วิธีการทางพันธุศาสตร์เชิงผสมสำหรับการค้นพบการรวมกันตามกฎข้อบังคับระดับสูงและตัวขับเคลื่อนทางพันธุกรรมทางวิศวกรรมสำหรับการสร้างความแตกต่างของระบบประสาท

ดำดิ่งสู่การค้นหาปัจจัยสร้างความแตกต่างของเซลล์ที่มีประสิทธิภาพ

นักวิจัยยังคงพยายามหาวิธีการรักษาที่ดีกว่าเพื่อย้อนกลับหรือชะลอการลุกลามของความผิดปกติทางระบบประสาท เช่น โรคพาร์กินสัน โรคอัลไซเมอร์ และโรคฮันติงตัน ความผิดปกติเหล่านี้เป็นผลมาจากการตายของเซลล์ประสาทในส่วนต่างๆ ของสมอง ยาหรือการรักษาที่ใช้ในการบรรเทาอาการในผู้ป่วยยังไม่ได้รับการยอมรับอย่างดี

คลิกเพื่อ cistanche tubulosa ผงสำหรับการป้องกันระบบประสาท

พวกเขาไม่สามารถกู้คืนเนื้อเยื่อประสาทที่เสียหายและอาจส่งผลให้เกิดผลข้างเคียงที่ไม่พึงประสงค์ได้ ดังนั้น การศึกษาจำนวนมากขึ้นจึงมองว่าสเต็มเซลล์เป็นวิธีการรักษาที่มีแนวโน้ม เนื่องจากความสามารถในการสร้างเซลล์ใหม่ได้เองและความยืดหยุ่นในการสร้างความแตกต่างในสายเซลล์ที่ต้องการสำหรับการฝังเข้าไปในผู้ป่วยเพื่อกู้คืนเนื้อเยื่อประสาทที่สูญเสียไป

อย่างไรก็ตาม ก่อนที่สเต็มเซลล์จะถูกนำมาใช้ทางการแพทย์ในการรักษาความผิดปกติทางระบบประสาทนั้น ยังมีส่วนที่ต้องการความเข้าใจที่ดีขึ้นเพื่อปลดล็อกศักยภาพของสเต็มเซลล์ สเต็มเซลล์นั้นสร้างใหม่ได้และอ่อนตัวได้ โดยมีแนวโน้มที่จะกลายเป็นเซลล์ชนิดใดก็ได้ เนื่องจากการผสมที่เหมาะสมของปัจจัยต่างๆ เพื่อขับเคลื่อนการสร้างความแตกต่าง อย่างไรก็ตาม มีความซับซ้อนเชิงลึกในเครือข่ายปัจจัยขนาดใหญ่

สิ่งสำคัญคือต้องกำหนดการรวมกันของปัจจัยการถอดความ (TF) โมเลกุลขนาดเล็ก และ/หรือปัจจัยการเจริญเติบโต เพื่อให้บรรลุการทำงานร่วมกันที่เหมาะสมที่สุดสำหรับการแยกแยะเซลล์ต้นกำเนิด รวมถึงเซลล์ต้นกำเนิดจากตัวอ่อน (ESCs) และเซลล์ต้นกำเนิดที่เหนี่ยวนำให้เกิด pluripotent ในอัตราที่เร็วที่สุด ส่งผลให้ ในประชากรที่บริสุทธิ์ที่สุดของสายเลือดเซลล์ประสาท อย่างไรก็ตาม อาจมีวิธีเชิงกลยุทธ์ในการคัดกรองปัจจัยเหล่านี้อย่างคุ้มค่าและประหยัดเวลา

สิ่งนี้จะช่วยเพิ่มประสิทธิภาพของโปรโตคอลที่สร้างไว้แล้วซึ่งยังคงใช้แรงงานมาก หรือสำหรับการกำหนดลักษณะเพิ่มเติมของชนิดย่อยของเซลล์ประสาท เช่น เซลล์ประสาทมีหนามขนาดกลาง เซลล์ประสาทรับความรู้สึก และเซลล์ประสาท serotonergic ยังคงเป็นความท้าทายในการจัดทำโปรไฟล์ไดรเวอร์ของชะตากรรมของเซลล์ประสาทอย่างครอบคลุมและกำหนดว่าองค์ประกอบเหล่านี้มีปฏิสัมพันธ์กันอย่างไรในเครือข่ายการกำกับดูแล

