HNF4a对PLA2GXIIB和MTP的转录调控

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:fhzh508508
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
肝细胞核因子4α(HNF4α)是肝脏中一种重要的转录因子,其参与多个代谢途径的调控。分泌型磷脂酶A2(PLA2) GXIIB是非典型的分泌型磷脂酶A2家族成员之一,研究证明PLA2GXIIB是HNF4α的靶基因,HNF4α可以结合于PLA2GXIIB启动子的DR1顺式反应元件AGGACAAAGGTGA。HNF4α配体可以调节HNF4α的活性,相应的调控PLA2GXIIB的表达水平。在HepG2细胞中腺病毒介导的HNF4α的过表达可以提高PLA2GXIIB的表达量。腺病毒介导的HNF4α过表达并不能提高PLA2GXIIB基因敲除小鼠血清甘油三酯的水平。上述结果证明,HNF4α是PLA2GXIIB重要的生理调节因子,而PLA2GXIIB是新的甘油三酯代谢的调控基因。微粒体甘油三酯转运蛋白(MTP)是极低密度脂蛋白装配和分泌过程的限速酶。在C57BL/6J小鼠中研究发现,饥饿可以诱导肝细胞MTP基因的表达。在HepG2细胞中进一步证实饥饿可以诱导MTP表达,同时HNF4α表达也显著上升。实验证实MTP是HNF4α的靶基因之一,用腺病毒介导的HNF4α过表达可以显著提高MTP的表达;HNF4α的激动剂也可以诱导MTP的表达。HNF4α特异性siRNA可以显著下调HNF4α的mRNA和蛋白水平,MTP的mRNA和蛋白水平相应下调。上述研究结果为阐明饥饿状态下肝脏脂质输出奠定了基础。
其他文献
在蛋白质翻译的过程中,能量产生于GTP水解成GDP并释放无机Pi的过程。核糖体上存在一个GTPase-associated center( GAC)区域。GAC主要负责激活参与蛋白质翻译的GTP酶(translational GTPase,trGTPase)的GTP水解活性。GAC由三个重要的组件组成:23S rRNA上的sarcin-ricin loop (SRL),L10和L7/L12蛋白组成
本篇硕士学位论文的主要内容包含两部分.第一部分研究了带有相依结构的齐次与非齐次样本的次序统计量在通常随机序意义下的比较,将Ma(1997)中关于独立样本的结果推广到相依样本情形.第二部分给出均匀分布随机变量线性组合的分散序结论的一个简化证明.该结论表明当均匀分布随机变量的刻度参数在某种超优序下越大,对应的线性组合在分散序意义下越大.其最早的证明是由Korwar (2002)和Khaledi & K
在胚胎的发育过程中,ClassⅡa家族组蛋白去乙酰化酶(HDAC)与肌肉增强因子(Myocyte Enhancer Factor 2 ,MEF2)之间的相互作用为组织编排特化提供了一个信号模式。这里我们介绍了在外源基因诱导的体细胞重编程过程中该信号通路调控细胞命运的惊人作用。ClassⅡa HDACs和MEF2因子在成体细胞中的表达量比较低,然而随着重编程的进行它们的表达量却以不同程度地稳步上升。
芽胞杆菌为能够产生芽胞的革兰氏阳性菌,且具有分泌蛋白能力强、发酵基础良好等特性,在生物合成酶制剂、维生素、氨基酸、核苷及抗病毒类药物中具有广泛的应用。近年来,随着分子生物学的快速发展,芽胞杆菌的遗传操作方法日臻成熟。但是实验操作步骤繁琐和引入抗性标记等问题在一定程度上制约了芽胞杆菌菌种的定向改造和基因工程菌的构建。因此,建立高效、快速的新型芽胞杆菌遗传操作系统具有重要的意义。本研究以芽胞杆菌模式菌
[db:内容简介]
[db:内容简介]
[db:内容简介]
本文采用位于武汉物理与数学研究所(31 N,114 E)的瑞利-钠荧光双波长激光雷达的2002–2010年的探测资料,从107个夜晚的Rayleigh雷达观测数据中,筛选出了32个具有典型重力波扰动特性的观测资料,求出大气温度的相对扰动以及重力波势能密度,并对其进行功率谱分析。利用得到的分析结果可以描述武汉地区甚至中低纬度上空中层大气30–55km高度范围内重力波传播的重力波谱特征及随季节变化特征
蛋白质间相互作用以及蛋白质构象和功能等问题已是后基因组时代的重要课题。伴随着高通量的实验手段的出现,生物学数据在量上急速增长。海量的生物学数据迫切需要我们发展计算学方法来研究蛋白质间相互作用以及蛋白质构象和功能。本文正是从计算学的角度来研究蛋白质相互作用和蛋白质的超二级结构预测。本文的工作主要包括以下几个方面:(1)我们提出了一种仅基于蛋白质序列信息的蛋白质相互作用预测方法。我们从蛋白质序列出发,
DNA微阵列技术是功能基因组研究的有力工具,已广泛用于癌症等重大遗传性疾病的病理、相关基因的识别和临床诊断与分类研究。识别肿瘤相关基因对于研究疾病的致病机制具有重要意义。但由于微阵列数据具有数据维数高,样本数少的特点,在肿瘤分类应用中可能导致过拟合和维数灾难,在癌生物标记基因的识别上容易产生假阳性问题。解决这些问题的关键就是基因选择。利用基因选择的方法来选出与肿瘤分类相关的最优基因子集,在最大程度