Perfil transcriptómico y lipidómico de tejidos adiposos subcutáneos y viscerales en 15 vertebrados.

Datos científicos volumen 10, número de artículo: 453 (2023) Citar este artículo

335 Accesos

2 altmétrico

Detalles de métricas

El almacenamiento de lípidos como energía en el tejido adiposo (TA) se ha conservado a lo largo de la evolución. Sin embargo, se informaron diferencias sustanciales en las actividades fisiológicas de los AT entre especies. Por lo tanto, establecer los mecanismos que dan forma a la divergencia evolutiva en los transcriptomas de AT podría proporcionar una comprensión más profunda de la regulación de AT y su papel en las enfermedades relacionadas con la obesidad. Si bien estudios anteriores realizaron comparaciones anatómicas, fisiológicas y morfológicas entre AT de diferentes especies, actualmente se sabe poco sobre los niveles fenotípicos moleculares. Aquí, caracterizamos los perfiles transcripcionales y lipidómicos de muestras de AT subcutáneas y viscerales disponibles en 15 especies de vertebrados, que abarcan más de 300 millones de años de evolución, incluidos mamíferos placentarios, aves y reptiles. Proporcionamos descripciones detalladas de los conjuntos de datos producidos en este estudio e informamos la expresión genética y los perfiles de lípidos en todas las muestras. Demostramos que estos datos son sólidos y revelan que el transcriptoma y el lipidoma de AT varían más entre especies que dentro de la misma especie. Estos conjuntos de datos pueden servir como recurso para futuros estudios sobre las diferencias funcionales entre los AT en especies de vertebrados.

El tejido adiposo (TA) es uno de los órganos más importantes que garantizan la homeostasis energética y metabólica en los vertebrados1. En los últimos años, la AT ha ganado una atención científica sostenida debido al aumento significativo de las tasas globales de obesidad y trastornos metabólicos en las poblaciones humanas, en particular la diabetes tipo II y las enfermedades cardiovasculares. Estudios recientes demostraron que la AT es un órgano notablemente complejo que desempeña funciones importantes en el almacenamiento de energía, la fisiopatología y una variedad de procesos biológicos, como el control de la presión arterial, la reproducción y la defensa del huésped2,3. La AT se distribuye por todo el cuerpo4 y se puede dividir en la AT visceral intraabdominal (IVA), ubicada alrededor del epiplón, los intestinos, las gónadas, el pericardio y las áreas perirrenal, y la AT subcutánea (SAT), ubicada en las nalgas y los muslos. y abdomen. Los AT de diferentes ubicaciones tienen propiedades distintas, incluidas diferentes funciones metabólicas, roles estructurales o asociación con enfermedades5,6,7,8.

Un estudio anterior sugirió que la raíz de la complejidad de la AT surgió durante el curso de la evolución9 debido a diferencias en las propiedades de la AT entre especies10, que pueden evaluarse realizando comparaciones entre especies. Una comparación reciente entre humanos y ratones identificó diferentes proporciones de una subpoblación de adipocitos que regulan la termogénesis entre las dos especies11, lo que explica en parte las diferencias observadas en la actividad termogénica. Además, los análisis comparativos del transcriptoma bien documentados entre filogenias pueden hacer avanzar la medicina traslacional mediante la identificación de nuevos objetivos terapéuticos12. Por ejemplo, un estudio anterior encontró que miR-26a, un microARN implicado en la proliferación de cardiomiocitos, está regulado negativamente en corazones de pez cebra lesionados, pero permanece constante en ratones12. La eliminación de miR-26a en corazones de ratones posnatales prolongó la ventana proliferativa de los cardiomiocitos, lo que indica que este miARN podría ser un objetivo terapéutico para tratar el corazón dañado12. En consecuencia, la evaluación de los cambios de AT a nivel molecular entre especies mejorará nuestra comprensión de la función y la base genética de la AT y su asociación con diferentes enfermedades.

La información transcripcional es importante para dilucidar los fenotipos y la función de la AT, pero hasta ahora la mayoría de los estudios solo se centraron en comparaciones de AT entre humanos y roedores13,14,15. Es importante destacar que es necesario un análisis transcriptómico de AT comparativo a gran escala entre varias especies relacionadas lejanamente y múltiples ubicaciones anatómicas para comprender completamente la evolución transcriptómica de AT. Para este propósito, realizamos un análisis transcriptómico comparativo de la AT subcutánea y/o visceral disponible en 15 especies y ubicaciones de vertebrados (de 1 a 7 por especie) (Fig. 1, Tabla complementaria 1), incluidos 10 mamíferos (primates: humanos [ Homo sapiens] y macaco [Macaca mulatta]; roedores: ratón [Mus musculus], rata [Rattus norvegicus] y cobaya [Cavia porcellus]; lagomorfos: conejo [Oryctolagus cuniculus]; artiodáctilos: cerdo [Sus scrofa] y oveja [ Ovis aries]; y carnívoros: gato [Felis catus] y perro [Canis lupus familiaris]), 4 aves (galliformes: gallina [Gallus gallus]; anseriformes: pato [Anas platyrhynchos] y ganso [Anser anser]; y columbiformes: paloma [Columba livia]), y un reptil (testudines: tortuga [Pelodiscus sinensis]) como grupo externo. Generamos un total de 59 bibliotecas de secuencias de ARN empobrecidas en ARNr de extremos emparejados y las analizamos en combinación con 48 bibliotecas que se publicaron anteriormente 16,17,18,19,20,21, con un total de 107 bibliotecas (Fig. 1, Tabla complementaria 1). ). La composición de los lipidomas de los AT puede afectar múltiples aspectos de la homeostasis energética, como el metabolismo de la glucosa y los lípidos, la disponibilidad de sustratos y el gasto energético22,23,24,25. En consecuencia, comprender las diferencias en la composición de lípidos entre los AT es esencial para estudiar sus funciones especializadas y explorar los mecanismos potenciales que conducen a las heterogeneidades de los AT. La lipidómica se ha aplicado con éxito anteriormente para aclarar los cambios en el perfil lipídico de los AT después de diversos tratamientos (como el entrenamiento de ejercicios de resistencia26, la exposición al frío27 y una dieta rica en grasas28) o entre diferentes ubicaciones anatómicas29. Sin embargo, los cambios entre especies siguen siendo poco comprendidos. Para obtener más información sobre los cambios metabólicos que ocurrieron durante la evolución de AT, realizamos un análisis de cromatografía líquida-espectrometría de masas en tándem (LC-MS/MS) no dirigida del lipidoma celular de 131 muestras de SAT y VAT en cinco especies representativas, incluidos cuatro mamíferos ( ratón, rata, cerdo, oveja) y un pájaro (ganso) (Fig. 1, Tabla complementaria 2). En conjunto, estos conjuntos de datos proporcionan un recurso valioso para el estudio de la diversidad genética y metabólica de la AT entre especies y ubicaciones anatómicas, y una oportunidad sin precedentes para analizar los cambios moleculares durante la evolución de la AT.