มีกลุ่มไม่กี่กลุ่มที่ใช้วิธีการคัดกรองปริมาณงานสูงแบบใหม่เพื่ออธิบายเครือข่ายการกำกับดูแลของชะตากรรมของเซลล์และให้ข้อมูลเชิงลึกเกี่ยวกับปัจจัยที่ขับเคลื่อนการเปลี่ยนแปลงของเซลล์ประสาทและการอยู่รอด หลิวและคณะ (2018) ใช้การเปิดใช้งาน CRISPR (CRISPRa) เพื่อค้นหา TFs หรือปัจจัยที่จับกับ DNA ที่ส่งเสริมชะตากรรมของเซลล์ประสาทของ ESC อย่างไรก็ตาม งานวิจัยนี้จำกัดอยู่เพียงการศึกษาปัจจัยเดียวหรือการผสมผสานแบบคู่

การคัดกรองอย่างเป็นระบบอีกครั้งดำเนินการโดย Tsunemoto และคณะ (2018) ซึ่งตรวจสอบความสัมพันธ์ระหว่าง TFs TF เดี่ยวที่เลือกไว้ส่วนใหญ่ไม่แสดงผลกระทบใดๆ ในการศึกษา อย่างไรก็ตาม พวกเขาระบุชุดค่าผสม TF แบบจับคู่ 76 รายการเพื่อส่งเสริมความแตกต่างของไฟโบรบลาสต์ของเมาส์กับเซลล์ประสาทที่เหนี่ยวนำ

โดยเฉพาะอย่างยิ่ง ผลลัพธ์ของพวกเขาขาดความสอดคล้องกับการศึกษาก่อนหน้านี้ เช่น ตรวจไม่พบ dopamine active transporter Slc6a3 ในเซลล์ประสาทที่ถูกเหนี่ยวนำ อาจเป็นเพราะขาดปัจจัยเพิ่มเติม การศึกษาอื่นระบุยีนที่จำเป็นในการรักษาหรือปรับปรุงการอยู่รอดของเซลล์ประสาทโดยทำการคัดกรองโดยใช้การรบกวน CRISPR (CRISPRi) (Tian et al., 2019) และอีกครั้ง พวกเขาจำกัดการคัดกรอง sgRNAs เดี่ยว

จำเป็นต้องมีการศึกษาเพิ่มเติมสำหรับการคัดกรองปัจจัยทางพันธุกรรมอื่น ๆ อย่างเป็นกลาง และเพิ่มจำนวนของปัจจัยผสม เนื่องจากมีการแสดงให้เห็นว่าอาจต้องใช้ค็อกเทลมากกว่าสองปัจจัยในบริบทที่แตกต่างกันเพื่อขับเคลื่อนการสร้างความแตกต่างและการเขียนโปรแกรมซ้ำอย่างมีประสิทธิภาพ

ตัวอย่างที่ดีคือการรวมกันของ Oct4, Sox2, Klf4 และ c-Myc ซึ่งจำเป็นสำหรับการควบคุมเครือข่ายการส่งสัญญาณการพัฒนาสำหรับ ESC จำนวนมาก (Takahashi และ Yamanaka, 2006) ในระบบที่ซับซ้อนเช่นนี้ มีความจำเป็นต้องอธิบายลักษณะการทำงานของการผสมทางพันธุกรรมลำดับสูงอย่างครอบคลุมในรูปแบบปริมาณงานสูง และวิธีการ Combinatorial Genetics En Masse (CombiGEM) อาจทำได้

วิธี CombiGEM สำหรับการคัดกรองปัจจัยที่มีปริมาณงานสูง ลำดับสูง และเป็นระบบ

CombiGEM ไม่เพียงนำเสนอวิธีการที่เป็นระบบในการสร้างหน้าจอพูลขนาดใหญ่เท่านั้น แต่ยังมีความสามารถในการประกอบสเกลที่ปรับขนาดได้ของไลบรารีพันธุกรรม combinatorial ลำดับสูง (Wong et al., 2015, 2016; Zhou et al., 2020) กระบวนการแบบหม้อเดียวช่วยให้ผู้ใช้สามารถคัดกรองการผสมทางพันธุกรรมได้มากมาย 1-way, 2-way, 3-way และตามทฤษฎีแล้ว ห้องสมุด n-way

