Persönlicher Status und Werkzeuge

Sprachwahl

Forschungsaktivitäten 2013

I.    Laktationsphysiologie

II.   Reproduktionsbiologie

III. Lebensmittelsicherheit, Ernährung und Umwelt

IV.  Wachstumsphysiologie, myotrope Therapeutika und Anabolika

V.  Bioanalytik

Zurück zu Forschung / Research

I.    Laktationsphysiologie

Einfluss eines induzierten Energiedefizits auf die Laktoferrin Konzentration in Milch und die Laktoferrin Sekretion durch primäre bovine Euterepithelzellen in vitro

Effects of induced energy deficiency on lactoferrin concentration in milk and the lactoferrin reaction of primary bovine mammary epithelial cells in vitro

Danowski, K.; Gross, J.J.[1]; Meyer, H.H.D.; Kliem, H.: Journal of Animal Physiology and Animal Nutrition 97 (2013) 647-655

Bei Red Holstein Kühen wurde über drei Wochen in der Midlaktation eine diätische Energierestriktion von 49 % des totalen Energiebedarfs hervorgerufen. Am letzten Tag der Energierestriktion wurden primäre bovine Euterepithelzellen (pbMEC) von acht restriktiv gefütterten Kühen (RF) und sieben Kontroll-Kühen (CF) aus einem Liter Milch extrahiert und kultiviert. In der dritten Passage wurden die pbMEC mit hitzeinaktivierten Escherichia coli (E. coli) und Staphylococcus aureus (S. aureus) behandelt, um einen Immunstimulus auszulösen. Anschließend wurde die Genexpression und Proteinkonzentration von Laktoferrin (LF) bestimmt. Mittels eines Enzym-immuno-Assay (ELISA) wurde LF zweimal wöchentlich in der Milch vom Tag 20 post partum bis Tag 150 post partum bestimmt. Außerdem wurde LF im Zellkulturüberstand und im Zellprotein gemessen. Der LF Gehalt in der Milch stieg während der Laktation an und war während der Energierestriktion signifikant bei den RF Kühen verringert. Nach Beginn der Realimentierung stieg der LF Gehalt in der RF Gruppe sofort wieder an und erreichte höhere Werte als vor dem induzierten Energiedefizit. Der Anstieg folgte dem Aufwärtstrend der CF Gruppe. Die Zellkulturergebnisse zeigten eine bis zu siebenfache Aufregulation der Genexpression und signifikant höhere LF Konzentrationen in der RF Gruppe im Vergleich zur CF Gruppe. E. coli bewirkte dabei einen höheren Anstieg als S. aureus. Die Ergebnisse in der Zellkultur zeigen ein ungewöhnliches Erinnerungsvermögen der aus Milch extrahierten pbMEC an die in vivo Situation, obwohl sie in vitro weiter kultiviert wurden und sich bereits in der dritten Passage befanden. Die Studie bestätigt die Verwendbarkeit der durch eine nicht-invasive Extraktion gewonnene pbMEC als Zellkulturmodell, um Einflüsse der Fütterung auf immunologische Situationen in vivo darzustellen.

 

Dexamethasone induzierte Eosinopenie ist mit einer geringeren Progesteron Produktion beim Rind assoziiert

Dexamethasone-induced Eosinopenia is associated with lower progesterone production in cattle

Kliem, H.; Rodler, D.[2]; Ulbrich, S.E.; Sinowatz, F.2; Berisha, B.[3]; Meyer, H.H.D.; Schams, D.: Reprod Dom Anim 48 (2013) 137-148

Eosinophile Zellen akkumulieren in den Kapillaren des bovinen Graafschen Follikel kurz vor der Ovulation und im frühen sich entwickelnden Corpus luteum (CL). Die Unterdrückung der Einwanderung dieser eosinophilen Zellen mit Dexamethason erlaubte es uns, ihre mögliche Funktion bei der CL Entwicklung zu untersuchen. Braunvieh Kühe (n=10) wurden zufällig in zwei Gruppen unterteilt (n=5). Jede Gruppe wurde einmal als Kontrollgruppe und einmal als Versuchsgruppe mit jeweils zwei Brunstzyklen zwischen jeder Behandlung verwendet. Achtzehn Stunden (h) nach der Zyklussynchronisation wurde entweder Dexamethason oder Kochsalzlösung gegeben. Die Ovulation wurde 24 h später mit Gonadotropin-Releasing Hormon induziert. Zwölf h später wurde erneut eine Injektion Dexamethason oder Kochsalzlösung verabreicht. Die eosinophilen Zellen wurden im Blut bis zum 7. Tag nach der ersten Dexamethason Injektion gezählt. Die Ovarien wurden am 1., 2. und 5. Tag entnommen. Es wurde die Genexpression, die Proteinkonzentration und die Lokalisation von angiogenen Faktoren, Chemokinen, Insulin-Like-Growth-Faktor 1 (IGF1) und eosinophilen Zellen untersucht. In der Versuchsgruppe wurden keine eosinophilen Zellen im CL gefunden. Progesteron im Blut fiel in der Versuchsgruppe signifikant vom Tag 8 bis 17 ab. Die Protein Konzentration von FGF2 stieg signifikant im CL Gewebe am Tag 2 an, während VEGF abfiel. Die lokale IGF1 Gen Expression im CL war nicht reguliert. Aufgrund dieser Ergebnisse nehmen wir an, dass die Migration von eosinophilen Zellen in den frühen CL kein essentieller, aber dennoch wichtiger Stimulus für die Angiogenese während der frühen CL Entwicklung im Rind ist.

 

Nach Milchproteinkonzentration und Energie-korrigierter Milchmenge gruppierte mehrkalbige Kühe während der Frühlaktation – Stoffwechsel, Leistung und Effekt einer kurzzeitigen Futterrestriktion

Multiparous cows categorized by milk protein concentration and energy-corrected milk yield during early lactation – metabolism, productivity and effect of a short-term feed restriction

Sigl, T.; Gellrich, K.; Meyer, H.H.D.; Kaske, M.[4]; Wiedemann, S.[5]: J Anim Physiol Anim Nutr (2013) 278-296

Ziel dieser Studie war die Untersuchung von Milchproduktion, metabolischer Adaptation und Effekt einer kurzzeitigen Futterrestriktion (FR) während der Frühlaktation auf Schlüsselparameter des Stoffwechsels bei Kühen, die anhand Energie-korrigierter Milchmenge (ECM) und Milchproteinkonzentration gruppiert waren. 23 mehrkalbige Holstein-Friesian Kühe wurden anhand ihrer durchschnittlichen Milchproduktion an den Tagen 23 bis 25 nach der Kalbung in vier Gruppen eingeteilt: hohe Leistung (ECM) und hohe Proteinkonzentration; niedrige Leistung (ECM) und niedrige Proteinkonzentration; hohe Leistung (ECM) und niedrige Proteinkonzentration sowie niedrige Leistung (ECM) und hohe Proteinkonzentration. Die Trockenmasseaufnahme wurde für drei aufeinanderfolgende Tage auf 68,3% reduziert. Unsere Ergebnisse zeigten, dass eine kurzzeitige FR in der Frühlaktation das Energiedefizit der Kühe in allen Gruppen vergrößerte. Milchfett-, Milchprotein- und Laktosekonzentration ebenso wie Milchfettmenge wurden durch die FR nicht beeinflusst. Nach der FR war im Lebergewebe erhöhte Abundanz von mRNA feststellbar, die Enzyme im Aminosäurekatabolismus, der ?-Oxidation, Glukoneogenese und Ketogenese kodieren. Ähnlich verhielt sich die für den Insulinrezeptor kodierende mRNA. Diese Veränderungen waren vor allem bei den Kühen mit hoher Milchleistung und niedriger Milchproteinkonzentration festzustellen.

