SlideShare a Scribd company logo
Zależne od TP53 zróżnicowanie odpowiedzi na promieniowanie jonizujące - badanie na poziomie transkryptu MW
CEL PRACY Celem niniejszej pracy było zbadanie jakie cechy strukturalne transkryptów mogą korelować ze zmianami po napromieniowaniu w komórkach HCT 116, oraz wpływu białka P53 na stabilizację i destabilizację transkryptów.
Zakres pracy obejmuje: Analizę długości i składu nukleotydowego części kodującej i końców 3’ (3’ UTR) transkryptów  Obecności motywów sekwencyjnych wiążących miRNA Komplementarności motywów wiążących miRNA obecnych w sekwencji kodującej i końca 3’ Zbadanie struktury genów o przeciwnych kierunkach zmian ekspresji w liniach HCT 116 p53+/+ i HCT 116 p53 -/-
Materiał analizowany Dane z mikromacierzy AffyMetrix dotyczace transkryptomu komórek: HCT_p53PK1.CEL P K HCT_p53MK1.CEL N K HCT_p53P0h.CEL P 0 HCT_p53M0h.CEL N 0 P-pozytywny N-zmutowane (p53-/-)  K-kontrola, 0h-czas bezpośrednio po napromienieniu. 22283 zestawów sond Affymertix
Elementy analizy Wczytanie danych i normalizacja oraz usunięcie szumu Podział genów na grupy dla kryterium zmian 150%: Grupa I geny których ekspresja wzrosła Grupa II geny których ekspresja zmalała Grupa III geny których ekspresja nie uległa zmianie
Zmiany poziomu transkryptomu pod wpływem promieniowania w komórkach HCT 116
Analiza długości sekwencji kodujących transkryptów, porównanie grupy I i II dla linii HCT116 p53+/+ Wykres średnich długości sekwencji kodujących po odrzuceniu wartości odstających Wyniki testu Welcha i Wilcoxona nie wykazują istotnej statystycznie różnicy w długościach części kodującej transkryptów pomiędzy Grupą I (UP) i Grupą II (DOWN)
Analiza długości sekwencji kodujących transkryptów, porównanie grupy I i II dla linii HCT116 p53-/- Wykres średnich długości sekwencji kodujących po odrzuceniu wartości odstających Wyniki testu Welcha i Wilcoxona wykazują różnicę istotną statystycznie w długościach części kodującej transkryptów pomiędzy Grupą I (UP) i Grupą II (DOWN)
Podobna analiza wykonana dla sekwencji 3’ UTR transkryptów nie wykazała istotnych różnic długości między grupami w żadnej z linii komórek
Porównanie składu nukleotydowego sekwencji kodujących i końca 3’ w genach „UP” i „DOWN” P53+/+                   CDS                  P53-/-                 P53+/+                3’ UTR                  P53-/-
Transkrypty których poziom zmieniał się różnie w komórkach zawierających i nie zawierających białka P53 (grupa transkryptów „różnicujacych”) Ilość genów o zmiennej ekspresji w zależności od linii komórkowej - „geny różnicujące”.
Analiza długości sekwencji 3’ UTR w transkryptach  grup R1 i R2 Długości sekwencji 3’ UTR grup R1 i R2 różnią się na poziomie istotności p=0.057 (test Wilcoxona)
Wyszukiwanie motywów miRNA w transkryptach 714 miRNA mirnada (open source Linux) http://www.microrna.org/microrna/getDownloads.do Parametry: Score cutoff S>= 140  Energy cutoff E<= -7.0  Gap opening: -9.0  Gap extension -4.0
Przykłady miRNA o największej grupie genów docelowych Pierwsze 10 miRNA posortowane wg największej ilości transkryptów mogących dołączać miRNA do sekwencji końca 3’ dla genów których ekspresja wzrosła w HCT 116 p53-/-.    Motywy rozpoznawane przez miRNA występują w częściach 3’ UTR i sekwencjach kodujących
Nie wszystkie motywy są całkowicie komplementarne do swoich miRNA Wskaźnik dopasowania motywów miRNA jest jednakowy dla transkryptów w grupach UP i DOWN Wskaźnik dopasowania motywów miRNA różni się dla motywów obecnych w częsciach kodujacych i cześciach 3’ UTR transkryptów we wszystkich badanych grupach (p<0.05, testy Wilcoxona i Welcha)
WNIOSKI Stabilizacja lub destabilizacja transkryptów w komórkach HCT 116 nie jest związana z mechanizmami operującymi na końcu 3’ transkryptu ponieważ nie obserwujemy różnic w strukturze końców 3’ transkryptów, których ekspresja wzrosła lub zmalała pod wpływem promieniowania Istnienie różnicy w długości części kodującej transkryptów ulegających stabilizacji (UP) lub destabilizacji (DOWN) sugeruje, że w komórkach nie zawierających białka P53 istnieją czynniki stabilizujące, oddziaływujące z częścią kodującą transkryptu. We wszystkich badanych grupach istnieją różnice pomiędzy częścią kodująca i 3’ UTR w dopsowaniu motywów rozpoznawanych przez miRNA (w częsci kodującej motywy są znacznie lepiej dopasowane – charakteryzuje je wyższy współczynnik)
DZIĘKUJĘ ZA UWAGĘ

More Related Content

Featured

Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
 
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them wellGood Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Saba Software
 
Introduction to C Programming Language
Introduction to C Programming LanguageIntroduction to C Programming Language
Introduction to C Programming Language
Simplilearn
 

Featured (20)

How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work
 
ChatGPT webinar slides
ChatGPT webinar slidesChatGPT webinar slides
ChatGPT webinar slides
 