นี่เป็นทางเลือกที่รวดเร็วกว่ากระบวนการทั่วไปในการสร้างและทดสอบการผสมผสานความสนใจของผู้สมัครแต่ละราย ในขณะที่กลยุทธ์การคัดกรอง CRISPR แบบ combinatorial อื่นๆ ได้รับการพัฒนาเพื่อศึกษาการผสมทางพันธุกรรมแบบคู่ (Han et al., 2017; Shen et al., 2017; Najm et al., 2018; Truong et al., 2019; DeWeirdt et al., 2020 ) CombiGEM นำเสนอโอกาสพิเศษในการประเมินปฏิสัมพันธ์ระหว่างการผสมทางพันธุกรรมตั้งแต่สามชุดขึ้นไป

ตัวอย่างเช่น หากผู้ใช้มีเป้าหมายที่จะใช้ CRISPRa หรือ CRISPRi เพื่อแสดงออกมากเกินไปหรือกดทับ ตามลำดับ รายการชุดค่าผสม TF ที่เป็นตัวเลือก ผู้ใช้สามารถคัดกรองไลบรารีที่มีบาร์โค้ดของชุดค่าผสม sgRNA ที่กำหนดเป้าหมาย TF โดยใช้ CombiGEM-CRISPR v20 ( Wong et al., 2016; Zhou et al., 2020) ดังแสดงในรูปที่ 1

โดยการใช้ขั้นตอน ligation แบบหม้อเดียว ไลบรารีของ sgRNAs และบาร์โค้ดที่เกี่ยวข้องจะถูกรวมเข้าไว้ในเวกเตอร์ปลายทางของเลนติไวรัสที่รายงานการแสดงออกของโปรตีนเรืองแสงเมื่อมีการกระตุ้นโปรโมเตอร์เฉพาะประเภทเซลล์ประสาท เช่น ทูบูลิน 1 ของ sgRNAs และเวกเตอร์ lentiviral ที่แยกจากกันซึ่งเก็บกัก Cas9 ที่ขาดเอนไซม์ไม่ว่าจะผสมกับตัวกระตุ้นการถอดรหัสหรือตัวกดสามารถส่งไปยังเซลล์เริ่มต้นที่ต้องการ

เมื่อเวลาผ่านไป เมื่อเซลล์เริ่มแยกความแตกต่าง เซลล์ที่คล้ายเซลล์ประสาทที่ถูกเหนี่ยวนำเท่านั้นที่จะแสดงการเรืองแสง และเซลล์เหล่านี้สามารถแยกได้โดยใช้การเรียงลำดับเซลล์ที่เปิดใช้งานการเรืองแสงเพื่อเรียกค้นชุดค่าผสม TF ที่เก็บงำไว้ผ่านการจัดลำดับบาร์โค้ด

เพื่อให้ได้ความเข้าใจที่ดีขึ้นเกี่ยวกับการผสมผสานที่ขับเคลื่อนสายเลือดของเซลล์เฉพาะ เซลล์เหล่านี้ยังสามารถตรวจสอบหาผู้รายงานสายเลือดของเซลล์ที่รู้จักหรือเครื่องหมายตามความชอบของขั้นตอนการแยกความแตกต่างที่ผู้ใช้เลือกศึกษา การเรียงลำดับเซลล์ที่กระตุ้นด้วยแม่เหล็กสามารถใช้เพื่อแยกเซลล์ที่สนใจได้ ทั้งนี้ขึ้นอยู่กับการแสดงออกของเครื่องหมายบนผิวเซลล์

การจัดลำดับ RNA เซลล์เดียวสามารถควบคู่กับการคัดกรอง CRISPR แบบ combinatorial เพื่ออ่านโปรไฟล์ประเภทและระดับของยีนขึ้นหรือลง และการรวมกันของ TF เป้าหมายสามารถกำหนดผ่านการอ่านบาร์โค้ด (Replogle et al., 2020) การถ่ายภาพที่มีเนื้อหาสูงสามารถใช้เพื่อตรวจสอบการเปลี่ยนแปลงทางสัณฐานวิทยาของเซลล์ตั้งแต่ระยะแรกจนถึงระยะหลังของการพัฒนาเซลล์ประสาท