 

Mikrofluidische Hochdurchsatz-RT-qPCR-Messungen der Immunantwort von aus Milch kultivierten primären bovinen Euterepithelzellen auf Mastitispathogene

Microfluidic high-throughput RT-qPCR measurements of the immune response of primary bovine mammary epithelial cells cultured from milk to mastitis pathogens

Sorg, D.; Danowski, K.; Korenkova, V.[6]; Rusnakova, V.6; Küffner, R.[7]; Zimmer, R.; Meyer, H.H.D.; Kliem, H.: Animal. 7 (2013) 799-805

Bovine Mastitis, die Entzündung des Euters, ist ein großes Problem für die Milchindustrie und das Tierwohl. Um diese Krankheit besser zu verstehen, und um zwei spezielle Verfahren für die Untersuchung des Milchdrüsen-Immunsystems anzuwenden, haben wir die Immunantwort von primären bovinen Euterepithelzellen (pbMEC) von sechs Braunviehkühen nach einer Stimulation mit den hitzeinaktivierten Mastitiserregern Escherichia coli 1303 und Staphylococcus aureus 1027 gemessen. Extrahiert und kultiviert wurden die Zellen aus Milch anstatt aus Eutergewebe, welches üblicherweise dafür verwendet wird. Die Vorteile dieser Methode sind, dass sie nicht-invasiv ist und zu weniger Kontamination mit Fibroblasten führt. Zum ersten Mal wurde die Genexpression von pbMEC mit einem mikrofluidischen Hochdurchsatzsystem für Real-time Reverse Transkription quantitative PCR gemessen, dem BioMark HD™ von Fluidigm. Zusätzlich zur physiologischen Auswertung wurde die Präzision und die Eignung dieser Methode mit einem großen Datensatz ermittelt. Der mittlere Variationskoeffizient (± Standardfehler) zwischen wiederholten Chips war 4,3 ± 0,4 % für hoch und 3,3 ± 0,4 % für niedrig exprimierte Gene. Die Abweichungen zwischen den quantitativen PCR (qPCR)-Replikaten waren geringer als die zwischen Zellkulturreplikaten. Dies weist darauf hin, dass biologische und Zellkulturunterschiede vom Hintergrundrauschen der Messungenauigkeit unterschieden werden konnten. 22 Gene (Komplementsystem, Chemokine, inflammatorische Zytokine, antimikrobielle Peptide, Akutphaseproteine und Toll-like-Rezeptor-Signalweg) waren durch die Behandlung mit E. coli reguliert (p<0,05). Das am meisten regulierte Gen war jenes für das Akutphaseprotein Serum Amyloid A3 mit 618-facher Aufregulation. S. aureus induzierte eine leicht erhöhte Expression von CCL5, IL10, TLR4 und S100A12, ansonsten folgte aber keine deutliche Antwort des Immunsystems. Wir haben gezeigt, dass mit der aus Milch gewonnenen pbMEC-Kultur und mit der Hochdurchsatz-qPCR-Technik ähnliche Ergebnisse in der pbMEC-Expression wie mit konventioneller qPCR gemessen werden können, und das mit einer zufriedenstellenden Präzision. So könnte dieses Verfahren in Zukunft bei weiteren Genexpressionsuntersuchungen an pbMEC-Kulturen angewendet werden.

 

Das mammäre Immunsystem von Englischem Parkrind und Hochlandrind verglichen mit Braunvieh und Red Holstein

Mammary immunity of White Park and Highland cattle compared with Brown Swiss and Red Holstein

Sorg, D.; Fandrey, E.[8]; Frölich, K.8; Meyer, H.H.D.; Kliem, H.: Animal Genetic Resources 52 (2013) 91-104

Mastitis ist eine häufige Krankheit moderner Milchkühe, aber alte Rinderrassen scheinen natürlicherweise resistenter dagegen zu sein. Primäre bovine Euterepithelzellen der alten Rassen Hochlandrind und Englisches Parkrind (n=5) und der modernen Milchrassen Baunvieh und Red Holstein (n=6) wurden nicht-invasiv aus Milch isoliert, kultiviert und mit den hitzeinaktivierten Mastitispathogenen Escherichia coli und Staphylokokkus aureus stimuliert, um deren angeborene Immunantwort in vitro zu vergleichen. Mit reverser Transkription-quantitativer Polymerasekettenreaktion (RT-qPCR) unterschieden sich die Rassen in der Basalexpression von 16 Genen. Besonders die Basalexpression von CASP8, CXCL8, Toll-like Rezeptor 2 und 4 (TLR2 und TLR4) war höher bei den alten Rassen (p<0,05). Bei den modernen Rassen waren nach der Stimulation mehr Gene reguliert. Rassenunterschiede (p<0,05) wurden in der Regulation von C3, CASP8, CCL2, CD14, LY96 und TGFB1 entdeckt. Eine Hauptkomponentenanalyse konnte die alten von den modernen Rassen in der Basalexpression unterscheiden, nicht aber nach der Stimulation. ELISA-Messungen von Lactoferrin und Serum Amyloid A-Protein zeigten Rassenunterschiede in den kontroll- und S. aureus-behandelten Proben auf. Die Immunreaktion der alten Rassen erschien weniger intensiv zugunsten einer höheren Basalexpression, welche sich als günstig für die Tiere erwiesen hatte.

Die angeborene Immunantwort dieser beiden alten Rassen wurde hier zum ersten Mal untersucht. Frühere Hinweise auf eine Rassen- und Tiervarianz im angeborenen Immunsystem wurden bestätigt.

