantifikace aktivovaných -pozdních a reaktivovaných neuronů v A-B (n = 6 myší / 6 plátků na zvíře) ve srovnání se skupinou A-A (n = 5 myší / 6 plátků na zvíře). Tečkový graf označuje střední hodnotu a chybové úsečky (SEM), oboustranný nepárový Studentův t-test, Aktivováno –pozdě; t=0,08292, df=59, P = 0,9342. Znovu aktivováno; t=8.385, df=57, ****P< 0.0001.n.s="">
Obr. 2. Krajina přístupnosti chromatinu během formování paměti a vyvolání.
a) Diferenciálně přístupné oblasti (DAR) jsou zobrazeny na grafu sopky (Párová srovnání, FDR< 0.01;="" fold="" changes="">1.5), n = 3 biologicky nezávislé vzorky. b) Analýza společné získané- přístupné oblasti (stabilní), získané 90 minut po FS (aktivováno -brzy), které zůstávají přístupné v pozdním stavu konsolidace (aktivováno -pozdě) a stažení (reaktivováno). Překrývající se stabilní DER byly zvažovány pouze tehdy, pokud se objevily alespoň ve 2 biologických replikách v daném stavu.
(c) Reprezentativní prohlížeč genomu IGV sleduje lokus Arc.
d) Analýza anotací (nástroje HOMER) pro všechny hloubkové přezkumy. Čísla na ose y označují hodnoty poměru Log2 pozorovaných lokusů (počet DAR) nad očekávaným (celková velikost (bp)) TTS, exonů, intronů, intergenních a promotorů. Hodnota P byla vypočtena homerem
nástroje; Bazální vs. aktivovaný -časný (intergenní *P = 1,73 × 10−103), aktivovaný -časný vs. aktivovaný -pozdní (TTS *P = 0,0339, promotor *P = 1,48 × 10−39), aktivovaný -pozdní vs. reaktivovaný (promotor *P = 2,48 × 10−6), stabilní (intergenní *P = 0,0358).
e) Emisní stavy modifikace histonu (vlevo) a analýza obohacení nabízí emise pomocí ChromHMM. Stupnice obohacování záhybů (FE) 0–30. Hodnota a p byla určena hodnotou z-skóre (vypočtenou na obr. 2c rozšířených dat), úplná analýza je uvedena v doplňkové tabulce 3. *P< 0.00001,="" reported="" only="" for="" enriched="" values="" (not="">
f) Chip-qPCR. Vzorky byly imunoprecipitovány protilátkami proti H3K27ac nebo H3K4me1 a podrobeny PCR v reálném čase se dvěma sadami primerů pro identifikované předpokládané zesilovače. H3K27ac: n = 4, H3K4me1 n = 3, Tečkový graf označuje střední a chybové pruhy (SEM), jednosměrnou ANOVA (parametrickou, nepárovou) s Dunnettovým testem vícenásobného porovnání, Enhancer 1; H3K27ac - F (3, 12) = 4,664, P = 0,02, (Bazální versus aktivovaný-pozdní *P = 0,0246, Bazální versus reaktivovaný *P = 0,0232), H3K4me1 - F (3, 8) = 0,845, P = 0,506. Zesilovač 2; H3K27ac - F (3, 12) = 5,221, P = 0,0155, (Bazální vs. Aktivovaný -pozdní **P = 0,0059), H3K4me1 - F (3, 8) = 1,719, P = 0,24. Zesilovač 3; H3K27ac - F (3, 12) = 29,91, P< 0.0001,="" h3k4me1="" -="" f="" (3,="" 8)="10.39," p="0.0039," (basal="" vs.="" activated="" -early="" *p="0.0298," basal="" vs.="" activated="" -late="" **p="0.0021," basal="" vs.="" reactivated="" **p="0.0063)." enhancer="" 4;="" h3k27ac="" -="" f="" (3,="" 12)="6.273," p="0.0083," (basal="" vs.="" activated="" -late="" **p="0.007," basal="" vs.="" reactivated="" *p="0.0152)," h3k4me1="" -="" f="" (3,="" 8)="9.901," p="0.0045," (basal="" vs.="" reactivated="" **p="">
Obr. 3. Přepínání dílčích oddílů v různých fázíchpaměťformace a odvolání.
(a) Hi-C korelační heatmapa představuje kompartmentalizaci chr6 pro bazální, aktivované - časné a aktivované - pozdní buňky. Oddíly vypočítané odšťavňovačem při rozlišení 500 kb (pozorované – očekávané normalizované).