ความเกี่ยวข้องทางสรีรวิทยาหรือการทำงานของเซลล์ที่คล้ายเซลล์ประสาทที่ถูกเหนี่ยวนำสามารถกำหนดได้โดยการติดฉลากทางอิมมูโนไซโตเคมีที่จำเพาะสำหรับการเจริญเต็มที่ของเซลล์ประสาท เช่น NeuN, TUJ1 และ MAP2 และการวัดทางสรีรวิทยาทางไฟฟ้า ดังที่ได้กล่าวไว้ก่อนหน้านี้ การศึกษาได้รวม TF และโมเลกุลขนาดเล็กเพื่อจัดการกับชะตากรรมของเซลล์

นอกจากนี้ยังสามารถใช้ CombiGEM เพื่อระบุการผสมกันของโมเลกุลขนาดเล็กที่สามารถรักษาการสร้างเซลล์ต้นกำเนิดใหม่ด้วยตนเอง กระตุ้นการสร้างความแตกต่างของเซลล์เชื้อสาย หรืออำนวยความสะดวกในการเขียนโปรแกรมใหม่โดยการเพิ่มประสิทธิภาพและอาจแทนที่ปัจจัยทางพันธุกรรม นอกจากนี้ยังสามารถใช้ CombiGEM ได้โดยการกำหนดเป้าหมายโมเลกุลขนาดเล็กของเส้นทางการส่งสัญญาณ, epigenetic หรือปัจจัยกระบวนการระดับเซลล์ก่อน

จากนั้นผ่านการออกแบบไลบรารีของ sgRNA เพื่อเปิดใช้งานหรือปิดใช้งานเป้าหมายที่ใช้ยาได้ จากนั้นจะสามารถระบุการรวมกันที่มีประสิทธิภาพของโมเลกุลขนาดเล็กเพื่อเพิ่มความแตกต่างหรือการตั้งโปรแกรมใหม่ แนวคิดนี้สะท้อนให้เห็นอย่างดีจากการศึกษาที่เราได้ดำเนินการไปก่อนหน้านี้เพื่อค้นหาเป้าหมายของการใช้ยาร่วมกันเพื่อต่อต้านมะเร็งและโรคพาร์กินสัน (Zhou et al., 2020)

การใช้ CombiGEM ไม่จำกัดเพียงการก่อกวนตาม CRISPR เท่านั้น แต่ยังสามารถนำไปใช้กับปัจจัยควบคุม DNA หรือ RNA อื่น ๆ เพื่อศึกษาหน้าจอที่สูญเสียการทำงานด้วยการรบกวน RNA เช่นเดียวกับการได้รับฟังก์ชั่นด้วยการแสดงออก ของ microRNAs (Wong et al., 2015) และเฟรมการอ่านแบบเปิดของมนุษย์ที่ผ่านการตรวจสอบลำดับ เช่น เฟรมที่รายงานในไลบรารี TFome ของมนุษย์ (Ng et al., 2020)

วิธี CombiSEAL สำหรับวิศวกรรมปัจจัยการถอดรหัสความเร็วสูง

การค้นหาส่วนผสมที่ลงตัวของปัจจัยทางพันธุกรรมที่เกิดขึ้นตามธรรมชาติยังคงสร้างความท้าทายได้ เช่น การจำกัดลักษณะเฉพาะของ TFs ของจีโนมด้วยความรู้เดิมเกี่ยวกับการแสดงออกและบทบาทในการแยกแยะ การศึกษาได้แสดงให้เห็นว่า TFs ทางวิศวกรรมหรือการสร้างปัจจัยการถอดความเทียมเปิดช่องทางใหม่ของตัวเลือกในการเร่งอัตราการสร้างความแตกต่างผ่านเส้นทางทางเลือก ซึ่งเหนือกว่าการพึ่งพาการแสดงออกที่จำเป็นของปัจจัยร่วมภายนอกอื่น ๆ ภายในเครือข่ายการควบคุมยีน หรือแทนที่โดยสิ้นเชิง TF ตามธรรมชาติที่มีประสิทธิภาพมากกว่า (Jauch, 2018)