 

Metabolischer Status und Östrus Zyklus bei Milchkühen

Metabolic status and oestrous cycle in dairy cows

Danowski, K.; Gross, J.J.1; Gellrich, K.; Petri, T.[9]; Van Dorland1, H.A.; Bruckmaier, R.M.1; Reichenbach, H.D.[10]; Zimmer, R.9; Meyer, H.H.D.; Schwarz, F.J.[11]; Kliem, H.: International Journal of Livestock Production 4 (2013) 135-147 

Es wurde eine Studie mit 40 mehrkalbigen Hochleistungskühen durchgeführt, um den Einfluss einer induzierten negativen Energiebilanz (NEB) auf die Reproduktionsleistung zu untersuchen. Für eine Dauer von 3 Wochen wurde eine Energierestriktion von 49% durchgeführt. Die Restriktion wurde am zwölften Tag des ersten Östruszyklus nach Tag 85 post partum (pp) begonnen. Die Ovaraktivität der Kühe wurde von Tag 20 bis Tag 150 pp dreimal wöchentlich mittels rektaler Palpation und Ultraschall kontrolliert. Zur weiteren Kontrolle wurde die Progesteron- und Hydrokortisonkonzentration in Milch zweimal wöchentlich bestimmt. Außerdem wurde einmal wöchentlich der Body Conditioning Score, das Körpergewicht sowie die Konzentrationen von Glukose, nicht veresterten Fettsäuren und beta-Hydroxybutyrat im Blut bestimmt. Die Besamung der Kühe erfolgte ca. 150 Tage pp. Je nach Zyklusaktivität bevor (Periode 1 = natürliches Energiedefizit), während (Periode 2) und nach (Periode 3) des induzierten Energiedefizits wurden die Kühe in folgende Gruppen eingeteilt: Verzögerte erste Ovulation bis Tag 45 pp, normaler Östruszyklus, verlängerter Östruszyklus und verkürzter Östruszyklus. Es wurden sporadische signifikante, aber keine klaren Effekte des metabolischen Status auf die Zyklusaktivität in Periode 1 und 2 gefunden. Besamungserfolg und Konzeptionsrate in Periode 3 waren nicht beeinflusst. Unsere Ergebnisse demonstrieren eine erstaunliche Anpassung der reproduktiven Leistung an metabolische Herausforderungen. Die Kühe waren in der Lage, sowohl die natürliche NEB in Periode 1 als auch die induzierte NEB in Periode 2 zu kompensieren, so dass metabolische Funktionsstörungen verhindert und die reproduktive Leistung aufrecht erhalten werden konnte. Es zeigte sich, dass die aus dem Futter verfügbare Energie keinen Effekt auf die Reproduktionsleistung nach mehr als 85 Tagen pp hatte. Um Fertilitätsprobleme bei Kühen besser verstehen zu können, sollte der Fokus auf die genetische Disposition von Hochleistungskühen gelegt werden, die erfolgreich mit metabolischen Herausforderungen zurechtkommen.

 

 


[1]         Veterinary Physiology, Vetsuisse Faculty, University Bern, Switzerland

[2]         Institute of Veterinary Anatomy, Histology and Embryology, Ludwig-Maximilians-University of Munich, Germany

[3]         Faculty of Agriculture and Veterinary, University of Prishtina, Pristinë, Kosovo

[4]         Clinic for Cattle, University of Veterinary Medicine, Hannover, Germany

[5]         Institute of Animal Breeding and Husbandry, Kiel, Germany

[6]         Laboratory of Gene Expression, Institute of Biotechnology, Academy of Sciences of the Czech Republic, Prague, Czech Republic

[7]         Institute for Bioinformatics, Ludwig-Maximilians-Universität München, München, Germany

[8]         Arche Warder, Zentrum für alte Haus- und Nutztierrassen e. V., Warder, Germany

[9]         Department of Informatics, Ludwig-Maximilians-Universität, München, Germany

[10]       Animal Breeding, Bavarian State Research Centre for Agriculture, Poing, Germany

[11]       Animal Nutrition, Technische Universität München, Freising-Weihenstephan, Germany

II.   Reproduktionsbiologie

 

Imprinting-Variationen zwischen Geweben und im kleineren Maß zwischen Individuen stellen eine natürliche Eigenschaft von Rinder Concepti dar und korrelieren nicht mit dem Geburtsgewicht

Tissue-Specific and minor inter-individual variation in imprinting of IGF2R is a common feature of Bos taurus Concepti and not correlated with fetal weight

Bebbere, D.[1],[2]; Bauersachs, S.12,[3]; Fürst, R.W.; Reichenbach, H.-D.10; Reichenbach, M.12; Medugorac, I.[4]; Ulbrich, S.E.; Wolf, E.12,14; Ledda, S.13; Hiendleder, S.12,[5],[6]: PLOS ONE 8 (2013): e59564

Der insulinähnliche Wachstumsfaktor 2 Rezeptor (IGF2R) ist für die pränatale Wachstumsregulation zwingend notwendig. Für ihn wurden gene dosage Effekte auf das fötale Gewicht nachgewiesen, welche durch in vitro Embryo Kulturen beeinflusst werden können. Eine durch allelische Programmierung gesteuerte mütterliche Expression des Igf2R

Gens in Mäusen wurde mehrfach in allen fötalen Geweben mit Ausnahme des Gehirns gezeigt. Für den Menschen gibt es hingegen Berichte von polymorphischem Imprinting und biallelischer Expression des IGF2R. Dieser Unterschied wird evolutionären Veränderungen sowie den spezifischen Reproduktionsstrategien zugeschrieben. Zum Testen dieser Hypothese fehlen bisher aber Daten geeigneter Arten. Das Hausrind (Bos taurus) trägt gewöhnlich einen einzelnen Konzeptus mit einer ähnlichen Gestationsdauer wie der Mensch aus. Wir identifizierten aus 68 Bos taurus Föten an Tag 80 (ca. 28% der Trächtigkeitsdauer) 12 heterozygote Konzepti, die sich für eine Imprinting Studie eigneten und fanden eine vorherrschende mütterliche IGF2R Expression in allen fötalen Geweben mit Ausnahme des Gehirns, welches kein Imprinting aufweist. Inter-individuelle Variationen des allelischen Expressions-Ungleichgewichts, d.h. der Expression des paternalen Allels im Verhältnis zum maternalen Allel, befanden sich im Bereich von 4.6-8.9% im Herzen, 4.3-10.2% in den Nieren, 6.1-11.2% in der Leber, 4.6-5.8% in der Lunge und 3.2-12.2% in Skelettmuskeln. Das allelische Ungleichgewicht der mesodermalen Gewebe (Herz, Skelettmuskel) unterschied sich signifikant (p<0.05) von dem in endodermalen Geweben (Leber, Lunge). Die Plazenta zeigte teilweises Imprinting mit einem allelischen Ungleichgewicht von 22.9-34.7% und unterschied sich damit signifikant von allen anderen Geweben (p<0.001). Vier der informativen Föten wurden durch in vitro Fertilisation (IVF) mit Embryo-Kultur gewonnen, zwei dieser Individuen zeigten anschließend ein übermäßiges Wachstum in der Fötalentwicklung. Hinweise auf Veränderung im Imprinting oder der DNA-Methylierung nach IVF ergaben sich aber nicht, ebenso wenig wie Korrelationen zwischen dem allelischen Ungleichgewicht und dem fötalen Gewicht.