Aktivováno -pozdě). Přepínač oddílu byl zvažován pouze v případě, že záporná hodnota byla transformována na kladnou hodnotu a naopak.
(c) Reprezentativní obrázky z prohlížeče IGV, které ukazují stabilní přepínání oddílů z A na B (horní panel) a B na A (dolní panel) v různýchpaměťFází.
d) Analýza překrývání mezi garantovanými anečními jednotkami v rané fázi (bazální vs. aktivované – časné) a stabilním spínaným oddílem. Levý Vennův diagram znázorňuje získané DARs a stabilní prostor přepnutý z B na A. Vpravo, Vennův diagram ukazuje ztracené DER a stabilní prostor přepnutý z A na B.
e) Ilustrace výměny oddílů vyvolané aktivitou a specifických interakcí mezi promotory a zesilovači.
Obr. 4. Propagátoři interagují častěji s odlišnou podmnožinou zesilovačů během každého
(a) Heatmapa představuje skóre interakce, jak je definováno v Chicagu, pro každou populaci. Bazální: n = 3, Aktivovaný -časný, Aktivovaný -pozdní a Reaktivovaný: n = 4 biologicky nezávislé vzorky.
b) Houslové grafy ukazují distribuci a intenzitu (log10 stupnice) interakce, které byly buď jedinečné, nebo sdílené nejméně 3 populacemi (společné). Jednosměrná ANOVA (parametrická, nepárová), F (4, 57922) = 2364, P< 0.0001.="" bonferroni’s="" multiple="" comparisons="" test,="" n.s="non-significant" (p="0.7659)," *p=""><>
c) Frekvence interakce promotor-zesilovač měřená pomocí 3C-qPCR pro vybrané lokusy. Čtyři sady primerů zahrnující interakci mezi promotorem-enhancerem (P/E) a třemi náhodnými lokusy uvnitř smyčky (P/Ein), mimo smyčku (P/Eout) a na promotoru (P/Pin).
Hodnoty čtení byly normalizovány na hodnoty interakce promotor-enhancer genu βActin. n = 3 biologicky nezávislé vzorky. Data jsou prezentována jako střední hodnoty s chybovými úsečkami označujícími SEM, obousměrný ANOVA. Eif3d; umístění interakce populace × (F
(9, 32) = 1,917, P=0,0851), pouze vliv umístění interakce (F (3, 32) = 22,64, P< 0.0001).="" grik3;="" population="" ×="" interaction="" location="" f="" (9,="" 32)="0.1716." bonferroni’s="" multiple="" comparisons="" test,="" p/e="" basal="" vs.="" reactivated="" **p="">
d) Reprezentativní události primárního umístění lokusu Eif5a. Prohlížeč IGV Genome sleduje prezentující dynamiku přístupnosti chromatinu (barevné stopy) na promotoru (šedý obdélník) a zesilovačích (modrý obdélník). Stopy prohlížeče WashU představují významnou interakci promotoru a zesilovače prostřednictvím oblouků (fialová - bazální, světle zelená - Aktivovaná -časná, tmavě zelená - Aktivovaná - pozdě a oranžová - Znovu aktivovaná).
Obr. 5. Transkripční signatura reaktivovaných engramových neuronů
a) Párová analýza DEG z myší v hipokampu, které byly vystaveny CFC, je zobrazena na sopkovém grafu (FDR<0.01; log2fc="">2). n = 3 biologicky nezávislé vzorky.