Representación gráfica del diseño del estudio y procesamiento de datos. Árbol filogenético de las 15 especies de vertebrados utilizadas en este estudio, que se obtuvo de la base de datos Timetree (MYA: hace millones de años). El número de réplicas biológicas de cada tejido se muestra entre paréntesis. Cada muestra transcriptómica de ratón, rata y cobaya representa un conjunto de ARN de 10 individuos. ASA: tejido adiposo subcutáneo abdominal; BF: grasa dorsal; iWAT: tejido adiposo blanco inguinal; LF: grasa de piernas; ULB: capa superior de grasa dorsal; GOM: epiplón mayor; gWAT: tejido adiposo blanco gonadal; FPI: grasa intraperitoneal; MAD: tejido adiposo mesentérico; PAD: adiposo pericárdico; RAD: adiposo retroperitoneal; TAD: cola adiposa; SAT: tejido adiposo subcutáneo; VAT: tejido adiposo visceral; LC-MS/MS: cromatografía líquida-espectrometría de masas en tándem.

Todas las investigaciones con animales en este estudio se llevaron a cabo de acuerdo con las directrices de la Administración de Asuntos Relativos a Animales Experimentales establecida por el Ministerio de Ciencia y Tecnología de China. Los experimentos fueron aprobados por el Comité Institucional de Cuidado y Uso de Animales de la Facultad de Ciencia y Tecnología Animal de la Universidad Agrícola de Sichuan, Sichuan, China, bajo el permiso número DKY-2019102006.

Las 107 muestras de tejido adiposo (Fig. 1) se obtuvieron de diversas fuentes, incluidas 48 muestras publicadas previamente16,17,18,19,20,21 (Tabla complementaria 1), y se recolectaron de 1 a 20 adultos sanos de cada uno de los 15 especies. Todas las especies están representadas por individuos femeninos, excepto los humanos (todos los individuos son machos). La salud animal fue evaluada diariamente por un técnico especializado en animales de laboratorio (y un veterinario, si fuera necesario). Las ubicaciones anatómicas de estos tejidos adiposos son: (1) Tejidos adiposos subcutáneos: el tejido adiposo subcutáneo abdominal (ASA) de humanos y ovejas se tomó de la pared abdominal, específicamente del área adyacente al ombligo en humanos y del área abdominal inferior ventral cercana. hasta la línea media en ovejas; La grasa dorsal (BF) de macacos, conejos, cerdos, ovejas, gatos y perros se refiere al tejido adiposo subcutáneo ubicado en la parte media inferior de la espalda, cerca de la línea media dorsal. Observamos que, dado que la grasa dorsal de los cerdos adultos generalmente tiene dos capas distintas, solo recolectamos la capa superior (cerca de la piel, anotada como ULB en la Fig. 1); El tejido adiposo blanco inguinal (iWAT) de ratones, ratas y cobayas se refiere al tejido adiposo subcutáneo obtenido de la región inguinal de ambas extremidades traseras; La grasa de las patas (LF) de pollos, patos, gansos, palomas y tortugas es el tejido adiposo subcutáneo que se recoge del área de las patas, específicamente de la parte superior de las patas (proximal al hueso pélvico) en pollos, patos, gansos y palomas. y la base dorsal de las extremidades traseras en las tortugas. (2) Tejidos adiposos viscerales: el epiplón mayor (GOM) de humanos, macacos, conejos, cerdos, ovejas, gatos y perros se refiere a una estructura similar a un delantal que se extiende desde la curvatura mayor del estómago y la parte proximal del duodeno; El tejido adiposo mesentérico (MAD) de humanos, cerdos, ovejas y gatos se recogió del mesenterio adyacente a los intestinos; El tejido adiposo retroperitoneal (RAD) de humanos, conejos, cerdos, ovejas y gatos se encuentra detrás del riñón y no contiene grasa que rodee el riñón; El tejido adiposo blanco gonadal (gWAT) de ratones y ratas (todos los individuos son hembras) se encuentra alrededor del ovario; El tejido adiposo pericárdico (PAD) de cerdos y ovejas se localiza entre el epicardio y el pericardio parietal; La grasa intraperitoneal (FPI) de pollos, patos, gansos y palomas se refiere al tejido adiposo adherido a la molleja. (3) Otros tipos de tejido adiposo: la cola adiposa (TAD) de oveja se tomó de la base de la cola (5 a 7 vértebras caudales).