Zusammenfassend ergeben sich für Bos taurus ähnliche Imprinting Effekte wie in der Maus mit Ausnahme der Plazenta. Dies könnte auf einen Effekt durch die Reproduktionsstrategie hindeuten. Normale kleinere inter-individuelle Variationen des allelischen Ungleichgewichts sowie die Abwesenheit von Imprinting Anomalien in IVF Föten lässt den Schluss zu, dass Veränderungen der IGF2R Expression in Föten mit verstärktem Wachstum eher durch andere Mechanismen als durch Veränderung im Imprinting verursacht sein könnten.

Versorgung des Präimplantationsembryos: Möglichkeiten und Limitationen verschiedener Forschungsansätze zur Untersuchung Embryo-maternaler Interaktionen beim Rind

Hosting the preimplantation embryo: potentials and limitations of different approaches for analysing embryo-endometrium interactions in cattle

Ulbrich, S.E.; Wolf, E.; Bauersachs, S.14: Reprod Fertil Dev 25 (2013) 62-70

Umgestaltungs- und Differenzierungsprozesse während des Zyklus weiblicher Rinder ermöglichen die Bereitstellung eines geeigneten Milieus für die finale Reifung der Keimzellen, die Befruchtung und die Etablierung der Gravidität. Eine unzureichende Rezeptivität kann sowohl die präimplantative Entwicklung als auch die Implantation behindern und somit zu embryonalen Verlusten führen. Allerdings ist Rezeptivität schwer zu fassen, da eine Vielzahl von Faktoren die Fruchtbarkeit beeinflusst. Maternale endokrine Hormone sind für die Bereitstellung eines geeigneten Milieus der Reproduktionsgewebe verantwortlich, und embryonale Signale initiieren eine Reihe von weiteren Vorgängen während der maternalen Erkennung der Gravidität. Nährstoffe, die das Wachstum und die Entwicklung unterstützen, sowie Zytokine, die an der Immunmodulation beteiligt sind, spielen dabei durch orchestriertes Auftreten eine wichtige Rolle. Der molekulare Fingerabdruck des Endometriums sowie die Zusammensetzung der uterinen Milch bezüglich der Prostaglandine und Aminosäuren ist verändert, wenn Embryonen aus somatischem Kerntransfer statt in vitro befruchteter Embryonen transferiert werden. Von diesen ist bekannt, dass Plazentationsanomalien häufig auftreten, die mit negativen Auswirkungen auf die spätere Entwicklung des Fötus in Zusammenhang gebracht werden können. Daraus kann gefolgert werden, dass die genetische und epigenetische Konstellation von Mutter und Embryo eine Vielzahl komplexer biologischer Prozesse im Reproduktionstrakt beeinflussen. Bereits vor der Implantation ist ein ungestörter Verlauf von physiologisch synchronisierten Ereignissen für eine erfolgreiche Trächtigkeit entscheidend. Dieser Übersichtsartikel stellt geeignete Modelle und Methoden vor, um die an diesen Vorgängen beteiligten Akteure zu erfassen und somit zum Verständnis der spezifischen Relevanz wichtiger Signalmoleküle während der frühen Gravidität beim Rind beizutragen. Die Möglichkeiten, die umfassende Transkiptom-, Proteom- und Metabolomdaten bieten, werden nicht nur hinsichtlich ihres Potenzials diskutiert, dynamische Regulationsvorgänge möglichst präzise zu erfassen. Es wird auch hinterfragt, welche Modelle eine Unterscheidung von wichtigen Signalmolekülen vor dem Hintergrund eines molekularen Rauschens erlauben. Ein interdisziplinärer Ansatz ist notwendig, um die Vielzahl dieser molekularen Daten zu interpretieren und in Zusammenhang zu bringen mit der Lösung der anhaltenden Fertilitätsprobleme bei Kühen.

Untersuchung der HOXA10 mRNA Expression und Promoter DNA Methylierung in weiblichen Nachkommen von Sauen, welchen während der Trächtigkeit Östradiol-17? verabreicht wurde

HOXA 10 mRNA expression and promoter DNA methylation in female pig offspring after in utero estradiol-17? exposure

Pistek, V.L.; Fürst, R.W.; Kliem, H.; Bauersachs, S.14; Meyer, H.H.D.; Ulbrich, S.E.: Journal of Steroid Biochemistry & Molecular Biology 138 (2013) 435-444

Die Gesundheit kann langfristig beeinflusst werden, wenn es in frühen Lebensphasen zu einem Kontakt mit in der Umwelt vorkommenden Östrogen-wirksamen Substanzen kommt. Anhand von Studien mit Nagetieren wurde bereits gezeigt, dass das Homeobox A10 (HOXA10) Gen während früher Lebensphasen ein möglicher Angriffspunkt für endokrine Disruptoren ist, da in den Nachkommen dauerhafte Veränderungen der uterinen HOXA10 Expression und Promoter DNA Methylierung auftraten. Die hier vorliegende Studie hatte das Ziel, Langzeiteffekte von Östradiol-17? auf das im Uterus vorkommende HOXA10 Gen von Schweinen zu untersuchen. Hierzu wurde den Muttersauen während der Trächtigkeit eine niedrige (0,05 oder 10 µg/kg Körpergewicht/Tag) bzw. hohe (1000 µg/kg Körpergewicht/Tag) Dosis verabreicht und deren Nachkommen untersucht. Zusätzlich wurde analysiert, ob Promoter DNA Methylierung generell an der Regulation der HOXA10 Expression beteiligt war. Unerwarteterweise hatte die Östrogenexposition der Muttertiere weder in den pre-, noch postpubertären Nachkommen einen deutlichen Einfluss auf die HOXA10 Expression und Promoter DNA Methylierung. Obwohl Unterschiede in der HOXA10 Expression im endometrialen Gewebe während des Zyklus als auch in der Preimplantationsphase gemessen werden konnten, traten keine deutlichen Veränderungen der Promoter DNA Methylierung auf. Bei dem Vergleich von verschiedenen Geweben jedoch, welche größere Unterschiede in der Transkription von HOXA10 zeigten, korrelierte die Promoter DNA Methylierung in prepubertären weiblichen Ferkeln, nicht aber in postpubertären Sauen, mit der HOXA10 Expression. Die vorliegende Studie konnte zeigen, dass der Einfluss der Promoter DNA Methylierung auf die Genexpression beim Schwein abhängig vom Entwicklungsstadium war sowie, dass eine Exposition mit Östrogenen in einer frühen Lebensphase andere Effekte beim Schwein hervorrief, als bereits vorhandene Studien bei Nagetieren gefunden hatten. Gründe hierfür könnten sowohl endokrine Unterschiede, als auch allgemeine Besonderheiten in der Empfindlichkeit des Gewebes der verschiedenen Spezies gegenüber Östradiol-17? während empfindlichen Zeiträumen der Entwicklung sein.