สิ่งนี้ทำให้นักวิจัยสามารถปรับปัจจัยที่จำเป็นตามความต้องการในการทดลองได้ เราเสนอว่าหากมีเป้าหมายที่จะทำการกลายพันธุ์ปริมาณงานสูงในหลาย ๆ ไซต์ไปยัง TF ซึ่งประกอบด้วยโดเมนต่าง ๆ CombiSEAL สามารถพิสูจน์ได้ว่าเป็นแพลตฟอร์มที่มีประโยชน์ (Choi et al., 2019) วิธีการของ CombiSEAL จะรวบรวมชิ้นส่วน DNA ที่มีการเข้ารหัสกรดอะมิโนซึ่งติดแท็กด้วยบาร์โค้ด (ภาพที่ 1)

รูปที่ 1 ｜ วิธีการของ CombiGEM และ CombiSEAL เพื่อคัดกรองตัวขับเคลื่อนทางพันธุกรรมที่มีประสิทธิภาพในการแยกความแตกต่าง ตัวอย่างของวิธี CombiGEM คือการประกอบ sgRNA หลายชุดที่แสดงจากโครงสร้างเดียวกัน และการรวม sgRNA จะแสดงด้วยบาร์โค้ดที่ต่อกัน วิธีการ CombiSEAL ประกอบด้วยการกลายพันธุ์ที่เกิดขึ้นกับส่วนต่างๆ ของโปรตีน เช่น ปัจจัยการถอดรหัส ที่ระบุเป็น P1, P2, P(n) และ P(n บวก 1) และการรวมกันของการกลายพันธุ์จะสะท้อนให้เห็นโดยบาร์โค้ดที่ต่อกันที่เกี่ยวข้องกัน ผู้ใช้สามารถใช้การตั้งค่ากับระบบนำส่ง DNA อื่นๆ และในการเป็นตัวแทนนี้ จะใช้ lentiviral vectors กลยุทธ์การคัดกรองสามารถดำเนินการโดยรูปแบบที่รวมกัน และในตัวอย่างนี้ การระบุประชากรเซลล์ที่แยกความแตกต่างกับสายเลือดของเซลล์ประสาทที่จำเพาะถูกตรวจพบโดยการเปิดใช้งานโปรโมเตอร์สำหรับการแสดงออกของโปรตีนเรืองแสง ซึ่งระบุว่าเป็น X-ฟลูออเรสเซนต์ในแผนภาพ ลำดับถัดไป (NGS) ของบาร์โค้ดจากกลุ่มเซลล์จะถอดรหัสเป้าหมาย DNA หรือตัวแปรการถอดรหัส การวิเคราะห์อย่างเข้มงวดของปัจจัยที่ขับเคลื่อนความแตกต่างของเซลล์ประสาทประเภทต่างๆ อาจใช้วิธีการแบบอาร์เรย์ เช่น การตรวจสอบเซลล์ที่มีเครื่องหมายสายเลือดของเซลล์ ตามด้วยการเรียงลำดับเซลล์ที่กระตุ้นด้วยแม่เหล็ก (MACS) ลงในเพลตหลายหลุม ซึ่งสามารถติดตามด้วย การถ่ายภาพที่มีเนื้อหาสูง อีกทางหนึ่ง การจัดลำดับ RNA เซลล์เดียว (RNA-Seq) ช่วยให้ผู้ใช้สามารถโปรไฟล์การแสดงออกของยีนของเซลล์ด้วยฟีโนไทป์ที่ต้องการ และจะสามารถดึงบาร์โค้ดเพื่อระบุชุดค่าผสม sgRNA หรือชุดค่าผสมการกลายพันธุ์ของตัวแปรหลัก FACS: การจัดเรียงเซลล์ที่กระตุ้นด้วยแสงเรืองแสง