Los animales generados en este estudio para RNA-seq se obtuvieron comercialmente (los ratones, ratas, conejos, ovejas, gatos y perros se obtuvieron de Chengdu dossy experimental animal Co., Ltd, Chengdu, China; los macacos y los cerdos se compraron de la Sichuan Hengshu Bio-Technology Co., Ltd, Yibin, China; las palomas se obtuvieron de la Cooperativa profesional de cría de palomas de carne Fengmao en el distrito de Fucheng de la ciudad de Mianyang, Mianyang, China; los pollos se compraron de la granja de cría de aves de corral de la Universidad Agrícola de Sichuan, Ya 'an, China; los patos y gansos se obtuvieron del centro de cría de aves acuáticas de la Universidad Agrícola de Sichuan, Ya'an, China; y las tortugas se compraron en Sichuan Longhu Lohas Turle Industry Ltd, Meishan, China), y se sacrificaron humanamente para aliviar el sufrimiento. , de acuerdo con la normativa nacional para el cuidado y uso de animales de investigación. Todas las muestras se homogeneizaron inmediatamente en nitrógeno líquido y se almacenaron a -80 °C hasta que se realizó la extracción del ARN.

Los ARN totales se extrajeron utilizando el protocolo estándar del RNeasy Mini Kit (Qiagen, Valencia, CA, EE. UU.). La calidad del ARN se evaluó utilizando el bioanalizador Agilent 2100 (Agilent Technologies). Para la secuenciación solo se utilizaron muestras con ARN de alta calidad (puntuación de integridad del ARN [RIN]> 7). Luego se generaron las bibliotecas de RNA-seq utilizando un método de agotamiento de rRNA18. Todas las bibliotecas se secuenciaron en una plataforma HiSeq X Ten (Illumina) utilizando lecturas de secuenciación de extremos emparejados de 150 pb de longitud.

Las lecturas de extremos emparejados se alinearon con los genomas de referencia correspondientes (humano: GRCh38.p13, macaco: Mmul_8.0.1, ratón: GRCm38.p6, rata: Rnor_6.0, conejillo de indias: Cavpor3.0, conejo: OryCun2.0, cerdo : Sscrofa11.1, oveja: Oar_v3.1, gato: Felis_catus_9.0, perro: CanFam3.1, pollo: GRCg6a, pato: CAU_duck1.0 y tortuga: PelSin_1.0; genomas de referencia de ganso30 y paloma [GenBank: WOFI01000000] fueron construidos de forma casera) utilizando la herramienta de alineación STAR (2.5.3a)31 con parámetros predeterminados. La abundancia transcripcional de genes codificadores de proteínas (PCG) se estimó como transcripciones por millón (TPM) utilizando la herramienta de cuantificación de transcripciones de alta velocidad Kallisto (0.44.0)32. El archivo de anotación genética se descargó de Ensembl (versión 89). Consideramos que un gen está transcrito si su valor de expresión era> 0,5 TPM en todas las réplicas de al menos un AT.

Las familias de PCG ortólogas de copia única en las 15 especies se identificaron de acuerdo con el protocolo recomendado por Ensembl (//asia.ensembl.org/info/genome/compara/homology_method.html). Brevemente, para cada especie, extrajimos la traducción más larga de cada PCG y posteriormente realizamos una explosión todos contra todos entre especies propias y no propias. Según los resultados de la explosión, generamos un gráfico disperso y extrajimos los grupos usando hclust_sg. Los grupos con más de 400 PCG se dividieron recursivamente en otros más pequeños hasta que todos los grupos contenían menos de 400 PCG. Para cada grupo, realizamos múltiples alineamientos de secuencias codificantes de proteínas y las traducimos nuevamente a alineamientos de secuencias codificantes. Finalmente, construimos un árbol filogenético e identificamos familias de genes ortólogos de copia única.

Elegimos las muestras SAT y VAT de cuatro mamíferos (ratón, rata, cerdo, oveja) y un ave (ganso) para investigar la divergencia del lipidoma AT entre especies (Tabla complementaria 2). Todos los animales son hembras adultas sanas y se obtuvieron de la misma manera que en el estudio RNA-seq mencionado anteriormente. La información de la muestra específica es la siguiente: (1) tejido adiposo subcutáneo: iWAT de ratones y ratas, ULB de cerdos, ASA de ovejas y LF de gansos. (2) tejido adiposo visceral: gWAT de ratones y ratas, GOM, MAD, RAD y PAD de cerdos, GOM, MAD y RAD de ovejas e IPF de gansos. (3) otro tipo de tejido adiposo: TAD de oveja. Las ubicaciones anatómicas de estos tejidos adiposos se detallaron en "Recolección de muestras y preparación de la biblioteca de ARN" más arriba.

La extracción de lípidos totales se realizó según un método descrito previamente33 con algunas modificaciones. Brevemente, se agregaron 25 mg de tejido adiposo en 800 μl de diclorometano/metanol preenfriado (3:1, v/v). Después de esto, se agregaron 10 μL de estándares lipídicos internos (SPLASH Lipidomix, Avanti Polar Lipids, EE. UU.) y dos bolas de acero. La mezcla se homogeneizó usando un TissueLyser durante 4 min a 55 Hz. Después de la incubación durante 2 h a -20 °C, la mezcla se centrifugó a 30.000 x g durante 20 min a 4 °C. Los 500 μL de sobrenadante se transfirieron a un nuevo tubo de centrífuga y se secaron usando un liofilizador. Después de esto, se agregaron 500 μL de disolvente de reconstitución (isopropanol/acetonitrilo/agua = 2:1:1, v/v/v) y se centrifugaron a 25.000 x g durante 20 min a 4 °C. A continuación, se transfirieron 100 µL de sobrenadante a un nuevo tubo de centrífuga que contenía 500 µL de disolvente de reconstitución. Luego se transfirieron 80 µl de cada muestra al vial de LC/MS. Además, para monitorear la estabilidad del sistema, se preparó una muestra de control de calidad (QC) combinando el mismo volumen de todas las muestras experimentales.