 

Transkriptomanalysen ermöglichen die Bestimmung molekularer Faktoren in der Gebärmutterschleimhaut, die zur Fruchtbarkeit beitragen - Erkenntnisse verschiedener Nutztierspezies

Transcriptional profiling to address molecular determinants of endometrial receptivity – Lessons from studies in livestock species

Ulbrich, S.E.; Groebner, A.E.; Bauersachs, S.14: Methods 59 (2013) 108-115

Dieser Übersichtsartikel fasst neueste Erkenntnisse von internationalen und eigenen Studien an Nutztieren zusammen, die sich mit der Funktionsfähigkeit der Gebärmutterschleimhaut befassen. Die in einer Reihe von Studien erhobenen beeindruckenden Transkriptomdaten der Gebärmutterschleimhaut während des Zyklus und der frühen Trächtigkeit müssen mit besonderer Sorgfalt mit gezielten Versuchsansätzen überprüft werden, um aus der Vielzahl der potentiellen mRNA funktionsrelevante Gene herauszufinden. Darüber hinaus erlaubt das Transkriptom der Gebärmutterschleimhaut wegen der besonders ausgeprägten Empfindlichkeit auf Störgrößen den Rückschluss auf ein zurückliegendes erfolgtes Signal. Damit könnten zukünftig auch bislang unbekannte embryonale Signale erkannt werden, z. B. das embryonale Erkennungssignal des Pferdes. Spezifische Biomarker der Gebärmutterschleimhaut wären zudem als Qualitätsbeurteilung für Embryonen denkbar. Über die Kenntnisse der homologen und Spezies-spezifischen Besonderheiten bei den verschiedenen Spezies (v.a. Rind, Pferd, Schwein) wird deutlich, dass Nutztiere geeignete Modelle für die Forschung im Bereich der weiblichen Fruchtbarkeit darstellen.

 

Expression von lymphangiogenen Gefäßendothel-Wachstumsfaktor Familiemitgliedern im bovinen Gelbkörper

Expression of lymphangiogenic vascular endothelial growth factor family members in bovine corpus luteum

Berisha, B.3; Schilffarth, S.; Kenngott, R.[7]; Sinowatz, F.; Meyer, H.H.D.; Schams, D.: Anat Histol Embryol. 42 (2013) 292-303

Im bovinen Gelbkörper (CL) wurde die mRNA Expression, Proteinkonzentration sowie die Lokalisation der wichtigen lymphangiogenen Faktoren VEGFC, VEGFD sowie der Rezeptor FLT4 während verschiedener physiologischer Stadien untersucht. In Experiment 1wurden CL am Schlachthof gesammelt, und die Zyklusstadien (Tage 1-2, 3-4, 5-7, 8-12, 13-16, >18) sowie Monate der Trächtigkeit (<3, 3-5, 6-7, >8) wurden bestimmt. In Experiment 2 wurde die Luteolyse mit Hilfe von Prostaglandin 2alpha (PGF) in 30 Kühen induziert. Das PGF Analog wurde am Tag 8-12 (Mitlutealphase) appliziert, und die Gelbkörper wurden nach 0.5, 2, 4, 12, 24, 48 und 64 h entnommen. Die mRNA Expression wurde mittels RT-qPCR analysiert. Alle drei untersuchten Faktoren wurden deutlich exprimiert und zeigten signifikante Veränderungen innerhalb der Gruppen und Perioden in beiden Experimenten. Die Proteinkonzentration von VEGFD und FLT4, gemessen mittels ELISA, waren nicht messbar im frühen CL, aber stiegen während der Gravidität deutlich an auf ein höheres Plateau. Nach PGF induzierter Luteolyse stieg das FLT4 Protein 2 bis 24h nach der Injektion an. FLT4 wurde mittels Immunhistochemie im Zytoplasma von Lutealzellen schwach im frühen CL nachgewiesen. Die Färbung erhöhte sich im späten CL und besonders im CL der Gravidität. Während der Gravidität war die Färbung von FTL4 im Zellkern sowie im Zytoplasma von lymphatischen Endothelzellen zu beobachten. Zusammenfassend zeigen die Ergebnisse, dass die lymphangiogenen Faktoren im CL produziert werden und eine Bedeutung für die Regulation der Gelbkörperfunktion besonders während der Gravidität haben können.

  

Expression und Lokalisation des Vaskular Endothel Wachstumsfaktor und seiner Rezeptoren im Gelbkörper während des Zyklus von Wasserbüffeln (Bubalus bubalis)

Expression and localization of vascular endothelial growth factor and its receptor in the corpus luteum during oestrous cycle in water buffaloes (Bubalus bubalis)

Chouhan, V.S.[8]; Panda, R.P.19; Yadav, V.P.19; Babitha, V.19; Khan, F.A.[9]; Das, G.K.[10]; Gupta, M.19; Dangi, S.S.19; Singh, G.; Bag, S.19; Sharma, G.T.19; Berisha, B.3; Schams, D.; Sarkar, M.19: Reprod Domest Anim. 48 (2013) 810-818

Ziel der Untersuchungen war der Nachweis der Expression und Lokalisation von VEGF sowie seiner Isoformen (VEGF 120, VEGF 164 und VEGF 188) und der Rezeptoren (VEGF R1 und VEGF R2) im Corpus Luteum (CL) während verschiedener Stadien im Brunstzyklus des Wasserbüffels. Die Faktoren wurden mit Hilfe der Real-time RT-PCR (qPCR), Western-blot und Immunhistochemie analysiert, um die mRNA Expression, Proteinkonzentration im Gewebe sowie die Lokalisation nachzuweisen. Alle geprüften Komponenten des VEGF Systems (VEGF Isoformen und ihre Rezeptoren) konnten im Gelbkörper des Wasserbüffels während des Brunstzyklus nachgewiesen werden. Die mRNA Expression sowie Proteinkonzentration war am höchsten in der frühen und mittleren Gelbkörperphase, um danach ständig abzufallen (P<0,05) nach Tag 10 mit niedrigsten Werten nach der Luteolyse. Mit Hilfe der Immunhistochemie konnte das VEGF Protein vorwiegend in Lutealzellen und die VEGF Rezeptoren 1 und 2 in Lutealzellen sowie in Endothelzellen nachgewiesen werden. Zusammenfassend kann man sagen, dass in dieser Studie das Vorhandensein des VEGF Systems im Gelbkörper von Wasserbüffeln deutlich gezeigt werden konnte. Die Ergebnisse weisen auf eine wichtige Rolle des VEGF Systems bei der Regulation der Angiogenese im Gelbkörper sowie der Proliferation von Lutealzellen und Endothelzellen während ihrer nicht angiogenen Funktion hin.

