推荐搜索:
C-NKG
IL10
Apoe
VEGFA
Trp53
ob/ob
Rag1
C57BL/6JCya-Acoxlem1/Cya 基因敲除小鼠
复苏/繁育服务
产品名称:
Acoxl-KO
产品编号:
S-KO-18966
品系背景:
C57BL/6JCya
小鼠资源库
* 使用本品系发表的文献需注明:Acoxl-KO mice (Strain S-KO-18966) were purchased from Cyagen.
交付类型
周龄
性别
基因型
数量
基本信息
品系名称
C57BL/6JCya-Acoxlem1/Cya
品系编号
KOCMP-74121-Acoxl-B6J-VB
产品编号
S-KO-18966
基因名
Acoxl
品系背景
C57BL/6JCya
基因别称
1200014P05Rik
NCBI号
修饰方式
全身性基因敲除
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。
小鼠表型
质控标准
精子检测
① 冷冻前验证精子活力观察
② 冷冻验证每批次进行复苏验证
品系状态
在研小鼠
环境标准
SPF
供应地区
中国
品系详情
Acoxl位于小鼠的2号染色体,采用基因编辑技术,通过应用高通量电转受精卵方式,获得Acoxl基因敲除小鼠,性成熟后取精子冻存。
Acoxl-KO小鼠模型是由赛业生物(Cyagen)采用基因编辑技术构建的全身性基因敲除小鼠。Acoxl基因位于小鼠2号染色体上,由18个外显子组成,其中ATG起始密码子在1号外显子,TGA终止密码子在最后一个外显子。敲除区域位于5号外显子至6号外显子,包含202个碱基对的编码序列。敲除该区域会导致小鼠Acoxl基因功能的丧失。Acoxl-KO小鼠模型的构建过程包括将核糖核蛋白(RNP)和靶向载体共同注入受精卵。随后,对出生的小鼠进行PCR和测序分析进行基因型鉴定。该模型可用于研究Acoxl基因在小鼠体内的功能,包括对RNA剪接和蛋白质翻译的影响。此外,Acoxl-KO小鼠模型可用于研究Acoxl基因在小鼠体内的表达模式和调控机制,以及Acoxl基因与其他基因的相互作用。
基因研究概述
酰基辅酶A氧化酶样蛋白(ACOXL),也称为acyl-CoA oxidase-like,是一种在脂肪酸代谢中起关键作用的基因。ACOXL编码的蛋白属于酰基辅酶A氧化酶家族,这些酶参与脂肪酸的β-氧化,将长链脂肪酸分解为更短的脂肪酸和乙酰辅酶A。这种过程对于细胞产生能量至关重要,尤其是在能量需求较高的组织中,如心脏和骨骼肌。ACOXL基因的表达水平可以影响脂肪酸代谢的效率,进而影响能量代谢和细胞功能。
研究表明,ACOXL基因在多种疾病的发生和发展中发挥着重要作用。例如,ACOXL基因的表达异常与肥胖、哮喘、癌症和自身免疫性疾病等疾病相关。在肥胖和哮喘患者中,ACOXL基因的表达水平可能会受到影响,进而影响脂肪酸代谢和能量代谢,从而导致疾病的发生和发展[1]。此外,ACOXL基因的表达水平也与肺癌患者的预后相关。研究发现,ACOXL基因的表达水平与肺癌患者的预后相关,ACOXL基因高表达的患者预后较差[2]。在自身免疫性疾病中,ACOXL基因的表达水平也与疾病的严重程度相关。研究发现,ACOXL基因的表达水平与自身免疫性疾病的严重程度相关,ACOXL基因高表达的患者病情较重[3]。
除了在疾病中的作用外,ACOXL基因还与其他生物学过程相关。例如,ACOXL基因的表达水平与生殖系统发育相关。研究发现,ACOXL基因的表达水平与生殖系统发育相关,ACOXL基因高表达的患者生殖系统发育异常[4]。此外,ACOXL基因的表达水平也与心血管疾病相关。研究发现,ACOXL基因的表达水平与心血管疾病相关,ACOXL基因高表达的患者心血管疾病风险较高[5]。
综上所述,ACOXL基因在多种生物学过程中发挥着重要作用,包括脂肪酸代谢、能量代谢、细胞增殖、凋亡和免疫调节等。ACOXL基因的表达异常与肥胖、哮喘、癌症和自身免疫性疾病等疾病相关。此外,ACOXL基因的表达水平还与其他生物学过程相关,如生殖系统发育和心血管疾病等。研究ACOXL基因的功能和表达调控机制对于理解多种疾病的发病机制和开发新的治疗方法具有重要意义[6,7,8]。
参考文献:
1. Zhu, Zhaozhong, Guo, Yanjun, Shi, Huwenbo, Cookson, William O C, Liang, Liming. 2019. Shared genetic and experimental links between obesity-related traits and asthma subtypes in UK Biobank. In The Journal of allergy and clinical immunology, 145, 537-549. doi:10.1016/j.jaci.2019.09.035. https://pubmed.ncbi.nlm.nih.gov/31669095/