Los extractos de lípidos se analizaron mediante cromatografía líquida de ultra rendimiento-espectrometría de masas en tándem (UPLC-MS/MS) (Waters, Manchester, Reino Unido). Cada muestra (5 μl) se inyectó en una columna CSH C18 (2,1 x 100 mm, 1,7 μm, Waters), que se mantuvo a 55 °C con una velocidad de elución de 0,4 ml/min. La fase móvil A fue ACN:H2O (60:40 v/v) y la fase móvil B fue IPA:ACN (90:10 v/v), ambas conteniendo 0,1% de ácido fórmico y formiato de amonio 10 mM. Las condiciones de elución en gradiente fueron: 0–2 min, 40–43% fase B; 2,1 a 7 min, 50 a 54% fase B; 7,1–13 min, 70–99% fase B; 13,1–15 min, 40% fase B. Se utilizó el espectrómetro de masas Xevo G2-XS QTOF (Waters, Reino Unido) para detectar los metabolitos eluidos de la columna cromatográfica en modo de iones positivos y negativos. Los parámetros del modo de ionización positivo o negativo fueron los siguientes: voltaje capilar 3 (pos)/2 (neg) kV; voltaje del cono 40 V; temperatura de la fuente 120 °C; Temperatura de deconvolución 450 (pos)/350 (neg) °C. Los datos de espectrometría de masas se adquirieron en modo Continuum MSE. El rango m/z escaneado de la señal MS varió entre 100 y 2000 Dalton en el modo de iones positivos y entre 50 y 2000 Dalton en el modo de iones negativos. El tiempo de exploración de la encuesta fue de 0,2 s. Según la intensidad del ion precursor, se seleccionaron los 3 iones superiores para el análisis MS2. Para la detección de MS/MS, los precursores se fragmentaron utilizando 19–45 eV con un tiempo de exploración de 0,2 s. La señal de leucina encefalina se midió cada 3 s durante la adquisición para calibrar la precisión de la masa.

Los datos sin procesar del espectrómetro de masas se importaron al software comercial Progenesis QI (versión 2.2, Dinámica no lineal, //www.nonlinear.com/progenesis/qi) para la detección y alineación de picos. Después de esto, los datos de intensidad máxima se procesaron adicionalmente de acuerdo con un proceso metaX34 descrito previamente con ligeras modificaciones. En primer lugar, retuvimos los iones de alta calidad presentes en > 50% de las muestras de control de calidad y > 20% de las réplicas de al menos un AT. Los valores faltantes se imputaron utilizando el método del k vecino más cercano (KNN)35,36. A continuación, se realizó el método de normalización del cociente probabilístico (PQN)37 para la normalización de datos y se aplicó el método de corrección por lotes de spline robusto QC (QC-RSC)38 para corregir los efectos del lote. Finalmente, se eliminaron los iones con una desviación estándar relativa (RSD) > 30% en las muestras de control de calidad, ya que fluctúan mucho en el experimento. Los iones retenidos se utilizaron en análisis estadísticos posteriores.

Todos los análisis estadísticos se realizaron utilizando la prueba de suma de rangos de Wilcoxon en R (versión 4.0.0).

Los datos de RNA-seq agotados en rRNA generados en este estudio están disponibles en la base de datos NCBI SRA con el número de acceso SRP39858539.

Los archivos de datos de lipidómica sin procesar de cada modo de ionización (positivo y negativo) se depositaron en la base de datos MetaboLights con el número de acceso MTBLS594340. Cada entrada de MetaboLights contiene protocolos sobre recolección de muestras, extracción, cromatografía, espectrometría de masas, identificación de metabolitos y transformación de datos.

Otros datos que respaldan los hallazgos de la 'Validación técnica' se han depositado en el repositorio Figshare41,42,43,44: (1) Información detallada sobre PCG ortólogos de copia única en 15 especies de vertebrados41; (2) Gráfico PCA de PC1 versus PC3 y PC2 versus PC3 basado en los niveles de expresión de PCG ortólogas de copia única entre 15 especies de vertebrados42; (3) Información completa de todos los metabolitos lipídicos identificados43; (4) Metabolitos lipídicos identificados en los modos de iones negativos y positivos44.

La calidad de los datos de RNA-seq para cada muestra se muestra en la Fig. 2. Brevemente, se obtuvo un total de ~1,36 terabases (Tb) de datos sin procesar, lo que representa aproximadamente 12,69 Gb por muestra en promedio (Fig. 2a y Suplementaria). Tabla 1). La calidad base de las lecturas de secuenciación se confirmó mediante FastQC y consistió en una puntuación de alta calidad Q30 (error base <0,1%) (mediana Q30 = 92,81%) (Fig. 2a y Tabla complementaria 1). Después de filtrar las lecturas por calidad y longitud, conservamos un total de ~1,32 Tb de datos de alta calidad, con un promedio de 12,30 Gb por muestra (Fig. 2a y Tabla complementaria 1). Esto nos permitió mapear un promedio de 91,64% de lecturas de alta calidad en los respectivos genomas de las diferentes especies (Fig. 2a y Tabla complementaria 1), lo que indica la confiabilidad de los datos de secuenciación.

Validación técnica de los datos transcriptómicos. (a) Descripción general de los datos de RNA-seq. Información de datos sin procesar (primer panel), datos de alta calidad (segundo panel), Q30 (tercer panel) y relación de mapeo (cuarto panel) para cada biblioteca de RNA-seq. (b) Distribuciones de los coeficientes de correlación de Spearman por pares entre réplicas biológicas (azul) y entre muestras de diferentes AT dentro de la especie (rojo). La línea en el cuadro indica la mediana, la parte inferior y superior del cuadro de color indican los percentiles 25 y 75, respectivamente, y los bigotes se extienden hasta 1,5 IQR desde los cuartiles. Cada diagrama de caja está rodeado por un diagrama de violín que muestra la distribución de los datos. El valor de P se determinó mediante una prueba de suma de rangos de Wilcoxon. (c) Análisis de agrupamiento jerárquico de 107 muestras de secuencias de ARN utilizando los niveles de expresión de PCG ortólogos de copia única entre 15 vertebrados. El agrupamiento jerárquico de enlace promedio se realizó siguiendo las distancias de Spearman entre muestras utilizando el software Multiple Experiment Viewer (MEV)48. ( d ) Mapa factorial del análisis de componentes principales (PCA) de los niveles de expresión de PCG ortólogos de copia única entre 15 especies de vertebrados. La proporción de varianza explicada por cada componente principal se proporciona entre paréntesis a lo largo de cada eje. (e) Árbol de unión de vecinos basado en matrices de distancia por pares (1 − r, r es el coeficiente de correlación de Spearman) entre niveles de expresión de PCG ortólogos de copia única. La barra de escala indica distancias. ( f ) Los coeficientes de correlación de Spearman por pares de los niveles de expresión de PCG ortólogos de copia única entre especies se representaron frente a la distancia evolutiva. El valor de P se calculó mediante pruebas de hipótesis.