 

 


[1]         Chair for Molecular Animal Breeding and Biotechnology, Gene Center, Ludwig-Maximilians-University, Munich, Germany

[2]         Department of Veterinary Medicine, University of Sassari, Sassari, Italy

[3]         Laboratory for Functional Genome Analysis (LAFUGA), Gene Center, Ludwig-Maximilians-University, Munich, Germany

[4]         Chair of Animal Genetics and Husbandry, Faculty of Veterinary Medicine, Ludwig-Maximilians-University, Munich, Germany

[5]         JS Davies Non-Mendelian Genetics Group, School of Animal and Veterinary Sciences, The University of Adelaide, Roseworthy Campus, Roseworthy, Australia

[6]         Research Centre for Reproductive Health, Robinson Institute, The University of Adelaide, Roseworthy Campus, Roseworthy, Australia

[7]         Department of Veterinary Sciences, Institute of Veterinary Anatomy, Histology and Embryology, Ludwig- Maximilians-Universität München, München, Germany

[8]         Physiology & Climatology, Indian Veterinary Research Institute, Bareilly, India

[9]         Department of Animal Sciences and D.H. Barron Reproductive and Perinatal Biology Research Program, University of Florida, Gainesville, Florida, USA

[10]

III. Lebensmittelsicherheit, Ernährung und Umwelt

 

C57BL/6N Mäuse erhalten die Methionin-Homöostase in der Leber auch unter einer fettreichen Ernährung aufrecht, obwohl es dabei zu großen Veränderungen im C1-Stoffwechsel kommt

Hepatic Methionine Homeostasis is conserved in C57BL/6N mice on high-fat diet despite major changes in hepatic one-carbon metabolism

Dahlhoff, C.[1],[2]; Desmarchelier, C.22; Sailer, M.22; Fürst, R.W.23; Haag, A.22; Ulbrich, S.E.; Hummel, B.[3]; Obeid, R.24; Geisel, J.24; Bader, B.L.23,[4]; Daniel, H.22: PLOS ONE 8 (2013) e57387

Fettleibigkeit stellt einen grundsätzlichen Risikofaktor für die Entwicklung kardiovaskulärer Erkrankungen, Dyslipidämie sowie einer nicht-alkoholbedingten Fettleber (NAFLD) dar. Eine vermehrte Fettakkumulation in der Leber ist dabei Kennzeichen einer Progression in Richtung NAFLD, bei der die Störung des Phosphatidylcholin (PC) Metabolismus eine zentrale Rolle in der Pathogenese spielen könnte. Die Synthese von PC in der Leber, welche über die Phosphatidylethanolamine N-methyltransferase mit dem C1-Metabolismus verknüpft ist, ist für den Leber-Export von Fetten durch VLDL Partikeln wichtig. In dieser Arbeit erfassten wir in Mäusen den Einfluss einer fettreichen Ernährung und des NAFLD Zustands auf die Aufwendung von Methylgruppen und des C1-Metabolismus in der Leber, indem wir Genexpression, Protein Level, Metabolit Konzentrationen und epigenetische Prozesse bestimmten. Dabei konnten wir in der Leber von Mäusen, welche durch eine fettreiche Ernährung zu Adipositas geführt wurden, eine signifikante Erniedrigung der Expression der Cystathion-B-Synthase (CBS) sowie eine Erhöhung der Betain-Homocystein-Methyltransferase (BHMT) feststellen. In vitro Experimente mit Leberkrebszellen, welche durch den PPARa-Agonisten WY14,643 stimuliert wurden, zeigten eine signifikant reduzierte CBS mRNA Expression. Weiterhin wurden durch Messungen verschiedener Metabolite erniedrigte Konzentrationen an Cystathion sowie L-a-Amino-n-Butyrat als Teil des Transsulfurations-Stoffwechselwegs und erniedrigte Leber Betain Konzentrationen identifiziert. Veränderungen von Metaboliten im Methionin-Zyklus traten bei fettreich ernährten Mäusen im Vergleich zu Kontrolltieren nicht auf. Des Weiteren konnten wir in der Leber bei einer fettreichen Ernährung eine verminderte Genexpression der de novo Methyltransferase 3b, jedoch keine Effekte auf die globale DNS-Methylierung oder die DNS-Methylierung in der CBS Promoter Region feststellen. Aufgrund unserer Daten vermuten wir deshalb, dass eine fettreiche Ernährung in Mäusen eine PPARa-vermittelte negative Regulation auf Schlüsselenzyme des Transsulfurations-Stoffwechselweges sowie eine vermehrte Expression von BHMT bewirkt, um einerseits der verstärkten Prozessierung von Nahrungsfetten gerecht zu werden, andererseits aber den Vorrat der essentiellen Aminosäure Methionin aufrechtzuerhalten.

 

Einfluss von nicht-Stärke-Polysaccarid-degradierenden Enzymen als Futterzusatzstoffe auf die Population der Pansenbakterien in nicht laktiernden Kühen, gemessen mit real-time PCR

Effect of non-starch-polysaccharide-degrading enzymes as feed additive on the rumen bacterial population in non-lactating cows quantified by real-time PCR

Zeitz, J.O.[5]; Guertler, P.[6]; Pfaffl, M.W.; Eisenreich, R.26; Wiedemann, S.; Schwarz, F.J.26: Journal of Animal Physiology and Animal Nutrition 97 (2013) 1104-1113

 

 


[1]         Biochemistry Unit, PhD Group, Research Center for Nutrition and Food Sciences, Technische Universität München, Freising-Weihenstephan, Germay

[2]         Epigenetics, Imprinting and Nutrition, Research Center for Nutrition and Food Sciences, Technische Universität München, Freising-Weihenstephan, Germany

[3]         Clinical Chemistry and Laboratory Medicine/Central Laboratory University Hospital of the Saarland, Homburg, Germany

[4]         Nutritional Medicine Unit, Research Center for Nutrition and Food Sciences, Technische Universität München, Freising-Weihenstephan, Germany

[5]         Department of Animal Sciences, Group Animal Nutrition, Technische Universität München, Freising- Weihenstephan, Germany

[6]         Bayerisches Landesamt für Gesundheit und Lebensmittelsicherheit (LGL), Oberschleißheim, Germany

 

IV. Wachstumsphysiologie, myotrope Therapeutika und Anabolika

 

Transkriptions Biomarker - Hoch Durchsatz Screening, quantitative Verifizierung und bioinformatische Validierungsmethoden

Transcriptional biomarkers – High throughput screening, quantitative verification, and bioinformatical validation methods

Riedmaier, I.; Pfaffl, M.W.: Methods 59 (2013) 3-9

Molekulare Biomarker halten Einzug in viele verschiedene Forschungsbereiche, speziell in der Medizin, aber auch in anderen Bereichen wie der Lebensmittelsicherheit. Es gibt verschiedene Beispiele molekularer Biomarker, welche schon erfolgreich in der klinischen Diagnostik, speziell als prognostisches oder diagnostisches Werkzeug angewendet werden.

Molekulare Biomarker können mit Hilfe spezieller "Omic" Technologien auf verschiedenen molekularen Ebenen identifiziert werden.

Dieser Artikel beschreibt die verschiedenen molekularen Ebenen, auf welchen Biomarkerforschung möglich ist. Hierbei werden die Transkriptomics einschließlich verfügbarer Methoden und biostatistischen Anforderungen detaillierter beschrieben.

