Adck5-flox 基因敲除小鼠

下单100%中奖,最高可得千元京东卡
复苏/繁育服务
产品名称

Adck5-flox 基因敲除小鼠

产品编号

S-CKO-09704

品系全称

C57BL/6JCya-Adck5em1flox/Cya

品系背景

C57BL/6JCya

品系编号

CKOCMP-268822-Adck5-B6J-VA

品系状态

使用本品系发表的文献需注明: Adck5-flox 基因敲除小鼠 mice (Strain S-CKO-09704) were purchased from Cyagen.
交付类型
周龄
性别
基因型
数量
cKO小鼠库模型

基本信息

基因研究概述

质控标准

基因
基因全称
aarF domain containing kinase 5
基因别称
A230108P17
染色体号
Chr 15 (Mouse)
转录本 ID
NCBI: NM_172960.3 | Ensembl: ENSMUST00000162503
修饰方式
条件性基因敲除
靶向范围
Exon 2
敲除长度
~604 bp
品系说明
该品系是基于策略设计时的数据库信息制作而成,建议您在购买前查询最新的数据库和相关文献,以获取最准确的表型信息。
表型提示
ADCK5(aarF结构域包含激酶5)是一种非典型的激酶家族成员,在多种癌症中过度表达,包括肺癌。ADCK5在调节细胞功能中发挥着重要作用,如细胞迁移、侵袭和细胞周期进程。

在肺癌中,ADCK5通过磷酸化转录因子SOX9来调节肿瘤原癌基因PTTG1的表达,从而增强肺癌细胞的迁移和侵袭能力[1]。研究发现,SOX9的丝氨酸181位点可能对于维持SOX9的转录激活和增加PTTG1水平至关重要。因此,ADCK5-SOX9-PTTG1通路可能成为肺癌治疗的一个潜在靶点。

在儿童过敏性哮喘中,ADCK5与MFN1、BNIP3和NBR1等线粒体相关基因之间存在强烈的相互作用。此外,NDUFAF7、MTIF3、MRPS26和NDUFAF1等线粒体相关基因在儿童过敏性哮喘中被下调,并可能通过影响线粒体相关功能来影响炎症反应[2]。

在胰腺癌中,ADCK5与Pbk、Fastk、Cdk19、Trim28和Pfkp等基因一起,被确定为可能调节CD73表达的基因。CRISPR/Cas9介导的CD73敲除可以抑制细胞生长和迁移,并诱导G1细胞周期阻滞[3]。

BRD抑制剂治疗可以导致FYN、NEK9和ADCK5等多种激酶的过度表达。研究发现,靶向FYN或NEK9可以有效地减少BRD抑制剂处理后癌细胞的增殖[4]。

在前列腺癌中,ADCK5被确定为与细胞衰老相关的预后特征之一。研究发现,风险评分与肿瘤突变负担(TMB)和免疫检查点呈正相关,而与肿瘤免疫功能障碍和排除(TIDE)呈负相关,提示这些患者可能对免疫治疗更敏感[5]。

在动脉粥样硬化中,ADCK5启动子区域的低甲基化被确定为预测颅脑血管动脉粥样硬化的一个新型表观遗传标记[6]。

在中国红草原牛中,ADCK5是1291个和1285个潜在选择基因之一,这些基因与肌肉生长和分化、牛奶生产和脂质代谢相关[7]。

在复发性种植失败(RIF)中,ADCK5是8个与RIF相关的特征基因之一,这些基因与细胞命运决策和免疫调节密切相关。研究发现,RIF子宫内膜在种植窗口期间存在免疫微环境异常,包括免疫细胞浸润、免疫功能和人类白细胞抗原(HLA)基因和免疫检查点基因的表达[8]。

在荷斯坦奶牛中,ADCK5是与产奶量、乳脂率和乳蛋白率相关的候选基因之一[9]。此外,ADCK5也是与乳脂率相关的28个高效应标记之一[10]。

综上所述,ADCK5在多种生物学过程中发挥着重要作用,包括细胞迁移、侵袭、细胞周期进程、线粒体功能和免疫调节。ADCK5在多种疾病中过度表达,包括肺癌、胰腺癌和前列腺癌,并可能成为这些疾病治疗的新靶点。此外,ADCK5的基因多态性与儿童过敏性哮喘和动脉粥样硬化的易感性相关。ADCK5的研究有助于深入理解其生物学功能和疾病发生机制,为疾病的治疗和预防提供新的思路和策略。