Utilizando un umbral de detección de >0,5 TPM en todas las réplicas en al menos un AT para identificar PCG transcritas para cada especie, observamos cantidades comparables de PCG transcritas entre mamíferos (~12 324 por especie) y especies de aves (~11 973 por especie) (Tabla 1). Sin embargo, se detectaron notablemente pocos genes transcritos en los AT de las tortugas (4037 PCG), lo que implica que los transcriptomas AT de los mamíferos y las aves varían significativamente de los de los reptiles. Para evaluar la reproducibilidad de las diferentes réplicas biológicas, calculamos la r de Spearman de los perfiles de expresión de PCG por pares entre las muestras de cada especie. En general, la expresión génica estuvo altamente correlacionada entre réplicas biológicas (r mediana de Spearman = 0,96) y las similitudes se redujeron significativamente entre los AT obtenidos de diferentes ubicaciones anatómicas dentro de cada especie (P = 9,76 × 10-16, prueba de suma de rangos de Wilcoxon) ( Figura 2b). El análisis de componentes principales y la agrupación jerárquica de los niveles de expresión de 3878 PCG ortólogos de copia única (la información detallada se incluye en el archivo 'Información detallada sobre PCG ortólogos de copia única en 15 especies de vertebrados' en Figshare41) entre 15 vertebrados revelaron que las muestras se agrupaban principalmente según a las especies con el mayor número de réplicas biológicas (Fig. 2c, d y figura 'Gráfico PCA de PC1 versus PC3 y PC2 versus PC3 basado en los niveles de expresión de PCG ortólogos de copia única entre 15 especies de vertebrados' en Figshare42). Estos resultados resaltan la coherencia entre las réplicas biológicas y la solidez del diseño experimental.

Finalmente, para validar las firmas evolutivas, realizamos un análisis de árbol de unión de vecinos (NJ) basado en los niveles de expresión de 3825 PCG ortólogos de copia única transcritos (Fig. 2e), que fue altamente consistente con el árbol filogenético descargado de la base de datos Timetree ( http://www.timetree.org/) (Figura 1). Además, observamos que la conservación transcripcional disminuye con la distancia evolutiva entre las especies (Fig. 2f), lo que confirma nuevamente la confiabilidad de la firma evolutiva descubierta en nuestro conjunto de datos.

Las concentraciones de lípidos en 131 muestras de AT obtenidas de cinco especies de vertebrados se analizaron mediante LC-MS/MS en modos de iones positivos y negativos. Después de normalizar el sesgo dentro y entre lotes utilizando el método QC-RSC38 (Fig. 3a), se detectó un total de 2652 iones negativos y 4530 iones positivos en >50% de las muestras de control de calidad (102 muestras de control de calidad en modo de iones negativos y 96 Muestras de control de calidad en modo de iones positivos) y >20 % de las muestras experimentales en al menos un AT. Para garantizar la confiabilidad de los datos lipidómicos adquiridos, se realizaron dos pasos de control de calidad en función de la intensidad de los iones detectados. Primero, evaluamos la agrupación de muestras de control de calidad mediante el análisis de componentes principales (PCA). En ambos modos iónicos, observamos que las muestras de control de calidad se agruparon de manera distintiva (Fig. 3b), lo que sugiere la ausencia de una variación inducida no biológica significativa en el experimento. En segundo lugar, medimos la desviación estándar relativa (RSD) de los iones detectados en todas las muestras de control de calidad (Fig. 3c). Descubrimos que la mayoría de los iones negativos (67,42 %, 1788 de 2652) y positivos (81,15 %, 3676 de 4530) tenían una RSD <30 % entre las muestras de control de calidad, lo que indica que la intensidad de los iones cambió poco entre las muestras de control de calidad. En general, estos hallazgos confirmaron la reproducibilidad y solidez de los datos de lipidómica generados.

Validación técnica de los datos de lipidómica. (a) Desviación estándar relativa (RSD) para iones detectados entre muestras de control de calidad dentro del mismo lote o entre diferentes lotes en modos de iones positivos (panel izquierdo) y negativos (panel derecho) antes (naranja) y después de la normalización (verde). La línea en el cuadro indica la mediana, la parte inferior y superior del cuadro de color indican los percentiles 25 y 75, respectivamente, y los bigotes se extienden hasta 1,5 IQR desde los cuartiles. Los valores de P se determinaron mediante la prueba de suma de rangos de Wilcoxon. (b) Los gráficos de PCA de muestras de control de calidad (púrpura) y experimentales (gris) en los modos de iones positivos (panel izquierdo) y negativos (panel derecho). (c) La distribución de RSD para la intensidad de iones de los compuestos en las muestras de control de calidad en modos de iones positivos (panel izquierdo) y negativos (panel derecho).

Para caracterizar aún más los patrones de lípidos y evaluar la presencia de muestras anormales, realizamos un análisis de incrustación de vecinos estocásticos distribuidos en t (t-SNE) (Fig. 4a) en función de la intensidad de los iones con RSD <30% entre las muestras de control de calidad, y observamos una clara separación entre distintas especies. Luego calculamos la distancia entre muestras utilizando t-SNE para cuantificar la varianza de la muestra, lo que también reveló que las réplicas biológicas tienden a agruparse cerca unas de otras. Además, encontramos distancias más pequeñas entre AT dentro de una especie y mayores entre especies (Fig. 4b), lo que destaca una gran variación entre diferentes especies.