 

 

VI.  Bioanalytik

 

MIQE Richtlinien: Mindestinformationsmenge für die Publikation von quantitativen real-time PCR Experimenten

The MIQE Guidelines: Minimum Information for Publication of Quantitative Real-Time PCR Experiments

Bustin, S.A.[1],41; Benes, V.[2]; Garson, J.A.[3],[4]; Hellemans, J.[5],42; Huggett, J.[6],43; Kubista, M.[7],[8]; Mueller, R.[9],44; Nolan, T.[10]; Pfaffl, M.W.; Shipley, G.L.[11],45; Vandesompele, J.32; Wittwer, C.T.[12],[13]: Clinical Chemistry 55(4): 611-22

Extra Special Reports – Übersetzung des englischen Originals ins Japanische und Arabische

 

Die Notwendigkeit von Transparenz und guter Laborpraxis publiziert in der qPCR -Literatur

The need for transparency and good practices in the qPCR literature

Bustin, S.A.28,[14]; Benes, V.29; Garson, J.30,31; Hellemans, J.32,[15]; Huggett, J.33,[16]; Kubista, M.34,35; Mueller, R.36,[17]; Nolan, T.37; Pfaffl, M.W.; Shipley, G.L.38,[18]; Wittwer, C.T.39,40; Schjerling, P.[19]; Day, P.J.[20]; Abreu, M.[21]; Aguado, B.[22]; Beaulieu, J.F.[23]; Beckers, A.[24]; Bogaert, S.[25]; Browne, J.A.[26]; Carrasco-Ramiro, F.49; Ceelen, L.[27]; Ciborowski, K.[28]; Cornillie, P.[29]; Coulon, S.[30]; Cuypers, A.[31]; De Brouwer, S.51; De Ceuninck, L.[32]; De Craene, J.56; De Naeyer, H.[33]; De Spiegelaere, W.[34]; Deckers, K.[35]; Dheedene, A.51; Durinck, K.51; Ferreira-Teixeira, M.48; Fieuw, A.51; Gallup, J.M.[36]; Gonzalo-Flores, S.49; Goossens, K.[37]; Heindryckx, F.[38]; Herring, E. 50; Hoenicka, H.[39]; Icardi, L.59; Jaggi, R.[40]; Javad, F.47; Karampelias, M.[41]; Kibenge, F.[42]; Kibenge, M.69; Kumps, C.51; Lambertz, I.51; Lammens, T.[43]; Markey, A.47; Messiaen, P.[44]; Mets, E.51; Morais, S.[45]; Mudarra-Rubio, A.49; Nakiwala, J.[46]; Nelis, H.[47]; Olsvik, P.A.[48]; Pérez-Novo, C.[49]; Plusquin, M.58; Remans, T.58; Rihani, A.51; Rodrigues-Santos, P.48; Rondou, P.51; Sanders, R.33; Schmidt-Bleek, K.[50], Skovgaard, K.[51]; Smeets, K.58; Tabera, L.49; Toegel, S.[52]; Van Acker, T.59; Van den Broeck, W.56; Van der Meulen, J.51; Van Gele, M.[53]; Van Peer, G.51; Van Poucke, M.64; Van Roy, N.51; Vergult, S.51; Wauman, J.59; Tshuikina-Wiklander, M.[54]; Willems, E.[55]; Zaccara, S.[56]; Zeka, F.51; Vandesompele, J.42,51: Nature Methods 10 (2013) 1063-1067

Die MIQE-Guidelines sollen einen höheren Standard bezüglich der Erstellung der qPCR Ergebnisse, der PCR Prozessierung im Labor sowie deren Dokumentation gewährleisten. Es handelt sich hierbei um Empfehlungen, die den Wissenschaftlern und Laboren einen „roten Faden“ an die Hand geben sollen, welche Arbeitsvorgänge nötig, welche Qualitätskontrollen essentiell sind und wie die Methoden sowie Genexpressionsdaten richtig und verständlich publiziert werden sollen. Dadurch soll anderen Forschern die Möglichkeit gegeben werden, die publizierten Ergebnisse zu reproduzieren und sich auf die Glaubwürdigkeit der Daten und deren physiologischen Schlussfolgerungen zu verlassen.

In der MIQE Konsensus Richtlinie werden die Minimalanforderungen festgelegt, die die Autoren angeben müssen, damit ihre qPCR Daten überhaupt für eine Publikation in Betracht kommen. Ziel dabei ist, für mehr Transparenz bei Studien zu sorgen und deren Qualität zu verbessern, damit Experimente unter Einsatz von qPCR auch von anderen Forschern genau reproduziert werden können und somit die wissenschaftliche Fachwelt die Qualität und Validität dieser Studien leichter beurteilen kann. Die Autoren dieser Richtlinie bestätigten, dass die Art und Weise, wie qPCR Daten angegeben und interpretiert wurden, häufig zu Problemen führe. Bei einer Vielzahl der veröffentlichten quantitativen RT-PCR Studien sind die experimentbezogenen Angaben nicht detailliert genug, sodass Wissenschaftler, die die Artikel lesen, nur schwer beurteilen können, ob die gezogenen Schlussfolgerungen gültig und vor allem richtig sind. Gerade in sogenannten „high impact“ Journalen ist eine signifikante Diskrepanz zwischen der Qualität der publizierten Daten (MIQE konform) und deren Aussagekraft zu bemängeln.

Deswegen wurde eine Checkliste der unerlässlichen und wünschenswerten Schritte erarbeitet, die bei Einsatz der qPCR befolgt werden sollten. Werden diese entsprechend beachtet, sollte dies Autoren in die Lage versetzen, qPCR Experimente richtig umzusetzen und zu veröffentlichen. Gleichzeitig werden Gutachter und Redakteure von Fachzeitschriften und auch Laborleiter auf diese Weise die technische Qualität der veröffentlichten Daten anhand des etablierten Maßstabs beurteilen können. Vor allem aber sollte die Einhaltung dieser Richtlinie dazu führen, dass nur noch Ergebnisse veröffentlicht werden, die sachlich richtig, zuverlässig und somit auch glaubhaft sind.

Das Originalpaper wurde 2009 in Englisch in Clinical Chemistry publiziert und ist bis dato in drei Weltsprachen, das Chinesische (2010), das Japanische (2013) sowie Arabische (2013) übersetzt worden. Bis zum Dezember 2013 sind die MIQE Guidelines bereits 2000-mal rezitiert worden.

