Slc35g2-KO 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

Slc35g2-KO 基因敲除小鼠

产品编号

S-KO-07570

品系全称

C57BL/6JCya-Slc35g2em1/Cya

品系背景

C57BL/6JCya

品系编号

KOCMP-245020-Slc35g2-B6J-VA

品系状态

使用本品系发表的文献需注明: Slc35g2-KO 基因敲除小鼠 mice (Strain S-KO-07570) were purchased from Cyagen.
交付类型
周龄
性别
基因型
数量

基本信息

基因研究概述

质控标准

基因
基因全称
solute carrier family 35, member G2
基因别称
Gm519,Tmem22
染色体号
Chr 9 (Mouse)
转录本 ID
NCBI: NM_001101483.1 | Ensembl: ENSMUST00000093792
修饰方式
全身性基因敲除
靶向范围
Exon 2
敲除长度
~1234 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
Slc35g2基因,全称为溶质载体家族35成员G2(Solute Carrier Family 35 Member G2),编码一种糖基转移酶。这类酶负责将糖残基转移到糖蛋白和糖脂上,这些糖基化修饰在细胞识别、信号传导、细胞粘附和细胞迁移等生物学过程中发挥重要作用。Slc35g2基因位于人类染色体2q31.1区域,其表达受多种转录因子和信号通路的调控。Slc35g2基因的突变可能导致多种疾病,包括遗传性疾病和癌症。

Fu等人[1]的研究表明,Slc35g2基因在乙型肝炎阳性的肝细胞癌(HCC)患者中具有预后价值。他们通过分析142例乙型肝炎阳性HCC患者的甲基化和转录组数据,筛选出10个预后相关的甲基化驱动基因,其中包括Slc35g2。他们构建了一个预后风险评分模型,该模型能够独立地预测HCC患者的长期生存率。此外,他们还构建了一个包含HBV状态和病理分级的风险评分模型,以进一步提高预测的准确性。

Jiang等人[2]的研究表明,Slc35g2基因在中国儿童癫痫患者中存在新发变异,这些变异可能与癫痫的发生有关。他们通过对221例儿童癫痫患者的全外显子测序分析,发现Slc35g2基因存在新发变异,这些变异可能与癫痫的发生和发展有关。这些发现为儿童癫痫的遗传诊断和治疗提供了新的思路。

Wrzesiński等人[3]的研究表明,Slc35g2基因在透明细胞肾细胞癌(ccRCC)中表达下调,可能与ccRCC的发生和发展有关。他们通过对10个TMEM基因的表达分析,发现Slc35g2基因在ccRCC肿瘤中表达下调,且这种下调与肿瘤的进展和临床参数相关。这些发现表明,Slc35g2基因可能作为ccRCC的一个潜在生物标志物。

Zhang等人[4]的研究表明,Slc35g2基因在HCC中与微血管侵犯(MVI)相关,可能与HCC的预后有关。他们通过对HCC的单细胞转录组分析和机器学习算法,构建了一个包含11个基因的预后模型,其中包括Slc35g2。该模型能够预测HCC患者的预后,并区分高风险和低风险患者。这些发现为HCC的个性化治疗提供了新的思路。

综上所述,Slc35g2基因在多种疾病中发挥重要作用,包括HCC、ccRCC和癫痫。Slc35g2基因的表达异常可能与这些疾病的发生和发展有关。因此,Slc35g2基因可能作为这些疾病的潜在生物标志物和治疗方法。

参考文献:
1. Fu, Jie, Qin, Wei, Tong, Qing, Wang, Zicheng, Xu, Xundi. 2022. A novel DNA methylation-driver gene signature for long-term survival prediction of hepatitis-positive hepatocellular carcinoma patients. In Cancer medicine, 11, 4721-4735. doi:10.1002/cam4.4838. https://pubmed.ncbi.nlm.nih.gov/35637633/
2. Jiang, Tiejia, Gao, Jia, Jiang, Lihua, Yang, Ying, Gao, Feng. 2021. Application of Trio-Whole Exome Sequencing in Genetic Diagnosis and Therapy in Chinese Children With Epilepsy. In Frontiers in molecular neuroscience, 14, 699574. doi:10.3389/fnmol.2021.699574. https://pubmed.ncbi.nlm.nih.gov/34489640/
3. Wrzesiński, Tomasz, Szelag, Malgorzata, Cieślikowski, Wojciech A, Bluyssen, Hans A R, Wesoly, Joanna. 2015. Expression of pre-selected TMEMs with predicted ER localization as potential classifiers of ccRCC tumors. In BMC cancer, 15, 518. doi:10.1186/s12885-015-1530-4. https://pubmed.ncbi.nlm.nih.gov/26169495/
4. Zhang, Jiayi, Zhang, Zheng, Yang, Chenqing, Liu, Qingguang, Song, Tao. 2025. Development of a MVI associated HCC prognostic model through single cell transcriptomic analysis and 101 machine learning algorithms. In Scientific reports, 15, 7977. doi:10.1038/s41598-025-91475-1. https://pubmed.ncbi.nlm.nih.gov/40055377/