Evaluación de la similitud entre muestras de lipidómica. (a) Incrustación de vecinos estocásticos distribuidos en t (t-SNE) que muestra la variación general de la intensidad de iones de los compuestos entre muestras experimentales en modos de iones positivos (panel izquierdo) y negativos (panel derecho). Las dimensiones 1 y 2 se obtuvieron del algoritmo t-SNE y representan distancias (es decir, similitud) entre muestras. En particular, según los resultados de t-SNE, seis muestras de ratas se clasificaron como "valores atípicos" y se excluyeron del análisis posterior. (b) Las distancias euclidianas de intensidad de iones entre muestras en modos de iones positivos (panel izquierdo) y negativos (panel derecho), que se derivaron de los gráficos 2D t-SNE. En cada cuadro, la línea central indica la mediana, la parte inferior y superior del cuadro indican los percentiles 25 y 75, respectivamente, y los bigotes se extienden hasta 1,5 IQR desde los cuartiles. Los valores de p se calcularon utilizando una prueba de suma de rangos de Wilcoxon.

Finalmente, anotamos los iones e identificamos un total de 868 y 293 metabolitos lipídicos en los modos de iones positivos y negativos, respectivamente (detalles en el archivo 'Información completa de todos los metabolitos lipídicos identificados' en Figshare43). Estos metabolitos relacionados con los lípidos formaban parte de siete categorías de lípidos, incluidos acilos grasos (FA), glicerolípidos (GL), glicerofosfolípidos (GP), lípidos de prenol (PR), sacarolípidos (SL), esfingolípidos (SP) y lípidos de esterol (ST). (detalles en 'Metabolitos lipídicos identificados en los modos de iones negativos y positivos' en Figshare44).

Los transcriptomas AT de las especies de vertebrados utilizadas en este estudio se perfilaron utilizando un protocolo con ARNr agotado, que permite la captura de diferentes especies de ARN y es más eficiente en la cuantificación de transcripciones lineales no poli(A) y ARN circulares45,46. Esto permitirá la investigación de la expresión dinámica de PCG entre especies, pero también el análisis comparativo de transcripciones reguladoras no codificantes de proteínas (como ARN largos no codificantes) entre AT en vertebrados.

En particular, tanto el transcriptoma como el lipidoma de AT variaron más entre especies que dentro de ellas, lo que resalta las diferencias funcionales que ocurrieron a lo largo de la evolución. Este conjunto de datos a gran escala abarca una variedad de especies con relaciones filogenéticas notablemente divergentes y AT con distribuciones anatómicas muy diversas, documentando más de 300 millones de años de historia evolutiva de AT. Este valioso recurso permitirá comprender las bases moleculares de estas diferencias funcionales. En teoría, las comparaciones entre especies deberían realizarse utilizando tejidos adiposos con ubicaciones anatómicas similares entre especies. Sin embargo, no es posible hacer coincidir todos los tejidos adiposos entre diferentes especies. Por ejemplo, no existe un equivalente humano del tejido adiposo gonadal murino (el tejido adiposo visceral más utilizado en estudios con ratones). Esto requiere un análisis comparativo basado en ómicas para explorar cómo las almohadillas adiposas de una especie pueden corresponder a los depósitos adiposos de otra especie. De hecho, la evaluación de las relaciones entre humanos y animales es importante para los estudios traslacionales. Creemos que nuestros datos también ayudarán a identificar qué especies deberían usarse en entornos específicos o como modelo animal.

Para la gran mayoría de las especies analizadas, las muestras de AT se derivaron de múltiples ubicaciones anatómicas, que se pueden dividir en SAT y VAT, lo que permite la evaluación de similitudes y diferencias transcriptómicas y lipidómicas entre AT dentro de las especies, incluidos organismos no modelo menos caracterizados. . También podrían brindar la oportunidad de investigar las diferencias entre las ubicaciones de AT desde un punto de vista evolutivo. Finalmente, nuestros datos multiómicos pueden facilitar investigaciones más precisas de la interacción entre ARNm, transcripciones no codificantes y metabolitos en AT de vertebrados o dentro de especies en ubicaciones de AT.

Para el control de calidad y procesamiento de datos se utilizaron los siguientes software y versiones:

(1) Procesamiento de datos RNA-seq: el mapeo de lectura se realizó con la herramienta de alineación STAR (2.5.3a)31; La cuantificación de los datos de RNA-seq se realizó utilizando Kallisto (0.44.0)32; La identificación de genes ortólogos de copia única se realizó utilizando OrthoMCL47.

(2) Procesamiento de datos de lipidómica: los datos sin procesar se procesaron utilizando el software Progenesis QI (versión 2.2, dinámica no lineal) para la detección y alineación de picos; El software metaX34 se utilizó además para procesar datos de intensidad máxima.

Los códigos asociados se han enviado en GitHub (https://github.com/JiamanZhang/Lab_cross_15_vertebrates_adiposes_papre_code).

Rosen, ED & Spiegelman, BM Los adipocitos como reguladores del equilibrio energético y la homeostasis de la glucosa. Naturaleza. 444, 847–853 (2006).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Rosen, ED & Spiegelman, BM De qué hablamos cuando hablamos de grasa. Celúla. 156, 20–44 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Fruhbeck, G. Descripción general del tejido adiposo y su papel en la obesidad y los trastornos metabólicos. Métodos Mol. Biol. 456, 1–22 (2008).

Artículo PubMed Google Scholar

Zwick, RK, Guerrero-Juarez, CF, Horsley, V. & Plikus, MV Diversidad anatómica, fisiológica y funcional del tejido adiposo. Metabolismo celular. 27, 68–83 (2018).

Artículo CAS PubMed PubMed Central Google Scholar

Dodson, MV y cols. Los depósitos adiposos difieren en celularidad, adipocinas producidas, expresión genética y sistemas celulares. Adipocito. 3, 236–241 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Morigny, P., Boucher, J., Arner, P. y Langin, D. Metabolismo de lípidos y glucosa en adipocitos blancos: vías, disfunción y terapéutica. Nat. Rev. Endocrinol. 17, 276–295 (2021).