 

Auswertung von unterschiedlichen qPCR Kurvenanalysenmethoden zur zuverlässigen Bestimmung von transkriptionellen Biomarkern: Bias, Auflösung, Präzision und deren Auswirkungen

Evaluation of qPCR curve analysis methods for reliable biomarker discovery: Bias, resolution, precision, and implications

Ruijter, J.M.[57]; Pfaffl, M.W.; Zhao, S.[58]; Spiess, A.N.[59]; Boggy, G.[60]; Blom, J.[61]; Rutledge, R.G.[62]; Sisti, D.[63]; Lievens, A.[64]; De Preter, K.51; Derveaux, S.51,[65]; Hellemans, J.32,42; Vandesompele, J.42,51,: Methods 59 (2013) 32-46

 

In der molekularen Diagnostik werden heute RNA-Transkripte (mRNA oder microRNA) sehr häufig als Biomarker eingesetzt, um Krankheiten zu diagnostizieren oder deren Verlauf zu verfolgen. Die Reverse Transkription (RT) in Verbindung mit der quantitativen PCR (qPCR) hat sich als der Goldstandard entwickelt, diese RNA-Transkripte zu detektieren und um kleinste Mengenänderungen zu quantifizieren. Parallel zur weltweiten Verbreitung der RT-qPCR und der zunehmenden Verwendung in der biomedizinischen Forschung erlebten wir ebenso eine Zunahme der unterschiedlichsten Methoden zur RT-qPCR Datenbestimmung sowie deren Analyse. Die meisten Verfahren verwenden mathematische Algorithmen, um die mRNA oder microRNA Konzentrationen und die Effizienz der PCR-Reaktion, also die x-fache Zunahme des pro PCR Zyklus, zu berechnen. In dieser vergleichenden Studie sollte nun gezeigt werden, welche der publizierten und angewandten Methoden Vorteile oder auch Nachteile mit sich bringt, und welche sich am besten zur Identifizierung von transkriptionellen Biomarkern eignet.

 


[1]         Centre for Academic Surgery, Institute of Cell and Molecular Science, Barts and the London School of Medicine and Dentistry, London, UK

[2]         Genomics Core Facility, EMBL Heidelberg, Heidelberg, Germany

[3]         Centre for Virology, Department of Infection, University College London, London, UK

[4]         Department of Virology, UCL Hospitals NHS Foundation Trust, London, UK

[5]         Center for Medical Genetics, Ghent University Hospital, Ghent, Belgium

[6]         Centre for Infectious Diseases, University College London, London, UK

[7]         TATAA Biocenter, Göteborg, Sweden

[8]         Institute of Biotechnology AS CR, Prague, Czech Republic

[9]         Sequenom, San Diego, California, USA

[10]       Sigma-Aldrich, Haverhill, UK

[11]       Quantitative Genomics Core Laboratory, Department of Integrative Biology and Pharmacology, University of Texas Health Science Center, Houston, Texas, USA

[12]       Department of Pathology, University of Utah, Salt Lake City, Utah, USA

[13]       ARUP Institute for Clinical and Experimental Pathology, Salt Lake City, Utah, USA

[14]       Postgraduate Medical Institute, Anglia Ruskin University, Chelmsford, UK

[15]       Biogazelle NV, Zwijnaarde, Belgium, Center for Medical Genetics,Ghent University, Ghent,Belgium

[16]       Molecular and Cell Biology LGC, Teddington, UK

[17]       RM Consulting, San Diego, California, USA

[18]       Shipley Consulting, Austin, Texas, USA

[19]       Institute of Sports Medicine, Bispebjerg Hospital, Copenhagen, Denmark

[20]       Faculty of Medicine and Manchester Institute of Biotechnology, University of Manchester, Manchester, UK

[21]       Faculty of Medicine, University of Coimbra, Coimbra, Portugal

[22]       Centro de Biologia Molecular Severo Ochoa (CSIC-UAM), Madrid, Spain

[23]       Faculty of Medicine and Health Sciences, Université de Sherbrooke, Sherbrooke, Québec, Canada

[24]       Center for Medical Genetics, Ghent University, Ghent, Belgium

[25]       Department of Gastroenterology, Ghent University, Ghent, Belgium

[26]       School of Agriculture and Food Science, University College Dublin, Dublin, Ireland

[27]       Pathlicon NV, Evergem, Belgium

[28]       School of Biological Sciences, University of Bristol, Bristol, UK

[29]       Department of Morphology, Ghent University, Merelbeke, Belgium

[30]       Department of Gastroenterology and Hepatology, Ghent University, Ghent, Belgium

[31]       Centre for Environmental Sciences, Hasselt University, Diepenbeek, Belgium

[32]       Department of Medical Protein Research, VIB, Ghent University, Ghent, Belgium

[33]       Department of Movement and Sports Sciences, Ghent University, Ghent, Belgium

[34]       Department of Internal Medicine, Ghent University, Ghent, Belgium

[35]       Center for Molecular and Vascular Biology, University of Leuven, Leuven, Belgium

[36]       Department of Veterinary Pathology, Iowa State University, Ames, Iowa, USA

[37]       Department of Nutrition, Genetics and Ethology, Ghent University, Merelbeke, Belgium

[38]       Department of Medical Biochemistry and Microbiology, Uppsala University, Uppsala, Sweden

[39]       Thünen Institute of Forest Genetics, Grosshansdorf, Germany

[40]       Department of Clinical Research, University of Bern, Bern, Switzerland

[41]       Department of Plant Systems Biology, VIB, Ghent University, Ghent, Belgium

[42]       Atlantic Veterinary College, University of Prince Edward Island, Charlottetown, Prince Edward Island, Canada

[43]       Department of Pediatric Hematology, Oncology and Stem Cell Transplantation, Ghent University Hospital, Ghent, Belgium

[44]       Department of General Internal Medicine and Infectious Diseases, Ghent University Hospital, Ghent, Belgium

[45]       IRTA, Sant Carles de la Ràpita, Spain

[46]       Department of Biomedical Sciences, Institute of Tropical Medicine, Antwerp, Belgium

[47]       Department of Reproduction, Obstetrics and Herd Health Management, Ghent University, Ghent, Belgium

[48]       National Institute of Nutrition and Seafood Research, Bergen, Norway

[49]       Department of Otorhinolaryngology, Ghent University Hospital, Ghent, Belgium

[50]       Julius Wolff Institute, Charité – Universitätsmedizin Berlin, Berlin, Germany

[51]       National Veterinary Institute, Technical University of Denmark, Frederiksberg, Denmark

[52]       Department of Orthopaedics, Medical University of Vienna, Vienna, Austria

[53]       Department of Dermatology, Ghent University, Ghent, Belgium

[54]       Sigma-Aldrich Sweden AB, Stockholm, Sweden

[55]       Muscle Development and Regeneration Program, Sanford-Burnham Medical Research Institute, La Jolla, California, USA

[56]       Laboratory of Transcriptional Networks, Centre for Ingegrative Biology (CIBIO), Trento, Italy

[57]       Department of Anatomy, Embryology & Physiology, Academic Medical Center, Amsterdam, The Netherlands

[58]       Department of Psychology and Helen Wills Neuroscience Institute, University of California, Berkeley, USA

[59]       Department of Andrology, University Hospital Hamburg-Eppendorf, Germany

[60]       DNA Software Inc., Ann Arbor, MI 48104, USA

[61]       Bioinformatics Resource Facility, Center for Biotechnology, Bielefeld University, Germany

[62]       Natural Resources Canada, Canadian Forest Service, Laurentian Forestry Centre, Quebec, Canada

[63]       Department of Biomolecular Science, University of Urbino, Urbino, Italy

[64]       Department of Applied Mathematics and Computer Science, Ghent University, Ghent, Belgium

[65]       Current address: Wafergen, Fremont, CA, USA

© Lehrstuhl für Tierphysiologie und Immunologie    

    Letzte Änderung: 29.10.2015