nepárové), následované Bonferroniho testem s vícenásobným porovnáním. Dw–Pozdě; F (3, 1032) = 42,19, up-late; F (3 280) = 752,5, stabilní; F (3 764) = 92,28, reaktivace; F (3, 1744) = 597,4. Všechny Ps< 0.0001.="" multiple="" comparisons="" test,="" n.s="non-significant," ***p="">< 0.0001.="" (d)="" gene="" ontology="" (go)="" analysis="" (toppfun)="" for="" degs="" that="" were="" identified="" in="" each="" cluster.="" (e)="" representative="" degs="" from="" each="" cluster.="" log2fc="" from="" the="" basal-state="" is="" presented="" in="" three="" biological="" replicates.="" line="" represent="" calculated="" average.="" n="3" biologically="" independent="" samples,="" one-way="" anova="" (parametric,="" unpaired)="" with="" dunnett’s="" multiple="" comparisons="" test,="" n.s="non-significant." gad1;="" f="" (3,="" 8)="4.387," p="0.04." *p="0.0268." gabrb3;="" f="" (3,="" 8)="6.184," p="0.0177." *p="0.0441." rest;="" f="" (3,="" 8)="23.23," p="0.0003." ***p="0.0268." map4k4;="" f="" (3,="" 8)="6.244," p="0.0172." *p="0.0151." nefl;f="" (3,="" 8)="12.06," p="0.0024." **p="0.0059," **p="0.0014." nefh;="" f="" (3,="" 8)="21.50," p="0.0003." *p="0.016," ***p="0.0008," ***p="0.0002." eif5a;="" f="" (3,="" 8)="8.482," p="0.0072." **p="0.004." eif4h;="" f="" (3,="" 8)="26.58," p="0.0002." ***p="">
Cistanche může zlepšit paměť
f) Reprezentativní snímky a kvantifikace hladin proteinů Eif4e z aktivovaných -časných, aktivovaných - pozdních a reaktivovaných. Pro kvantifikaci byly na IMARIS postaveny dva samostatné povrchy; buněčný soma a dendritický hřídel. Počet Eif4e puncta byl měřen pouze v těchto hranicích povrchů. Údaje pro dendritický hřídel jsou uvedeny jako poměr mezi číslem a délkou (μM). Měřítko představuje 10 μm. n = 4 myši /5 sekcí na zvíře, boxplot označuje střední, interkvartilní rozsah a minimální a maximální jednosměrný ANOVA (parametrický, nepárový), Hřídel; F (2, 28) = 5,113, P = 0,0128. Soma; F (2, 43) = 3,026, P = 0,0589. Bonferroniho vícenásobný srovnávací test; Hřídel; Aktivováno -brzy vs. Reaktivováno *P = 0,0324, Aktivováno -pozdě vs. Znovu aktivováno *P = 0,0324
g) Reprezentativní obrázky (levý panel) a kvantifikace (pravý panel) hladin proteinu Gria1 během různých fázípaměť. Byly analyzovány tři populace neuronů (aktivované -časné, aktivované -pozdní a reaktivované) založené na imunoreaktivitě eYFP a endogenního oblouku. Pro kvantifikaci byly povrchy MARIS postaveny na dendritickém hřídeli a počet GRIA1 puncta byl měřen pouze v hranicích povrchu (<1μm threshold).="" data="" is="" presented="" as="" a="" ratio="" between="" several="" puncta="" and="" the="" shaft="" length.="" the="" scale="" bar="" represents="" 10="" μm.="" n="4" mice="" section="" per="" animal,="" boxplot="" indicates="" the="" mean,="" interquartile="" range,="" and="" the="" minimum="" and="" maximum,="" one-way="" anova,="" f="" (2,="" 16)="15.22," p="0.0002." bonferroni’s="" multiple="" comparisons="" test,="" **p="0.002," ***p="">
Obr. 6. Sekvenční přeprogramování přístupnosti chromatinu, interakce promotor-zesilovač a
Čárové grafy pro každý shluk K-střední hodnoty ukazují průměr (log2 stupnice) (a) transkripčních změn (hodnoty p, jak jsou uvedeny na obr. 5c, průměr n = 3 biologicky nezávislé vzorky) b) dostupnosti chromatinu (normalizované hodnoty RPKM, průměr n = 3 biologicky nezávislé vzorky) a c) skóre interakce promotor-zesilovač (vypočtené Chicagem, střední bazální: n = 3, Aktivované -brzy, Aktivované -pozdní a reaktivované: n = 4 biologicky nezávislé vzorky) Opakovaná měření jednosměrná ANOVA (mezi skupinami).
638.7 Stabilní; F (2,437, 4504) = 717,9. Reaktivace; F (2,434, 8481) = 1425. Všechny Ps< 0.0001.="" interaction="" scores;="" dw-late;="" f="" (2.833,="" 7054)="46.86." up-late;="" f="" (2.94,="" 5442)="14.87." stable;="" f="" (2.91,="" 5702)="21.5." reactivation;="" f="" (2.86,="" 11188)="44.94." all="" ps="">< 0.0001.="" bonferroni’s="" multiple="" comparisons="" test,="" ***p=""><>
d-e) Charakterizace obohacení motivu na interagujících zesilovačích v každém klastru. ChromHMM byl použit k sestavení emisních stavů pomocí databáze motivů HOEMR (Egr1, Ap1, Slug, Plagl1, Hic2, Rest, CTCF, Yy1, Mecp2) a dříve publikovaných dat ChIP-seq (Ap1-Junb12, CTCF47, Mecp248). Čtyři stavy byly identifikovány jako i) kontrola – náhodný odběr genomu, ii) silné represory iii) bivalentní iv) silný aktivátor. Skládací obohacovací stupnice (FE)
0.15–20.