Artículo CAS PubMed Google Scholar

Tchkonia, T. et al. Mecanismos e implicaciones metabólicas de las diferencias regionales entre los depósitos de grasa. Metabolismo celular. 17, 644–656 (2013).

Artículo CAS PubMed PubMed Central Google Scholar

Wajchenberg, BL Tejido adiposo subcutáneo y visceral: su relación con el síndrome metabólico. Endocr. Rev. 21, 697–738 (2000).

Artículo CAS PubMed Google Scholar

Ottaviani, E., Malagoli, D. & Franceschi, C. La evolución del tejido adiposo: un enigma olvidado. Gen. comp. Endocrinol. 174, 1–4 (2011).

Artículo CAS PubMed Google Scholar

Pond, CM Una visión evolutiva y funcional del tejido adiposo de los mamíferos. Proc. Nutrición. Soc. 51, 367–377 (1992).

Artículo CAS PubMed Google Scholar

Sun, W. y col. snRNA-seq revela una subpoblación de adipocitos que regula la termogénesis. Naturaleza. 587, 98-102 (2020).

Artículo CAS PubMed ADS Google Scholar

Crippa, S. y col. El perfil comparativo del transcriptoma de los corazones de ratón y pez cebra lesionados identifica vías de reparación dependientes de miARN. Cardiovascular. Res. 110, 73–84 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Baboota, RK y cols. Análisis de expresión génica basado en microarrays de tejido adiposo marrón y subcutáneo murino: importancia para los humanos. Más uno. 10, e0127701 (2015).

Artículo PubMed PubMed Central Google Scholar

Zuriaga, MA, Fuster, JJ, Gokce, N. & Walsh, K. Los humanos y los ratones muestran patrones opuestos de expresión genética de "oscurecimiento" en depósitos de tejido adiposo blanco visceral y subcutáneo. Frente. Cardiovascular. Medicina. 4, 27 (2017).

Artículo PubMed PubMed Central Google Scholar

Emont, MP y cols. Un atlas unicelular de tejido adiposo blanco humano y de ratón. Naturaleza. 603, 926–933 (2022).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Archivo de lectura de secuencia NCBI https://www.ncbi.nlm.nih.gov/sra/SRP292518 (2022).

GSA para humanos https://ngdc.cncb.ac.cn/gsa-human/browse/HRA002514 (2022).

Jin, L. y col. Un transcriptoma de mapa corporal de cerdo revela diversas fisiologías tisulares y dinámicas evolutivas de la transcripción. Nat. Comunitario. 12, 3715 (2021).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Archivo de lectura de secuencia NCBI https://www.ncbi.nlm.nih.gov/sra/SRP266207 (2021).

Archivo de lectura de secuencia NCBI https://www.ncbi.nlm.nih.gov/sra/SRP321725 (2022).

Ómnibus de expresión genética del NCBI, https://identifiers.org/geo/GSE199968 (2023).

Leiria, LO & Tseng, YH Lipidómica del tejido adiposo marrón y blanco: implicaciones para el metabolismo energético. BBA-Mol. Biol celular. L. 1865, 158788 (2020).

CAS Google Académico

Antaño, MM et al. Descubrimiento de una clase de lípidos endógenos de mamíferos con efectos antidiabéticos y antiinflamatorios. Celúla. 159, 318–332 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Marcher, AB y cols. La lipidómica basada en secuenciación de ARN y espectrometría de masas revela cambios extensos en las vías de los glicerolípidos en el tejido adiposo marrón en respuesta al frío. Representante celular 13, 2000-2013 (2015).

Artículo CAS PubMed Google Scholar

Grzybek, M. y col. Análisis integral y cuantitativo del tejido adiposo blanco y marrón mediante lipidómica de escopeta. Mol. Metab. 22, 12-20 (2019).

Artículo CAS PubMed PubMed Central Google Scholar

Mayo, FJ et al. Las adaptaciones lipidómicas en el tejido adiposo blanco y marrón en respuesta al ejercicio demuestran una remodelación molecular específica de cada especie. Representante de celda 18, 1558-1572 (2017).

Artículo CAS PubMed PubMed Central Google Scholar

Chondronikola, M. et al. La activación del tejido adiposo marrón está relacionada con distintos efectos sistémicos sobre el metabolismo de los lípidos en humanos. Metabolismo celular. 23, 1200-1206 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Wang, WC y cols. Perfil lipidómico de la obesidad inducida por una dieta rica en grasas en ratones: importancia de los epóxidos de ácidos grasos derivados del citocromo P450. Obesidad 25, 132-140 (2017).

Artículo PubMed Google Scholar

Hou, B. y otros. Los perfiles de lipidómica y transcriptómica dirigidos revelan la heterogeneidad del tejido adiposo blanco visceral y subcutáneo. Ciencias de la vida. 245, 117352 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Li, Y. et al. El ensamblaje de Pacific Biosciences con mapeo Hi-C genera un genoma de ganso mejorado a nivel de cromosomas. GigaCiencia. 9, giaa114 (2020).

Artículo PubMed PubMed Central Google Scholar

Dobin, A. y col. STAR: alineador universal ultrarrápido de RNA-seq. Bioinformática. 29, 15-21 (2013).

Artículo CAS PubMed Google Scholar

Bray, NL, Pimentel, H., Melsted, P. y Pachter, L. Cuantificación probabilística casi óptima de RNA-seq. Nat. Biotecnología. 34, 525–527 (2016).

Artículo CAS PubMed Google Scholar

Huang, C. y col. Análisis del perfil lipidómico de nueces Carya cathayensis y cambios en la dinámica lipídica durante el desarrollo embrionario. Química de los alimentos. 370, 130975 (2022).