CombiSEAL เริ่มต้นด้วยการแบ่งส่วนแรกของโปรตีนที่ต้องการการกลายพันธุ์ ผู้ใช้สามารถสร้างตัวแปรจำนวนเท่าใดก็ได้สำหรับแต่ละส่วน จากนั้นติดแท็กด้วยบาร์โค้ดเพื่อระบุตำแหน่งและการรวมกันของการกลายพันธุ์ จากนั้นกลุ่มของส่วนแต่ละส่วนจะถูกประกอบเข้าด้วยกันตามลำดับโดยการแทรกพวกมันเข้าไปในเวกเตอร์ปลายทางซึ่งเก็บลำดับโปรตีนชนิดไวด์ที่ดัดแปลงด้วยเอนไซม์ IIS ชนิดขนาบข้างที่บริเวณของการกลายพันธุ์ที่ตั้งใจไว้

รูปแบบการหลอมรวมแบบไร้รอยแผลเป็นของการเชื่อมโยงหลายส่วนของโปรตีนเป็นสิ่งสำคัญเพื่อหลีกเลี่ยงการเพิ่มกรดอะมิโนที่ไม่ต้องการลงในโปรตีน วิธีการของ CombiSEAL ช่วยให้สามารถกำหนดลำดับกรดอะมิโนของแหล่งรวมของสายพันธุ์ที่น่าสนใจได้อย่างมีประสิทธิภาพและคุ้มค่ามากขึ้น หลีกเลี่ยงความจำเป็นในการอ่านลำดับที่ยาวนานของโปรตีนทั้งหมดเพื่อระบุประเภทของการกลายพันธุ์และตำแหน่งที่พวกมันอยู่ทั่ว โปรตีน.

การตั้งค่าที่มีระเบียบวิธีนี้ช่วยให้การวิเคราะห์ง่ายขึ้นโดยการจัดลำดับปริมาณงานสูงของกลุ่มบาร์โค้ดที่ต่อกันแบบสั้น ซึ่งอนุมานถึงการรวมกันของประเภทและตำแหน่งของการกลายพันธุ์ของกรดอะมิโน หรือการปรับเปลี่ยนอื่นๆ ที่ต้องการ เช่น การแลกเปลี่ยนโดเมน การแทรก และการลบ ซึ่งเคยเป็นมา เริ่มออกแบบและติดตั้งบน TF

บทสรุป

เมื่อเปรียบเทียบกับวิธีการลองผิดลองถูก ความก้าวหน้าได้ถูกนำมาใช้ในการใช้วิธีการที่เป็นระบบมากขึ้นเพื่อกำหนดปัจจัยที่จำเป็นหรือการผสมผสานที่จำเป็นในการขับเคลื่อนการแปลงเซลล์ประเภทหนึ่งไปเป็นสายเลือดของเซลล์ประสาท อย่างไรก็ตาม ความสามารถในการระบุชุดค่าผสมลำดับที่สูงกว่ายังขาดอยู่ และในที่นี้ เราเสนอว่าวิธี CombiGEM อาจสามารถแก้ไขข้อจำกัดดังกล่าวได้

CombiGEM ใช้ระบบ ligation แบบหม้อเดียวที่มีบาร์โค้ดเพื่อรวมปัจจัยการจับดีเอ็นเอที่มีลำดับสูงกว่าเข้าด้วยกันเพื่อกำหนดเป้าหมาย DNA ในคราวเดียว หลีกเลี่ยงกระบวนการคัดกรองหลายรอบเพื่อจำกัดจำนวนการเข้าชมให้เหลือขนาดที่จัดการได้สำหรับการตรวจสอบดาวน์สตรีม . นอกจากนี้ TFs ธรรมชาติที่มีประสิทธิภาพน้อยกว่าสามารถแทนที่ด้วย TFs เทียมหรือวิศวกรรมเพื่อควบคุมการแสดงออกของยีนได้ดีขึ้น เราอธิบายวิธีการกลายพันธุ์ของโปรตีน CombiSEAL ซึ่งจะช่วยให้ผู้ใช้สามารถสร้างแหล่งปัจจัยการถอดความที่หลากหลายโดยการรวบรวมการกลายพันธุ์ของไซต์หลาย ๆ แห่งที่ติดแท็กด้วยบาร์โค้ดภายในโปรตีนและโดเมนที่แตกต่างกันโดยตรง

