Изменение химических сигналов мышей генетически контролируется и модулируется окружающей средой.

Новости

ДомДом / Новости / Изменение химических сигналов мышей генетически контролируется и модулируется окружающей средой.

May 24, 2023

Изменение химических сигналов мышей генетически контролируется и модулируется окружающей средой.

Научные отчеты, том 13,

Том 13 научных докладов, Номер статьи: 8573 (2023) Цитировать эту статью

191 Доступов

1 Альтметрика

Подробности о метриках

У большинства млекопитающих, особенно у мышей, химическая коммуникация основана на обнаружении этологически значимых сигналов, связанных с приспособленностью, от других особей. У мышей моча является основным источником этих сигналов, поэтому мы использовали протеомику и метаболомику для идентификации ключевых компонентов химической передачи сигналов. Мы показываем, что существует соответствие между летучими веществами мочи и белками в представлении генетического фона, пола и окружающей среды у двух подвидов домашних мышей Mus musculus musculus и M. m. домашний. Мы обнаружили, что окружающая среда оказывает сильное влияние на протеомные и метаболомные вариации и что летучие смеси лучше представляют самцов, в то время как у самок на удивление больше белков, ориентированных на пол. Используя методы машинного обучения и комбинированной омики, мы идентифицировали смеси метаболитов и белков, которые связаны с биологическими особенностями.

Все живые организмы постоянно сталкиваются с химическими сигналами из окружающей среды и от других особей. У мышей эти сигналы часто действуют на врожденные1 или приобретенные2 представления в мозге и вызывают поведенческие реакции, которые способствуют выживанию и приспособленности. Например, самец мыши, скорее всего, будет подавать сигналы, рекламирующие свою физическую форму, что приведет к избегающему поведению у других самцов и к сексуальному влечению у самок3,4,5. Некоторые из этих сигналов являются видоспецифичными или субспецифичными и используются для распознавания сверстников6,7. Более того, любой человек, независимо от пола, будет следовать сигналу, обозначающему любимый продукт питания, или избегать сигнала, указывающего на хищников8. Большинство исследований поведения сосредоточены на влиянии одного или нескольких соединений и белков как сигнальных молекул. Однако животные и окружающая их среда более сложны, и вместо одного или нескольких изученных соединений большинство организмов, включая бактерии9 и растения10, производят n-мерные массивы соединений. Зачастую именно состав этих букетов вызывает поведение и физиологические реакции у получателей11. Еще больше усложняет эту загадку то, что реакция на один и тот же сигнал может варьироваться в зависимости от факторов окружающей среды. Таким образом, мы задались вопросом, проявляются ли биологические черты, такие как пол и генетический фон человека, протеомами или метаболомами и в какой степени эти два набора связаны или даже коррелируют. Это важно, поскольку известно, что сексуальные сигналы активируют половые диморфные цепи и вызывают половые диморфные сенсорные представления в добавочной обонятельной луковице12 и медиальной миндалевидном теле13, но всестороннее представление о химических сигналах, которые могут запускать эти представления, отсутствует. В целом нас интересовало, как сексуальность проявляется в организме, для которого обонятельные сигналы, связанные с физической подготовкой, важнее зрительных.

Мышиная моча содержит большое количество разнообразных молекул, которые служат обонятельными сигналами. Они обнаруживаются хемосенсорными рецепторами главного обонятельного эпителия и/или вомероназального органа (ВНО)14,15,16,17,18,19,20,21,22. Эти сигналы вызывают разнообразные физиологические реакции в приемнике13,23,24,25,26,27,28,29,30,31 также при стимуляции выбранными нелетучими основными белками мочи (MUP)32,33, короткими пептидами34,35, и/или летучие органические соединения (ЛОС)36,37,38. У мышей ЛОС считались мощными сигналами, обнаруживаемыми обонятельными тканями18,39, в то время как MUP в основном рассматривались как переносчики этих сигналов в их восьминитевых бета-цилиндрах37,40,41,42,43,44,45,46,47 и таким образом формируют индивидуальные характеристики запаха48. Однако различные авторы продемонстрировали, что определенные MUP сами по себе представляют собой сигнал, обнаруживаемый VNO32,49,50,51, и что некоторые из этих молекул, включая MUP20, ориентированный на мужчин (известный как дарцин), вызывают сложное врожденное поведение, включая агрессию33, распознавание партнера52 и обучение32. . Однако, поскольку почти все предыдущие исследования были сосредоточены только на MUP, до сих пор не существует ни одного исследования, показывающего весь спектр белков и летучих веществ мочи, которые также могут участвовать в химической коммуникации, особенно у диких живых грызунов.

 0.1) are labelled with gene or compound names. Reassuring message here is that most of the top molecules that were identified with deep learning were corroborated using the analysis of differential expression (e.g. MUP20 in DOM and MUS, MUP21 in wMUS)./p> 2)) are scaled from green to blue but only top ten proteins and volatiles identified with ‘random forest’ as important are labelled with gene names or compound numbers. Above y = 0 are the female biased molecules while the male-biased are below the red line (y = 0). Next comparison involved significant sex-biased volatiles and proteins with p < 0.05 and abs(FD) > 2. In all three comparisons (G–I), males have more sex-biased volatiles while females have more sex-biased proteins. Though this pattern is significant in all the three groups, each group reveals sexuality by different volatiles and proteins (intersection plots in J–K). Abbreviations: abs() means an absolute value of; FD stands for fold difference./p> 0.65) is not random and that – based on the circular histograms – the most abundant proteins positively correlate with the most abundant volatiles. Thus, we extracted a network in Fig. 3D that represents the best correlations (r > 0.62) between proteins and volatiles./p> 0.6) shows potential interactions between proteins and volatiles (D) and between (only) lipocalins and volatilesI)./p> 7.1. Quantile normalisation yielded reasonably low variation in signal intensities (SI) between samples (D). FD stands for fold difference. Tubes, mouse pics and chemical structures (A) were created by the authors with BioRender.com./p> 0.9 (Fig. 5C). Next, we used a normalization based upon quantiles, which normalizes a matrix of peak areas (i.e. intensities) with the function normalize.quantiles of the ‘preprocessCore’ package in R software98, visualised in Fig. 5D. To extract p-values of differentially abundant compounds, we used the Power Law Global Error Model – PLGEM99 similarly as in the analysis of proteomes (see below)./p>