参考文献:
1. Qiu, Minglian, Li, Guoping, Wang, Pengcheng, Liu, Bo, Lin, Jianbo. 2020. aarF domain containing kinase 5 gene promotes invasion and migration of lung cancer cells through ADCK5-SOX9-PTTG1 pathway. In Experimental cell research, 392, 112002. doi:10.1016/j.yexcr.2020.112002. https://pubmed.ncbi.nlm.nih.gov/32277958/
2. Zhao, Wei, Fang, Hongjuan, Wang, Tao, Yao, Chao. 2024. Identification of mitochondria-related biomarkers in childhood allergic asthma. In BMC medical genomics, 17, 141. doi:10.1186/s12920-024-01901-y. https://pubmed.ncbi.nlm.nih.gov/38783263/
3. Zhang, Jinping, Zhang, Shuman, Dörflein, Isabella, Duan, Xianglong, Pilarsky, Christian. 2023. Impact of CRISPR/Cas9-Mediated CD73 Knockout in Pancreatic Cancer. In Cancers, 15, . doi:10.3390/cancers15194842. https://pubmed.ncbi.nlm.nih.gov/37835536/
4. Chandrashekar, Darshan S, Afaq, Farrukh, Karthikeyan, Santhosh Kumar, Manne, Upender, Varambally, Sooryanarayana. 2024. Bromodomain inhibitor treatment leads to overexpression of multiple kinases in cancer cells. In Neoplasia (New York, N.Y.), 57, 101046. doi:10.1016/j.neo.2024.101046. https://pubmed.ncbi.nlm.nih.gov/39241280/
5. Han, Chenglin, Deng, Yuxuan, Yang, Bin, Xia, Qidong, Liu, Xiaming. 2023. Identification of a novel senescence-associated signature to predict biochemical recurrence and immune microenvironment for prostate cancer. In Frontiers in immunology, 14, 1126902. doi:10.3389/fimmu.2023.1126902. https://pubmed.ncbi.nlm.nih.gov/36891298/
6. Kim, Jee Yeon, Jelinek, Jaroslav, Lee, Young Ho, Issa, Jean-Pierre J, Kim, Jei. 2023. Hypomethylation in MTNR1B: a novel epigenetic marker for atherosclerosis profiling using stenosis radiophenotype and blood inflammatory cells. In Clinical epigenetics, 15, 11. doi:10.1186/s13148-023-01423-x. https://pubmed.ncbi.nlm.nih.gov/36658621/
7. Hu, Mingyue, Jiang, Hao, Lai, Weining, Yan, Shouqing, Zhang, Jiabao. 2023. Assessing Genomic Diversity and Signatures of Selection in Chinese Red Steppe Cattle Using High-Density SNP Array. In Animals : an open access journal from MDPI, 13, . doi:10.3390/ani13101717. https://pubmed.ncbi.nlm.nih.gov/37238146/
8. Zhao, Xiaoxuan, Zhao, Yang, Jiang, Yuepeng, Zhang, Qin. 2022. Deciphering the endometrial immune landscape of RIF during the window of implantation from cellular senescence by integrated bioinformatics analysis and machine learning. In Frontiers in immunology, 13, 952708. doi:10.3389/fimmu.2022.952708. https://pubmed.ncbi.nlm.nih.gov/36131919/
9. Teng, Jun, Wang, Dan, Zhao, Changheng, Ning, Chao, Zhang, Qin. 2023. Longitudinal genome-wide association studies of milk production traits in Holstein cattle using whole-genome sequence data imputed from medium-density chip data. In Journal of dairy science, 106, 2535-2550. doi:10.3168/jds.2022-22277. https://pubmed.ncbi.nlm.nih.gov/36797187/
10. Peters, Sunday O, Kızılkaya, Kadir, Ibeagha-Awemu, Eveline M, Sinecen, Mahmut, Zhao, Xin. 2020. Comparative accuracies of genetic values predicted for economically important milk traits, genome-wide association, and linkage disequilibrium patterns of Canadian Holstein cows. In Journal of dairy science, 104, 1900-1916. doi:10.3168/jds.2020-18489. https://pubmed.ncbi.nlm.nih.gov/33358789/