More than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike RoutesMore than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike Routes
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
 
Barbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationBarbie - Brand Strategy Presentation
Barbie - Brand Strategy Presentation
 
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them wellGood Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
 
Introduction to C Programming Language
Introduction to C Programming LanguageIntroduction to C Programming Language
Introduction to C Programming Language
 

Obrona1

  • 1. Zależne od TP53 zróżnicowanie odpowiedzi na promieniowanie jonizujące - badanie na poziomie transkryptu MW
  • 2. CEL PRACY Celem niniejszej pracy było zbadanie jakie cechy strukturalne transkryptów mogą korelować ze zmianami po napromieniowaniu w komórkach HCT 116, oraz wpływu białka P53 na stabilizację i destabilizację transkryptów.
  • 3. Zakres pracy obejmuje: Analizę długości i składu nukleotydowego części kodującej i końców 3’ (3’ UTR) transkryptów Obecności motywów sekwencyjnych wiążących miRNA Komplementarności motywów wiążących miRNA obecnych w sekwencji kodującej i końca 3’ Zbadanie struktury genów o przeciwnych kierunkach zmian ekspresji w liniach HCT 116 p53+/+ i HCT 116 p53 -/-
  • 4. Materiał analizowany Dane z mikromacierzy AffyMetrix dotyczace transkryptomu komórek: HCT_p53PK1.CEL P K HCT_p53MK1.CEL N K HCT_p53P0h.CEL P 0 HCT_p53M0h.CEL N 0 P-pozytywny N-zmutowane (p53-/-) K-kontrola, 0h-czas bezpośrednio po napromienieniu. 22283 zestawów sond Affymertix
  • 5. Elementy analizy Wczytanie danych i normalizacja oraz usunięcie szumu Podział genów na grupy dla kryterium zmian 150%: Grupa I geny których ekspresja wzrosła Grupa II geny których ekspresja zmalała Grupa III geny których ekspresja nie uległa zmianie
  • 6. Zmiany poziomu transkryptomu pod wpływem promieniowania w komórkach HCT 116
  • 7. Analiza długości sekwencji kodujących transkryptów, porównanie grupy I i II dla linii HCT116 p53+/+ Wykres średnich długości sekwencji kodujących po odrzuceniu wartości odstających Wyniki testu Welcha i Wilcoxona nie wykazują istotnej statystycznie różnicy w długościach części kodującej transkryptów pomiędzy Grupą I (UP) i Grupą II (DOWN)
  • 8. Analiza długości sekwencji kodujących transkryptów, porównanie grupy I i II dla linii HCT116 p53-/- Wykres średnich długości sekwencji kodujących po odrzuceniu wartości odstających Wyniki testu Welcha i Wilcoxona wykazują różnicę istotną statystycznie w długościach części kodującej transkryptów pomiędzy Grupą I (UP) i Grupą II (DOWN)
  • 9. Podobna analiza wykonana dla sekwencji 3’ UTR transkryptów nie wykazała istotnych różnic długości między grupami w żadnej z linii komórek
  • 10. Porównanie składu nukleotydowego sekwencji kodujących i końca 3’ w genach „UP” i „DOWN” P53+/+ CDS P53-/- P53+/+ 3’ UTR P53-/-
  • 11. Transkrypty których poziom zmieniał się różnie w komórkach zawierających i nie zawierających białka P53 (grupa transkryptów „różnicujacych”) Ilość genów o zmiennej ekspresji w zależności od linii komórkowej - „geny różnicujące”.
  • 12. Analiza długości sekwencji 3’ UTR w transkryptach grup R1 i R2 Długości sekwencji 3’ UTR grup R1 i R2 różnią się na poziomie istotności p=0.057 (test Wilcoxona)
  • 13. Wyszukiwanie motywów miRNA w transkryptach 714 miRNA mirnada (open source Linux) http://www.microrna.org/microrna/getDownloads.do Parametry: Score cutoff S>= 140 Energy cutoff E<= -7.0 Gap opening: -9.0 Gap extension -4.0
  • 14. Przykłady miRNA o największej grupie genów docelowych Pierwsze 10 miRNA posortowane wg największej ilości transkryptów mogących dołączać miRNA do sekwencji końca 3’ dla genów których ekspresja wzrosła w HCT 116 p53-/-. Motywy rozpoznawane przez miRNA występują w częściach 3’ UTR i sekwencjach kodujących
  • 15. Nie wszystkie motywy są całkowicie komplementarne do swoich miRNA Wskaźnik dopasowania motywów miRNA jest jednakowy dla transkryptów w grupach UP i DOWN Wskaźnik dopasowania motywów miRNA różni się dla motywów obecnych w częsciach kodujacych i cześciach 3’ UTR transkryptów we wszystkich badanych grupach (p<0.05, testy Wilcoxona i Welcha)
  • 16. WNIOSKI Stabilizacja lub destabilizacja transkryptów w komórkach HCT 116 nie jest związana z mechanizmami operującymi na końcu 3’ transkryptu ponieważ nie obserwujemy różnic w strukturze końców 3’ transkryptów, których ekspresja wzrosła lub zmalała pod wpływem promieniowania Istnienie różnicy w długości części kodującej transkryptów ulegających stabilizacji (UP) lub destabilizacji (DOWN) sugeruje, że w komórkach nie zawierających białka P53 istnieją czynniki stabilizujące, oddziaływujące z częścią kodującą transkryptu. We wszystkich badanych grupach istnieją różnice pomiędzy częścią kodująca i 3’ UTR w dopsowaniu motywów rozpoznawanych przez miRNA (w częsci kodującej motywy są znacznie lepiej dopasowane – charakteryzuje je wyższy współczynnik)