- Код статьи
- S3034510325090072-1
- DOI
- 10.7868/S3034510325090072
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 61 / Номер выпуска 9
- Страницы
- 78-85
- Аннотация
- Рыбы из рода являются уникальным модельным объектом генетики долголетия благодаря короткой продолжительности жизни. Они особенно перспективны для тестирования геропротекторов. Однако небольшой размер рыб не позволяет в динамике оценивать показатели, отражающие скорость старения и ответ на экспериментальные воздействия, на одной и той же особи. Целью исследования было разработать подход для малоинвазивного мониторинга возраст-зависимых изменений на модели . Было проведено секвенирование транскриптомов хвостовых плавников самок и самцов различных возрастов, в том числе регенерировавших после резекции. Проведен анализ дифференциальной экспрессии генов. Профили экспрессии генов в хвостовых плавниках , регенерировавших однократно или двукратно, несущественно различаются при сопоставлении с интактными плавниками. Полученные результаты открывают новые перспективы для малоинвазивного мониторинга возраст-зависимых изменений в организме на молекулярно-генетическом уровне, в том числе при исследовании потенциальных геропротекторов.
- Ключевые слова
- Nothobranchius секвенирование РНК дифференциальная экспрессия транскриптом старение
- Дата публикации
- 11.03.2026
- Год выхода
- 2026
- Всего подписок
- 0
- Всего просмотров
- 21
Библиография
- 1. Levine M.E., Lu A.T., Quach A. et al. An epigenetic biomarker of aging for lifespan and healthspan // Aging. 2018. V. 10. № 4. P. 573–591. https://doi.org/10.18632/aging.101414
- 2. Horvath S. DNA methylation age of human tissues and cell types // Genome Biol. 2013. V. 14. № 10. P. 3156. https://doi.org/10.1186/gb-2013-14-10-r115
- 3. Horvath S., Haghani A., Peng S. et al. DNA methylation aging and transcriptomic studies in horses: 1 // Nat. Commun. 2022. V. 13. № 1. P. 40. https://doi.org/10.1038/s41467-021-27754-y
- 4. Thompson M.J., von Holdt B., Horvath S. et al. An epigenetic aging clock for dogs and wolves // Aging. 2017. V. 9. № 3. P. 1055–1068. https://doi.org/10.18632/aging.101211
- 5. Prado N.A., Brown J.L., Zoller J.A. et al. Epigenetic clock and methylation studies in elephants // Aging Cell. 2021. V. 20. № 7. https://doi.org/10.1111/acel.13414
- 6. Raj K., Szladovits B., Haghani A. et al. Epigenetic clock and methylation studies in cats // GeroScience. 2021. V. 43. № 5. P. 2363–2378. https://doi.org/10.1007/s11357-021-00445-8
- 7. Bors E.K., Baker C.S., Wade P.R. et al. An epigenetic clock to estimate the age of living beluga whales // Evol. Applications. 2021. V. 14. № 5. P. 1263–1273. https://doi.org/10.1111/eva.13195
- 8. Mayne B., Musim W., Baboolal V. et al. Age prediction of green turtles with an epigenetic clock // Mol. Ecol. Res. 2022. V. 22. № 6. P. 2275–2284. https://doi.org/10.1111/1755-0998.13621
- 9. Jasinska A.J., Haghani A., Zoller J.A. et al. Epigenetic clock and methylation studies in vervet monkeys // GeroScience. 2022. V. 44. № 2. P. 699–717. https://doi.org/10.1007/s11357-021-00466-3
- 10. Meyer D.H., Schumacher B. BiT age: A transcriptome-based aging clock near the theoretical limit of accuracy // Aging Cell. 2021. V. 20. № 3. https://doi.org/10.1111/acel.13320
- 11. Mayne B., Korbie D., Kenchington L. et al. A DNA methylation age predictor for zebrafish // Aging. 2020. V. 12. № 24. P. 24817–24835. https://doi.org/10.18632/aging.202400
- 12. Cowell J.K. LGII: From zebrafish to human epilepsy // Prog. Brain Res. 2014. V. 213. P. 159–179. https://doi.org/10.1016/B978-0-444-63326-2.00009-0
- 13. Clark K.J., Boczek N.J. Stressing zebrafish for behavioral genetics // Rev. Neurosci. 2011. V. 22. № 1. P. 49–62. https://doi.org/10.1515/rns.2011.007
- 14. Poss K.D., Keating M.T., Nechiporuk A. Tales of regeneration in zebrafish // Develop. Dynamics. 2003. V. 226. № 2. P. 202–210. https://doi.org/10.1002/dvdy.10220
- 15. Yu L., Tucci V., Kishi S. et al. Cognitive aging in zebrafish // PLoS One. 2006. V. 1. № 1. https://doi.org/10.1371/journal.pone.0000014
- 16. Lucas-Sánchez A. Nothobranchius as a model for aging studies. A review // Aging Dis. 2014. https://doi.org/10.14336/AD.2014.0500281
- 17. Dolfi L., Ripa R., Medelbekova D. et al. Nonlethal blood sampling from the killifish Nothobranchius furzeri // Cold Spring Harb. Protoc. 2023. V. 2023. № 8. https://doi.org/10.1101/pdb.prot107745
- 18. Bauer M.E. Chronic stress and immunosenescence: A review // Neuroimmunomodulation. 2008. V. 15. № 4–6. P. 241–250. https://doi.org/10.1159/000156467
- 19. Palma-Gudiel H., Fafanás L., Horvath S. et al. Psychosocial stress and epigenetic aging // Int. Rev. Neurobiology. 2020. V. 150. P. 107–128. https://doi.org/10.1016/bs.irn.2019.10.020
- 20. Beery A.K., Lin J., Biddle J.S. et al. Chronic stress elevates telomerase activity in rats // Biol. Lett. 2012. V. 8. № 6. P. 1063–1066. https://doi.org/10.1098/rsbl.2012.0747
- 21. Bakhogarimov I.R., Kudryavtseva A.V., Krasnov G.S. et al. The effect of meclofenoxate on the transcriptome of aging brain of Nothobranchius guentheri annual killifish // IJMS. 2022. V. 23. № 5. https://doi.org/10.3390/ijms23052491
- 22. Bushmanova E., Antipov D., Lapidus A. et al. rnaQUAST: A quality assessment tool for de novo transcriptome assemblies // Bioinformatics. 2016. V. 32. № 14. P. 2210–2212. https://doi.org/10.1093/bioinformatics/btw218
- 23. Li B., Dewey C.N. RSEM: Accurate transcript quantification from RNA-Seq data with or without a reference genome // BMC Bioinformatics. 2011. V. 12. № 1. https://doi.org/10.1186/1471-2105-12-323
