Mammomics in sus scrofa: uncovering adaptation underlylng mammary development during pregnancy and lactation

Elucidating genes controlling growth, development, and metabolism of swine mammary glands can reveal potential metabolic or signalling pathways that might help improve efficiency of milk synthesis. A swine microarray consisting of 13,263 oligonucleotides (70 mer) was used for transcript profiling of mammary tissue from 4-5 sows at -34, -14, -4, 0, 7, 14, 21, and 28 d relative to parturition. ANOVA (FDR ≤ 0.10) identified 2,664 differentially expressed genes (DEG) dueto physiological state. Gene network/pathway analysis revealed that cell growth and proliferation (548 genes) and cell signaling (612 genes) were among the most affected molecular functions due to physiological state in DEG. QPCR remains the chosen method for high-precision mRNA abundance analysis and for array data validation. Essential for reliability of qPCR data is normalization using appropriate internal control genes (ICG). Gene stability analysis identified , among 19 potential ICG, API5, VABP, and MRPL39 as the most stable ICG in porcine mammary tissue and indicated that the use of those 3 genes was most appropriate for calculating a normalization factor. Results underscore the importance of proper validation of internal controls for qPCR and highlight the limitations of using absence of time effects as the criteria for selection of appropriate ICG.

La comprensione dei geni che controllano la crescita, lo sviluppo, e il metabolismo della ghiandola mammaria suina può rivelare potenziali vie metaboliche o di segnale per migliorare l'efficienza di sintesi del latte. Un microarray suino costituito da 13.263 oligonucleotidi (mer 70) è stato utilizzato per lo studio del profilo di trascrizione del tessuto mammario da 4.5 scrofe a -34, -14, -4, 0, 7, 14, 21, e 28 giorni rispetto alla data del parto. ANOVA (FDR ≤ 0.10) ha individuato 2664 geni differenzialmente espressi (DEG) in relazione allo stato fisiologico. L’analisi dei network e delle vie metaboliche ha identificato come funzioni molecolari più affette dallo stato fisiologico: crescita e proliferazione cellulare (548 geni) cellule di segnale(612 geni).La qPCR rimane il metodo migliore per la misurazione dell’ abbondanza mRNA ad alta precisione e per la validazione di dati array. Essenziale per assicurare l'affidabilità della qPCR è la normalizzazione dei dati con l’utilizzo di geni di controllo interno (ICG). Un analisi sulla stabilità dei geni ha identificato, tra i 19 potenziali ICG, API5, VABP, e MRPL39 come i più stabili ICG nel tessuto mammario suini e ha inoltre stabilito che l'uso di tali 3 geni è il più appropriato per il calcolo di un fattore di normalizzazione. I risultati sottolineano l'importanza di una corretta validazione dei controlli interni per qPCR ed evidenziano le limitazioni di utilizzo dell’assenza dell’effetto tempo come unico criterio per la selezione di CIG.