สิ่งนี้จะช่วยเร่งและลดต้นทุนของกระบวนการคัดกรองเพื่อดึงข้อมูลประเภทการกลายพันธุ์ของพันธุ์ที่สนใจ เราหวังว่าวิธีการที่นำเสนอจะช่วยให้มีความเข้าใจเพิ่มเติมและขยายความเป็นไปได้ในการส่งเสริมการสร้างเซลล์ประสาทใหม่ และสามารถนำไปใช้อย่างกว้างขวางกับงานวิจัยด้านอื่นๆ

กลไกของผลการป้องกันระบบประสาทของ Cistanche

Cistanche ได้รับการแสดงว่ามีผลป้องกันระบบประสาทผ่านกลไกหลายอย่าง:

1. ฤทธิ์ต้านการอักเสบ: Cistanche มีสารประกอบที่ได้รับการแสดงเพื่อยับยั้งการอักเสบในส่วนต่างๆ ของสมอง ซึ่งสามารถช่วยปกป้องเซลล์ประสาทจากความเสียหาย

2. ฤทธิ์ต้านอนุมูลอิสระ: Cistanche มีสารประกอบที่มีคุณสมบัติต้านอนุมูลอิสระที่แข็งแกร่ง สารต้านอนุมูลอิสระช่วยปกป้องเซลล์ประสาทจากความเสียหายที่เกิดจากอนุมูลอิสระและความเครียดจากอนุมูลอิสระ

3. กฎระเบียบของสารสื่อประสาท: Cistanche ได้รับการแสดงเพื่อควบคุมสารสื่อประสาทบางชนิด เช่น เซโรโทนินและโดปามีน ซึ่งสามารถช่วยปกป้องเซลล์ประสาทและปรับปรุงการทำงานของการรับรู้

4. การกระตุ้น Neurotrophic factor: Cistanche ได้รับการแสดงเพื่อกระตุ้นการผลิต neurotrophic factor เช่น brain-derived neurotrophic factor (BDNF) ซึ่งสามารถส่งเสริมการเจริญเติบโตและการอยู่รอดของเซลล์ประสาท

โดยรวมแล้ว กลไกเหล่านี้ทำงานร่วมกันเพื่อปกป้องเซลล์ประสาทจากความเสียหาย ส่งเสริมการเจริญเติบโตและการอยู่รอดของพวกมัน และปรับปรุงการทำงานของการรับรู้

อ้างอิง

Choi GCG, Zhou P, Yuen CTL, Chan BKC, Xu F, Bao S, Chu HY, Thean D, Tan K, Wong KH, Zheng Z, Wong ASL (2019) Combinatorial mutagenesis en masse เพิ่มประสิทธิภาพกิจกรรมการแก้ไขจีโนมของ SpCas9 แนท เมธอด 16:722-730.

DeWeirdt PC, Sanson KR, Sangree AK, Hegde M, Hanna RE, Feeley MN, Griffith AL, Teng T, Borys SM, Strand C, Joung JK, Kleinstiver BP, Pan X, Huang A, Doench JG (2020) การเพิ่มประสิทธิภาพของ AsCas12a สำหรับหน้าจอพันธุกรรมแบบผสมผสานในเซลล์ของมนุษย์ แนท ไบโอเทค 39:94-104.

Han K, Jeng EE, Hess GT, Morgens DW, Li A, Bassik MC (2017) การผสมยาที่เสริมฤทธิ์กันสำหรับมะเร็งที่ระบุในหน้าจอ CRISPR สำหรับการโต้ตอบทางพันธุกรรมแบบคู่ แนท ไบโอเทค 35:463- 474.

Jauch R (2018) การปรับโปรแกรมโชคชะตาของเซลล์ผ่านวิศวกรรมของปัจจัยการถอดความดั้งเดิม Curr Opin Genet Dev 52:109-116.

Najm FJ, Strand C, Donovan KF, Hegde M, Sanson KR, Vaimberg EW, Sullender ME, Hartenian E, Kalani Z, Fusi N, Listgarten J, Younger ST, Bernstein BE, Root DE, Doench JG (2018) Orthologous CRISPR- เอนไซม์ Cas9 สำหรับหน้าจอพันธุกรรมแบบผสมผสาน แนท ไบโอเทค 36:179-189.

Ng AHM, Khoshakhlagh P, Rojo Arias JE, Pasquini G, Wang K, Swiersy A, Shipman SL, Appleton E, Kiaee K, Kohman RE, Vernet A, Dysart M, Leeper K, Saylor W, Huang JY, Graveline A, Taipale J, Hill DE, Vidal M, Melero-Martin JM และคณะ (2020) ห้องสมุดที่ครอบคลุมของปัจจัยการถอดความของมนุษย์สำหรับวิศวกรรมชะตากรรมของเซลล์ แนท ไบโอเทคโนโลยี ดอย: 10.1038/วินาที41587-020-0742-6

Replogle JM, Norman TM, Xu A, Hussmann JA, Chen J, Cogan JZ, Meer EJ, Terry JM, Riordan DP, Srinivas N, Fiddes IT, Arthur JG, Alvarado LJ, Pfeiffer KA, Mikkelsen TS, Weissman JS, Adamson B (2020) หน้าจอ CRISPR เซลล์เดียวแบบผสมผสานโดยการจับภาพ RNA นำทางโดยตรงและการจัดลำดับเป้าหมาย แนท ไบโอเทค 38:954- 961.

Shen JP, Zhao D, Sasik R, Luebeck J, เบอร์มิงแฮม A, BojorquezGomez A, Licon K, Klepper K, Pekin D, Beckett AN, Sanchez KS, Thomas A, Kuo CC, Du D, Roguev A, Lewis NE, Chang AN , Kreisberg JF, Krogan N, Qi L และคณะ (2017) Combinatorial CRISPRCas9 คัดกรองการทำแผนที่ปฏิสัมพันธ์ทางพันธุกรรม แนท เมธอด 14:573-576.

Takahashi K, Yamanaka S (2006) การเหนี่ยวนำสเต็มเซลล์หลายชนิดจากตัวอ่อนของหนูและเซลล์ไฟโบรบลาสต์ตัวเต็มวัยโดยปัจจัยที่กำหนด เซลล์ 126:663-676.

Tian R, Gachechiladze MA, Ludwig CH, Laurie MT, Hong JY, Nathaniel D, Prabhu AV, Fernandopulle MS, Patel R, Abshari M, Ward ME, Kampmann M (2019) แพลตฟอร์มที่ใช้การรบกวน CRISPR สำหรับหน้าจอพันธุกรรมหลายรูปแบบใน iPSC ของมนุษย์ - เซลล์ประสาทที่ได้มา เซลล์ประสาท 104:239-255

Truong VA, Hsu MN, Kieu Nguyen NT, Lin MW, Shen CC, Lin CY, Hu YC (2019) CRISPRai สำหรับการกระตุ้นและยับยั้งยีนพร้อมกันเพื่อส่งเสริมการสร้างเซลล์ต้นกำเนิด chondrogenesis และการสร้างกระดูก Calvarial กรดนิวคลีอิก ความละเอียด 47:e74. Wong AS, Choi GC, Cheng AA, Purcell O, Lu TK (2015) พันธุศาสตร์ combinatorial ลำดับสูงคู่ขนานจำนวนมากในเซลล์มนุษย์ แนท ไบโอเทค 33:952-961.

Wong AS, Choi GC, Cui CH, Pregernig G, Milani P, Adam M, Perli SD, Kazer SW, Gaillard A, Hermann M, Shalek AK, Fraenkel E, Lu TK (2016) การคัดกรองบาร์โค้ดแบบมัลติเพล็กซ์ CRISPR-Cas9 ที่เปิดใช้งานโดย CombiGEM . Proc Natl Acad Sci สหรัฐอเมริกา 113:2544-2549.

Zhou P, Chan BKC, Wan YK, Yuen CTL, Choi GCG, Li X, Tong CSW, Zhong SSW, Sun J, Bao Y, Mak SYL, Chow MZY, Khaw JV, Leung SY, Zheng Z, Cheung LWT, Tan K , Wong KH, Chan HYE, Wong ASL (2020) หน้าจอ CRISPR แบบผสมผสานสามทางสำหรับการวิเคราะห์ปฏิสัมพันธ์ระหว่างเป้าหมายที่ใช้ยาได้ ตัวแทนเซลล์ 32:108020.

รุ่งอรุณ GL Thean, Alan SL Wong*