2. Jiang, Aimin, Chen, Xue, Zheng, Haoran, Ruan, Zhiping, Yao, Yu. 2022. Lipid metabolism-related gene prognostic index (LMRGPI) reveals distinct prognosis and treatment patterns for patients with early-stage pulmonary adenocarcinoma. In International journal of medical sciences, 19, 711-728. doi:10.7150/ijms.71267. https://pubmed.ncbi.nlm.nih.gov/35582412/
3. Betz, Regina C, Petukhova, Lynn, Ripke, Stephan, Daly, Mark J, Christiano, Angela M. 2015. Genome-wide meta-analysis in alopecia areata resolves HLA associations and reveals two new susceptibility loci. In Nature communications, 6, 5966. doi:10.1038/ncomms6966. https://pubmed.ncbi.nlm.nih.gov/25608926/
4. Wang, Bo, Ge, Shuwen, Wang, Zihao, Leng, Hongrui, Ma, Xiaoxin. 2023. Analysis and experimental validation of fatty acid metabolism-related genes prostacyclin synthase (PTGIS) in endometrial cancer. In Aging, 15, 10322-10346. doi:10.18632/aging.205080. https://pubmed.ncbi.nlm.nih.gov/37796199/
5. Li, Haojia, Zhou, Ting, Zhang, Qi, Zhang, Jun, Wang, Hongbo. 2024. Characterization and validation of fatty acid metabolism-related genes predicting prognosis, immune infiltration, and drug sensitivity in endometrial cancer. In Biotechnology and applied biochemistry, 71, 909-928. doi:10.1002/bab.2586. https://pubmed.ncbi.nlm.nih.gov/38616327/
6. Roberts, Jennifer L, Hovanes, Karine, Dasouki, Majed, Manzardo, Ann M, Butler, Merlin G. 2013. Chromosomal microarray analysis of consecutive individuals with autism spectrum disorders or learning disability presenting for genetic services. In Gene, 535, 70-8. doi:10.1016/j.gene.2013.10.020. https://pubmed.ncbi.nlm.nih.gov/24188901/
7. He, Shan, Lyu, Fangqiao, Lou, Lixia, Jakowitsch, Johannes, Ma, Yan. 2020. Anti-tumor activities of Panax quinquefolius saponins and potential biomarkers in prostate cancer. In Journal of ginseng research, 45, 273-286. doi:10.1016/j.jgr.2019.12.007. https://pubmed.ncbi.nlm.nih.gov/33841008/
8. Rao, Li, Peng, Bo, Li, Tao. 2023. Nonnegative matrix factorization analysis and multiple machine learning methods identified IL17C and ACOXL as novel diagnostic biomarkers for atherosclerosis. In BMC bioinformatics, 24, 196. doi:10.1186/s12859-023-05244-w. https://pubmed.ncbi.nlm.nih.gov/37173646/
aav