Artículo CAS PubMed Google Scholar

Wen, B., Mei, Z., Zeng, C. y Liu, S. metaX: un software flexible y completo para procesar datos metabolómicos. Bioinformática BMC. 18, 1-14 (2017).

Artículo de Google Scholar

Troyanskaya, O. y col. Métodos de estimación de valores faltantes para microarrays de ADN. Bioinformática. 17, 520–525 (2001).

Artículo CAS PubMed Google Scholar

Gromski, PS y cols. Influencia de los sustitutos de valores faltantes en el análisis multivariado de datos metabolómicos. Metabolitos. 4, 433–452 (2014).

Artículo PubMed PubMed Central Google Scholar

Dieterle, F., Ross, A., Schlotterbeck, G. & Senn, H. La normalización del cociente probabilístico como método robusto para tener en cuenta la dilución de mezclas biológicas complejas. Aplicación en metabonómica de 1H NMR. Anal. Química. 78, 4281–4290 (2006).

Artículo CAS PubMed Google Scholar

Kirwan, JA, Broadhurst, DI, Davidson, RL y Viant, MR Caracterización y corrección de la variación de lotes en un flujo de trabajo de metabolómica automatizado de espectrometría de masas de infusión directa (DIMS). Anal. Bioanal. Química. 405, 5147–5157 (2013).

Artículo CAS PubMed Google Scholar

Archivo de lectura de secuencia NCBI https://identifiers.org/ncbi/insdc.sra:SRP398585 (2022).

Liu, P. y col. Perfil transcriptómico y lipidómico de los tejidos adiposos subcutáneos y viscerales en 15 vertebrados. MetaboLights https://www.ebi.ac.uk/metabolights/MTBLS5943 (2022).

Liu, P. y col. Información detallada sobre PCG ortólogos de copia única en 15 especies de vertebrados. higo compartido. https://doi.org/10.6084/m9.figshare.22656418.v2 (2023).

Liu, P. y col. Gráfico PCA de PC1 versus PC3 y PC2 versus PC3 basado en los niveles de expresión de PCG ortólogas de copia única entre 15 especies de vertebrados. higo compartido. https://doi.org/10.6084/m9.figshare.22656454.v2 (2023).

Liu, P. y col. Información completa de todos los metabolitos lipídicos identificados. higo compartido. https://doi.org/10.6084/m9.figshare.22643428.v2 (2023).

Liu, P. y col. Metabolitos lipídicos identificados en los modos de iones negativos y positivos. higo compartido. https://doi.org/10.6084/m9.figshare.22657012.v3 (2023).

Katayama, S. y col. Transcripción antisentido en el transcriptoma de mamíferos. Ciencia. 309, 1564-1566 (2005).

Artículo PubMed ADS Google Scholar

Chen, L. y col. Datos de secuenciación de ARN emparejados con agotamiento de ARNr y seleccionado con poliA y datos multiómicos de respaldo de células T humanas. Ciencia. Datos. 7, 1–7 (2020).

ADS del artículo Google Scholar

Li, L., Stoeckert, CJ Jr. y Roos, DS OrthoMCL: identificación de grupos de ortólogos para genomas eucariotas. Genoma Res. 13, 2178–2189 (2003).

Artículo CAS PubMed PubMed Central Google Scholar

Saeed, AI y cols. TM4: un sistema gratuito y de código abierto para la gestión y análisis de datos de microarrays. Biotecnicas. 34, 374–378 (2003).

Artículo CAS PubMed Google Scholar

Descargar referencias

Agradecemos a la Plataforma de Computación de Alto Rendimiento de la Universidad Agrícola de Sichuan por proporcionar recursos informáticos y apoyo que han contribuido a esta investigación. Este trabajo fue apoyado por el Programa Nacional Clave de I+D de China (2020YFA0509500 y 2021YFA0805903), el Programa de Ciencia y Tecnología de Sichuan (2021ZDZX0008 y 2021YFYZ0009), la Fundación Nacional de Ciencias Naturales de China (32225046, 32102507, 32102512 y U22A205 07).

Estos autores contribuyeron igualmente: Pengliang Liu, Diyan Li.

Facultad de Farmacia, Universidad de Chengdu, Chengdu, 610106, China

Pengliang Liu y Diyan Li

Laboratorio clave de multiómica ganadera y avícola del Ministerio de Agricultura y Asuntos Rurales, Facultad de Ciencia y Tecnología Animal, Universidad Agrícola de Sichuan, Chengdu, 611130, China

Pengliang Liu, Jiaman Zhang, Rui Liu y Mingzhou Li

Laboratorio clave de genética y cría animal de la provincia de Sichuan, Instituto de genética y cría animal, Universidad Agrícola de Sichuan, Chengdu, 611130, China

Pengliang Liu, Jiaman Zhang, Rui Liu y Mingzhou Li

Base de investigación de cría de pandas gigantes de Chengdu, Chengdu, 611081, China

Mengnan He y Yan Li

También puedes buscar este autor en PubMed Google Scholar.

ML y DL concibieron y diseñaron el estudio. MH, RL y PL realizaron trabajo con animales y preparación de muestras. MH y PL construyeron las bibliotecas de RNA-seq. RL y PL realizaron la adquisición de datos LC-MS/MS. JZ y YL realizaron el procesamiento y análisis de datos. JZ y PL realizaron el análisis estadístico. JZ y PL visualizaron datos. PL y DL escribieron el manuscrito. ML revisó el artículo.

Correspondencia a Diyan Li o Mingzhou Li.

Los autores declaran no tener conflictos de intereses.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Liu, P., Li, D., Zhang, J. et al. Perfil transcriptómico y lipidómico de los tejidos adiposos subcutáneos y viscerales en 15 vertebrados. Datos de ciencia 10, 453 (2023). https://doi.org/10.1038/s41597-023-02360-3

Descargar cita

Recibido: 10 de octubre de 2022

Aceptado: 03 de julio de 2023

Publicado: 12 de julio de 2023

DOI: https://doi.org/10.1038/s41597-023-02360-3

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt