CC BY
19УДК 612.39
DOI 10.29141/2500-1922-2023-8-2-1 EDN BHBMNI
Коммерчески доступные глюканы разного сырьевого происхождения -оптимизация использования с позиций нутригеномики
А.С. Уткина1 В.П. Карагодин 1
1Российский экономический университет им. Г.В. Плеханова, г. Москва, Российская Федерация
Реферат
С помощью транскриптомного анализа при использовании клеточной модели с макрофагами определены гены, дифференциально экспрессируемые под действием глюканов разного сырьевого происхождения. Общее количество генов, активность которых существенно возрастала или снижалась под действием трех разных глюканов, составило 16. Обнаружено сходство эффектов глюканов из дрожжей и грибов, в отличие от эффектов глюкана из овса. Величина изменения экспрессии одних и тех же генов была несколько выше под влиянием глюкана из дрожжей, по сравнению с глюканом из грибов. Профиль экспрессии трех генов (IL-10, TNF-a и MIF) изменился сходным образом под действием всех изученных глюканов. Описаны биологические эффекты, с которыми ассоциированы гены, характеризующиеся наиболее существенным изменением экспрессии. Эти данные позволяют считать, что глюканы из дрожжей и грибов являются иммуномодуляторами, тогда как глюкан из овса регулирует в основном процессы воспаления и обмена холестерина. Проведенные эксперименты дают возможность оптимизировать рекомендации по практическому применению глюканов в оздоровительных целях с точки зрения выбора товарной формы глюкана и ожидаемых эффектов.
Для цитирования: Уткина А.С., Карагодин В.П. Коммерчески доступные глюканы разного сырьевого происхождения - оптимизация использования с позиций нутригеномики//Индустрия питания|Food Industry. 2023. Т. 8, № 2. С. 6-12. DOI: 10.29141/25001922-2023-8-2-1. EDN: BHBMNI.
Дата поступления статьи: 21 марта 2023 г.
Commercially Available Glucans
of Various Raw Materials - Use Optimization
from the Nutrigenomics Standpoint
Aleksandra S. Utkina1 Vasilii P. Karagodin1
1Plekhanov Russian University of Economics, Moscow, Russian Federation
Abstract
A man determined genes differentially expressed under the action of different raw materials glucans by the transcriptomic analysis using a cell model with macrophages. The total number of genes was 16; its activity increased or decreased significantly under the action of three different glucans. There are effects similarity of glucans from yeast and fungi, in contrast to the effects of glucan from oats. The change magnitude in the expression of the same genes was slightly higher under the influence of glucan from yeast than glucan from
Н Utkina.AS@rea.ru
Ключевые слова:
бета-глюкан; биологически-активная добавка;
продукт спортивного питания;
нутригеномика;
клеточная модель;
макрофаги;
транскриптомный анализ
И Utkina.AS@rea.ru
Keywords:
beta-glucan; dietary supplements; sports nutrition product; nutrigenomics;
fungi. The expression profile of three genes (IL-10, TNF-a and MIF) changed in a similar way under the influence of all studied glucans. The manuscript describes biological effects associated with the genes characterized by the most significant change in expression. These data suggest that glucans from yeast and fungi are immunomodulators, whereas glucan from oats regulates mainly the inflammation and cholesterol metabolism processes. The conducted experiments enable to optimize recommendations on the practical glucans use for health purposes in terms of the glucan commercial form choice and the expected effects.
For citation: Aleksandra S. Utkina, Vasilii P. Karagodin. Commercially Available Glucans of Various Raw Materials - Use Optimization from the Nutrigenomics Standpoint. Индустрия питания|Food Industry. 2023. Vol. 8, No. 2. Pp. 6-12. DOI: 10.29141/2500-1922-2023-8-2-1. EDN: BHBMNI.
Paper submitted: March 21, 2023
cell model; macrophages; transcriptomic analysis
Введение
Потребительская ценность специализированных пищевых продуктов (СПП) обусловлена их способностью повышать потенциальные возможности организма (спортивное питание) и (или) снижать риск развития неинфекционных хронических заболеваний (функциональное питание).
Одними из СПП, используемыми как в виде медико-биологических препаратов, так и в качестве функциональных ингредиентов более сложных пищевых систем, являются бета-глю-каны, представленные целым семейством сходных молекулярных структур [1].
В литературе имеются сведения об оздоровительном действии глюканов разного сырьевого происхождения, полученные на многих объектах исследования [2; 3]. Например, в составе продуктов спортивного питания (ПСП) глюканы благоприятно воздействуют на иммунную систему и помогают повысить сопротивляемость к инфекциям, а также улучшают физическую и восстановительную активность организма [4].
Однако широкому применению глюканов в оздоровительном питании и пищевой промышленности препятствует целый ряд факторов, связанных главным образом с недостаточной изученностью механизмов их действия на человека, что приводит к невозможности оптимизировать такие параметры, как товарная форма продукта, доза, длительность воздействия на потребителя, которые определяют величину конечного эффекта.
В связи с этим перспективным исследовательским инструментом представляются методы, разработанные на основе достижений молекулярной биологии и генетики, в частности ну-тригеномика [5]. Принципиальным при таком подходе является идентификация гена-мишени, экспрессия которого изменяется под действием нутриента. Ранее нами были опубликованы данные по нутригеномике глюкана, влияющего
на экспрессию единственного гена-кандидата CADM1, установленного с помощью информационного поиска [6].
Однако механизм действия глюканов на организм вполне может быть полигеномным, когда выявление функционально связанных, коорди-нированно экспрессирующихся генов, контролирующих выполнение определенных функций организма, позволяет существенно уточнить протокол применения глюкана. В настоящее время это возможно осуществить с помощью полногеномного транскриптомного анализа. Данная технология позволяет количественно определять уровни экспрессии генов и аллель-специфическую экспрессию в одном эксперименте, а также идентифицировать ключевые гены, ассоциированные с конкретной патологией или действием внешнего стимула (например, изучаемого соединения). Параллельный сравнительный анализ экспрессии генов дает возможность проследить все закономерности изменений и определить меж- и внутриклеточные сигнальные пути.
При выполнении данного исследования решались следующие задачи:
• с использованием клеточной модели определить дифференциально экспрессируемые под действием глюканов гены;
• описать возможные биологические эффекты, реализуемые метаболитами (белками, ферментами, гормонами и т. п.), которые кодируются выявленными генами;
• уточнить связь активности коммерчески доступных глюканов по отношению к ключевым генам с сырьевыми источниками их получения;
• сформулировать вытекающие из результатов проведенных экспериментов рекомендации по практическому применению глюканов в оздоровительных целях с точки зрения выбора их товарной формы и ожидаемых эффектов.
Объекты и методы исследования
Объектами исследования служили коммерчески доступные в товарной форме БАД с известным содержанием глюканов высокой степени очистки (> 93 %) в качестве основного активного компонента. БАД с глюканом (beta-1,3-glucans) из стенок хлебопекарных дрожжей Saccharomyces cerevisiae представляла собой таблетки производителя Solgar Inc. (США); БАД «Бета Глюкан 120» (бета-1,3/1,6^-глюкан) из грибов вешенки - капсулы производителя Natures s.r.o. (Словацкая Республика);БАД «OatWell® 22» (бета-1,3/1,4^-глюкан из овса) - порошок производителя Swedish Oat Fiber AB (Швеция). Перед проведением экспериментов указанные БАД растворяли в диметилсульфоксиде до требуемой концентрации глюкана, капсулы и таблетки предварительно подвергали микронизи-рованию до 5 мкм.
Клеточная модель - макрофагоподобные клетки линии THP-1. Культура моноцитарного происхождения ТНР-1, приобретенная из коллекции культур клеток позвоночных Института цитологии РАН (Санкт Петербург), выращивалась в рекомендуемой поставщиком ростовой среде, способ культивирования - суспензионный. Моноциты THP-1 культивировали в 24-луночных планшетах, выращивали в среде RPMI 1640 с 10 % FBS и дифференцировали в макрофагоподобные клетки (МКФ) с 50 нг/мл PMA (Sigma, США) в течение 48 ч при 37 °C.
Транскриптомный анализ. Объектами для проведения транскриптомного анализа являлись клетки THP-1, подвергнутые обработке по следующей схеме. В день эксперимента культу-ральную среду заменяли на среду DMEM с 10 % липодефицитной сыворотки. К МКФ добавляли глюкан в концентрации 100 мкг/мл. В качестве контроля использовали клетки, которые продолжали культивировать в среде без добавления глюкана. Контрольные клетки (отсутствие образцов глюкана в инкубационной среде) получали в идентичных условиях.
Тотальную РНК выделяли путем фенол-хлороформной экстракции и осаждали изопро-панолом [7]. Выделенную РНК обрабатывали ДНКазой Turbo DNase (Life Technologies, США) для удаления следовых количеств геномной ДНК, затем проводили очистку набором RNeasy mini kit (Qiagen, Нидерланды).
Качество образцов РНК оценивали при помощи прибора Agilent Bioanalyzer RNA 6000 Nano/Pico (Agilent, США). Для удаления рибо-сомальной РНК использовали набор RiboZero Epidemiology (Illumina, США). РНК фрагментиро-вали с помощью RNA Fragmentation Reagent (Life Technologies, США).
Построение библиотек кДНК проводили с применением набора NEBNext Ultra II Directional RNA Library Prep Kit (NEB, США) и анализировали их качество в соответствии с рекомендациями производителя. Секвенирование библиотек кДНК проводили методом параллельного двух-концевого секвенирования в секвенаторе HiSeq 2500 (Illumina, США).
Первичную обработку данных секвенирования выполняли с помощью программного обеспечения Torrent Suite (Thermo Fisher, США). Качество секвенирования оценивали с помощью программы оценки качества FASTQC (Babraham Institute, Великобритания). Сборка генома H. sapiens GRCh38 использовалась в качестве контрольной последовательности.
Прочтения (риды) были картированы с помощью программы Tophat2 [8]. Для подсчета количества ридов использовали программу htseq-count [9]. Методы Limma [10] и RankProd [11] использовали для идентификации дифференциально экспрессируемых генов. Метод Limma позволял выявить гены со статистически значимой экспрессией, метод RankProd - гены с повышенной и пониженной экспрессией.
Для определения биологической значимости наблюдаемых изменений проводили аннотацию дифференциально экспрессирующихся транскриптов по категориям базы данных Gene Ontology, связанных с различными биологическими процессами.
Статистика. Статистическую обработку результатов исследования проводили с использованием программы GraphPad Prism 8. Для оценки достоверности различий использовали тест Стьюдента, считали статистически значимыми данные со значением p < 0,05.
Результаты исследования и их обсуждение
В последние годы использование транскрип-томного анализа является одним из наиболее прогрессивных подходов к исследованию действия внешних факторов на биологические системы. Таким методом были обнаружены многие молекулярные биомаркеры и терапевтические мишени для лекарств и нутрицевтиков [12]. Данные, получаемые на транскриптомном уровне, обеспечивают представление о молекулярном ответе клеток организма достаточно быстро после воздействия изучаемого вещества. Такая информация чрезвычайно полезна для формирования протокола применения СПП (включая БАД и ПСП), так как расширяет и уточняет представление о механизмах их действия.
В связи с этим транскриптомное профилирование стало неотъемлемой частью нашего исследования механизмов действия глюкана на МКФ
клеточной модели. В таблице представлены результаты, полученные с использованием глюкана дрожжевого (Гл1), грибного (Гл2) и зернового (овес, Гл3) происхождения. С учетом известного содержания глюкана в трех использованных БАД все концентрации активного начала были одинаковы и составляли в растворе диметилсульфокси-да 100 мкг/мл. Также одинаковым для всех БАД было и время воздействия глюкана на МКФ - инкубация в клеточной модели в течение 24 ч.
Транскриптомный анализ позволил обнаружить изменение транскриптомного профиля МКФ, затрагивающее более 100 генов, под влиянием каждого из трех глюканов, однако структура этих изменений была существенно различной. Дифференциально экспрессируемые гены со значениями уровней изменения экспрессии от 4,0 и выше представлены в таблице.
Как следует из полученных данных по изменению профиля экспрессии генов МКФ под действи-
Дифференциально экспрессируемые гены макрофагов, активность которых существенно возрастает (+) или снижается (-) под действием трех разных глюканов Differentially Expressed Macrophage Genes Which Activity Significantly Increases (+) or Decreases (-) under the Action of Three Different Glucans
Символ гена Кодируемый геном белок (фермент) Функциональное (биологическое) значение гена Уровень изменения экспрессии гена под действием глюканов
Гл1 I Гл2 I Гл3
IFN-Y Интерферон II типа Цитокин врожденного и приобретенного иммунитета +7,6 +6,1 -
Белок иммунной системы, регули-
IL-2 Интерлейкин 2 рующий деятельность лейкоцитов и лимфоцитов +6,4 +5,0
IL-10 Интерлейкин-10 Противовоспалительный цитокин +5,1 +4,2 +9,7
IL15 Интерлейкин-15 Цитокин провоспалительного действия - - -6,9
TIGIT Белок, регулирующий функции Т-клеток Иммуномодулирующее действие +9,6 +6,7 -
IL7 Интерлейкин-7 Цитокин, стимулирующий пролиферацию В- и Т-лимфоцитов - - 5,9
F2RL1 Рецептор 2, активируемый протеазой PAR2 PAR2 модулирует воспалительные реакции - - +10,6
S100A8 Кальций-связывающий белок Участие в атерогенезе - - -8,8
CADM1 Молекула клеточной адгезии 1 Влияние на процессы апоптоза и адгезии клеток +6,5 +4,4 -
Цитокин, выполняющий регуля-
TNF-a Фактор некроза опухоли торные и эффекторные функции в воспалении +8,6 +6,7 +5,5
LDLR Белок рецептора липопро-теидов низкой плотности Поглощение клеткой липопротеи-дов низкой плотности - - -7,8
INSIG1 Инсулин-индуцированный белок гена 1 Регуляция биосинтеза холестерина в клетке - - +6,9
SCARB1 Рецептор-поглотитель класса В типа 1 Рецептор для липопротеидов высокой плотности и их оттока - - +9,3
STARD3 StAR-родственный переносчик липидов-содержащий 3 Регуляция внутриклеточного распределения холестерина - - +8,1
ABCA1 АТФ-связывающий кассетный транспортер Обратный транспорт холестерина - - +6,9
MIF Фактор ингибирования миграции макрофагов Лимфокин, участвующий в имму-норегуляции и воспалении +10,1 +7,3 +6,5
Примечание. Уровни изменения экспрессии генов рассчитывались по методу Limma/Voom, контролем служили клетки, не подвергнутые действию глюкана; знак «-» означает, что уровень изменения экспрессии данного гена менее 4,0.
ем глюканов, ожидаемые эффекты весьма различны в зависимости от их сырьевого происхождения. Общее количество генов, активность которых существенно возрастала или снижалась под действием трех разных глюканов, составило 16.
В то же время транскриптомный анализ позволил выявить определенные закономерности в обнаруженных феноменах. Главным из них является сходство эффектов Гл1 и Гл2 (из дрожжей и грибов соответственно) в отличие от эффектов Гл3 (из овса). В первом случае биологическая значимость действия глюкана определяется изменением активности генов, регулирующих иммунитет (IFN-y, IL-2, TIGIT, CADM1), во втором -генов, регулирующих воспаление и обмен холестерина (IL15, IL7, F2RL1, S100A, 8LDLR, INSIG1, SCARB1, STARD3, ABCA1). Следует отметить еще две особенности. Величина изменения экспрессии одних и тех же генов была несколько выше под влиянием Гл1 по сравнению с Гл2. Наконец, профиль экспрессии трех генов (IL-10, TNF-a и MIF) изменился сходным образом под действием всех изученных глюканов.
Как известно, функциональные свойства и медико-биологическая активность глюканов отличаются большим разнообразием. Принято считать, что основным фактором, предопределяющим это разнообразие глюканов, является источник их получения: зерно овса посевного (Avena sativa), ячменя обыкновенного (Hordeum vulgare), а также грибы вешенки обыкновенной (Pleurotus ostreatus) и шиитаке (Lentinus edodes), клетки хлебопекарных (Saccharomyces cerevisiae) и пивных (Saccharomyces pastorianus) дрожжей. В наших экспериментах использованы наиболее доступные в настоящее время на российском рынке три разновидности глюкансодержащих БАД, имеющих разное сырьевое происхождение.
Как и следовало ожидать, транскриптомный анализ позволил обнаружить существенные различия в действии глюканов на транскриптом МКФ в условиях клеточной модели. По такому показателю, как уровень изменения экспрессии генов, наиболее активным оказался Гл1 (дрожжевой). Этот результат соответствует данным исследований [2; 13], где также отмечены преимущества именно дрожжевого препарата глюкана.
Но более показательным является сходство эффектов Гл1 и Гл2 (грибной), в отличие от Гл3 (овсяный). Биологическая значимость наблюдаемых явлений отражает направленность действия Гл1 и Гл2 на иммунитет (врожденный и адаптивный), тогда как Гл3 регулирует в основном процессы воспаления и обмена холестерина.
Следует отметить, что клинические исследования также указывают на возможность улучшения показателей липидного обмена (липопроте-
идов низкой плотности, триглицеридов, общего холестерина) под действием глюкана из овса (OatWell®22, 3 г/сут) у пациентов с гиперхолесте-ринемией [14].
В то же время при использовании дрожжевого глюкана спортсменами обнаружено улучшение работы иммунной системы в части восстановления после физических нагрузок [4], тогда как использование овсяного глюкана на протяжении 18 сут никак не повлияло на активность иммунной системы во время тренировочного и восстановительного циклов, а также на частоту инфекций верхних дыхательных путей у тренирующихся велосипедистов [15].
Несмотря на сходство физиологических эффектов глюканов с действием других растворимых пищевых волокон, их распространенность, доступность и технологические характеристики делают глюкан привлекательным объектом для инкорпорирования в пищевые продукты. К сожалению, реализация такого подхода сталкивается с существенными барьерами, главными из которых являются сенсорная приемлемость получаемой композиции и изменение (снижение) оздоровительной функциональности, в том числе при хранении. В связи с этим, по мнению авторов, наиболее привлекательной товарной формой носителей глюканов являются БАД, протокол применения которых сходен с использованием лекарственных средств. При этом, как известно, значительная часть ПСП также предлагается потребителям в форме БАД.
Однако российские производители БАД и ПСП в настоящее время не уделяют достаточного внимания глюканам как ингредиентам этой продукции, хотя в целом их иммуномодулирующее действие рассматривается как основной эффект [16].
Если же определенные усилия в данном направлении будут предприняты, то для уточнения ожидаемого действия таких препаратов на организм человека, оптимизации сырьевых источников получения глюканов, дозировок и длительности применения БАД и ПСП в настоящее время используется их тестирование методом транскриптомного анализа на описанной клеточной модели с учетом важнейшей биологической роли МКФ. Более того, следует также принять во внимание, что дозы однократного воздействия глюкана на МКФ корреспондируются с рекомендуемыми суточными нормами потребления как глюкана, так и пищевых волокон.
Тем не менее следует признать, что исследования в данном направлении, включая оценку эффективности разных биологически активных веществ, должны не ограничиваться экспериментами in vitro, а подтверждать достоверность получаемых результатов в опытах in vivo.
Заключение
Показано, что использование клеточной модели с МКФ позволяет определить гены, дифференциально экспрессируемые под действием глюканов. Из биологических эффектов, с которыми ассоциированы выявленные гены, следует, что глюканы из дрожжей и грибов являются иммуномодуляторами, тогда как глюкан из овса
регулирует в основном процессы воспаления и обмена холестерина.
Проведенные эксперименты дают возможность оптимизировать рекомендации по практическому применению глюканов в оздоровительных целях с точки зрения выбора их товарной формы и ожидаемых эффектов.
Библиографический список
1. Bashir, K.M.; Choi, J.-S. Clinical and Physiological Perspectives Of B-Glucans: the Past, Present, and Future. International Journal of Molecular Sciences. 2017. Vol. 18. Iss. 9. Article Number: 1906. DOI: https://doi.org/10.3390/ijms18091906.
2. Vetvicka, V.; Vetvickova J. Comparison of Immunological Effects of Commercially Available B-Glucans: Part III. International Clinical Pathology Journal. 2016. Vol. 2, Iss. 4. DOI: https://doi.org/10.15406/ icpjl.2016.02.00046.
3. Huff, M.O.; Klinge, C.M. Regulation of Gene Expression by B-Glu-cans. American Journal of Immunology. 2017. Vol. 13. Iss. 1. Pp 1-10. DOI: https://doi.org/10.3844/ajisp.2017.1.10.
4. Carpenter, K.C.;Breslin, W.L.; Davidson, T., et al. Bakers Yeast B-Glucan Supplementation Increases Monocytes and Cytokines Post-Exercise: Implications for Infection Risk? British Journal of Nutrition. 2012. Vol. 10. Pp. 1-9. DOI: https://doi.org/10.1017/ S0007114512001407.
5. Wahl, D.;LaRocca, T.J. Transcriptomic Effects of Healthspan-Pro-moting Dietary Interventions: Current Evidence and Future Directions. Frontiers in Nutrition. 2021. Vol. 8. DOI: https://doi. org/10.3389/fnut.2021.712129.
6. Utkina, A.S.; Karagodin, V.P. Nutrigenomics as a Tool for Optimizing the Composition of Specialized Food Products by the Efficiency Criterion. IOP Conference Series: Earth and Environmental Science. 2021. Vol. 677. Iss. 4. Article Number: 042050. DOI: https://doi. org/10.1088/1755-1315/677/4/042050.
7. Rustad, T.R.; Roberts, D.M.; Liao, R.P., et al. Isolation of Mycobacterial RNA. Mycobacteria Protocols. 2009. Pp. 13-22. DOI: https://doi. org/10.1007/978-1-59745-207-6_2.
8. Kim, D.; Pertea, G.; Trapnell, C., et al. Tophat2: Accurate Alignment of Transcriptomes in the Presence of Insertions, Deletions and Gene Fusions. Genome Biology. 2013. Vol. 14. Iss. 4. Article Number: R36. DOI: https://doi.org/10.1186/gb-2013-14-4-r36.
9. Anders, S.; Pyl, P.T.; Huber W. HTSeq-a Python Framework to Work with High-Throughput Sequencing Data. Bioinformatics. 2014. Vol. 31. Iss. 2. Pp. 166-169. DOI: https://doi.org/10.1093/bioinfor-matics/btu638.
10. Smyth, G.K. (n.d.). Limma: Linear Models for Microarray Data. In: Gentleman, R., Carey, V.J., Huber, W., Irizarry, R.A., Dudoit, S. (eds) Bioinformatics and Computational Biology Solutions Using R and Bioconductor. Statistics for Biology and Health. Springer. New York, 2005. Pp. 397-420. DOI: https://doi.org/10.1007/0-387-29362-0_23.
11. Hong, F.; Breitling, R.; McEntee, C.W., et al. RankProd: a Biocon-ductor Package for Detecting Differentially Expressed Genes in Meta-Analysis. Bioinformatics. 2006. Vol. 22. Iss. 22. Pp. 2825-2827. DOI: https://doi.org/10.1093/bioinformatics/btl476.
Bibliography
1. Bashir, K.M.; Choi, J.-S. Clinical and Physiological Perspectives Of B-Glucans: the Past, Present, and Future. International Journal of Molecular Sciences. 2017. Vol. 18. Iss. 9. Article Number: 1906. DOI: https://doi.org/10.3390/ijms18091906.
2. Vetvicka, V.; Vetvickova J. Comparison of Immunological Effects of Commercially Available B-Glucans: Part III. International Clinical Pathology Journal. 2016. Vol. 2, Iss. 4. DOI: https://doi.org/10.15406/ icpjl.2016.02.00046.
3. Huff, M.O.; Klinge, C.M. Regulation of Gene Expression by B-Glu-cans. American Journal of Immunology. 2017. Vol. 13. Iss. 1. Pp 1-10. DOI: https://doi.org/10.3844/ajisp.2017/U0.
4. Carpenter, K.C.; Breslin, W.L.;Davidson, T., et al. Bakers Yeast B-Glucan Supplementation Increases Monocytes and Cytokines Post-Exercise: Implications for Infection Risk? British Journal of Nutrition. 2012. Vol. 10. Pp. 1-9. DOI: https://doi.org/10.1017/ S0007114512001407.
5. Wahl, D.; LaRocca, T.J. Transcriptomic Effects of Healthspan-Pro-moting Dietary Interventions: Current Evidence and Future Directions. Frontiers in Nutrition. 2021. Vol. 8. DOI: https://doi. org/10.3389/fnut.2021.712129.
6. Utkina, A.S.; Karagodin, V.P. Nutrigenomics as a Tool for Optimizing the Composition of Specialized Food Products by the Efficiency Criterion. IOP Conference Series: Earth and Environmental Science. 2021. Vol. 677. Iss. 4. Article Number: 042050. DOI: https://doi. org/10.1088/1755-1315/677/4/042050.
7. Rustad, T.R.; Roberts, D.M.; Liao, R.P., et al. Isolation of Mycobacterial RNA. Mycobacteria Protocols. 2009. Pp. 13-22. DOI: https://doi. org/10.1007/978-1-59745-207-6_2.
8. Kim, D.; Pertea, G.; Trapnell, C., et al. Tophat2: Accurate Alignment of Transcriptomes in the Presence of Insertions, Deletions and Gene Fusions. Genome Biology. 2013. Vol. 14. Iss. 4. Article Number: R36. DOI: https://doi.org/10.1186/gb-2013-14-4-r36.
9. Anders, S.; Pyl, P.T.; Huber W. HTSeq-a Python Framework to Work with High-Throughput Sequencing Data. Bioinformatics. 2014. Vol. 31. Iss. 2. Pp. 166-169. DOI: https://doi.org/10.1093/bioinfor-matics/btu638.
10. Smyth, G.K. (n.d.). Limma: Linear Models for Microarray Data. In: Gentleman, R., Carey, V.J., Huber, W., Irizarry, R.A., Dudoit, S. (eds) Bioinformatics and Computational Biology Solutions Using R and Bioconductor. Statistics for Biology and Health. Springer. New York, 2005. Pp. 397-420. DOI: https://doi.org/10.1007/0-387-29362-0_23.
11. Hong, F.; Breitling, R.; McEntee, C.W., et al. RankProd: a Bioconductor Package for Detecting Differentially Expressed Genes in Meta-Analysis. Bioinformatics. 2006. Vol. 22. Iss. 22. Pp. 2825-2827. DOI: https://doi.org/10.1093/bioinformatics/btl476.
12. Yang, X.; Kui, L.; Tang, M., et al. High-Throughput Transcriptome Profiling in Drug and Biomarker Discovery. Frontiers in Genetics. 2020. Vol. 11. DOI: https://doi.org/10.3389/fgene.2020.00019.
13. Omara, I.I.; Pender, C.M.; White, M.B., et al. The Modulating Effect of Dietary Beta-Glucan Supplementation on Expression of Immune Response Genes of Broilers during a Coccidiosis Challenge. Animals. 2021. Vol. 11. Iss. 1. Article Number: 159. DOI: https://doi. org/10.3390/ani11010159.
14. Cicero, A.F.G.; Fogacci, F.; Veronesi, M., et al. A Randomized Placebo-Controlled Clinical Trial to Evaluate the Medium-Term Effects of Oat Fibers on Human Health: the Beta-Glucan Effects on Lipid Profile, Glycemia and inTestinal Health (BELT) Study. Nutrients. 2020. Vol. 12. Iss. 3. Article Number: 686. DOI: https://doi.org/10.3390/ nu12030686.
15. Nieman, D.C.; Henson, D.A.; McMahon, M., et al. ß-Glucan, Immune Function, and Upper Respiratory Tract Infections in Athletes. Medicine & Science in Sports & Exercise. 2008. Vol. 40. Iss. 8. Pp. 1463-1471. DOI: https://doi.org/10.1249/mss.0b013e31817057c2.
16. van Steenwijk, H.P.; Bast, A.; de Boer, A. Immunomodulating Effects of Fungal Beta-Glucans: from Traditional Use to Medicine. Nutrients. 2021. Vol. 13. Iss. 4. Article Number: 1333. DOI: https://doi. org/10.3390/nu13041333.
12. Yang, X.; Kui, L.; Tang, M., et al. High-Throughput Transcriptome Profiling in Drug and Biomarker Discovery. Frontiers in Genetics. 2020. Vol. 11. DOI: https://doi.org/10.3389/fgene.2020.00019.
13. Omara, I.I.; Pender, C.M.; White, M.B., et al. The Modulating Effect of Dietary Beta-Glucan Supplementation on Expression of Immune Response Genes of Broilers during a Coccidiosis Challenge. Animals. 2021. Vol. 11. Iss. 1. Article Number: 159. DOI: https://doi. org/10.3390/ani11010159.
14. Cicero, A.F.G.; Fogacci, F.; Veronesi, M., et al. A Randomized Placebo-Controlled Clinical Trial to Evaluate the Medium-Term Effects of Oat Fibers on Human Health: the Beta-Glucan Effects on Lipid Profile, Glycemia and inTestinal Health (BELT) Study. Nutrients. 2020. Vol. 12. Iss. 3. Article Number: 686. DOI: https://doi.org/10.3390/ nu12030686.
15. Nieman, D.C.; Henson, D.A.; McMahon, M., et al. ß-Glucan, Immune Function, and Upper Respiratory Tract Infections in Athletes. Medicine & Science in Sports & Exercise. 2008. Vol. 40. Iss. 8. Pp. 1463-1471. DOI: https://doi.org/10.1249/mss.0b013e31817057c2.
16. van Steenwijk, H.P.; Bast, A.; de Boer, A. Immunomodulating Effects of Fungal Beta-Glucans: from Traditional Use to Medicine. Nutrients. 2021. Vol. 13. Iss. 4. Article Number: 1333. DOI: https://doi. org/10.3390/nu13041333.
Информация об авторах / Information about Authors
Уткина
Александра Сергеевна
Utkina,
Aleksandra Sergeevna
Тел./Phone: +7 (926) 737-53-44 E-mail: Utkina.AS@rea.ru
Аспирант
Российский экономический университет им. Г.В. Плеханова 117997, Российская Федерация, г. Москва, пер. Стремянный, 36
Postgraduate Student
Plekhanov Russian University of Economics
117997, Russian Federation, Moscow, Stremyanny Lane, 36
ORCID: https://orcid.org/0009-0008-6997-7270
Карагодин Василий Петрович
Karagodin, Vasilii Petrovich
Тел./Phone: +7 (903) 590-46-37 E-mail: Karagodin.VP@rea.ru
Доктор биологических наук, профессор кафедры товароведения и товарной экспертизы
Российский экономический университет им. Г.В. Плеханова 117997, Российская Федерация, г. Москва, пер. Стремянный, 36
Doctor of Biological Sciences, Professor of the Commodity Science and Commodity Expertise Department
Plekhanov Russian University of Economics
117997, Russian Federation, Moscow, Stremyanny Lane, 36
ORCID: https://orcid.org/0000-0003-0501-8499
Вклад авторов:
Карагодин В.П. - научное руководство, перевод элементов статьи на английский язык, развитие методологии, формирование выводов;
Уткина А.С. - проведение экспериментов, подготовка начального варианта текста, проведение критического анализа материалов.
Contribution of the Authors:
Karagodin, Vasilii P. - scientific guidance, translating the article elements into English, developing methodology, drawing conclusions;
Utkina, Aleksandra S. - conducting experiments, preparing the initial version of the text, conducting a critical analysis of the materials.
Авторы заявляют об отсутствии конфликта интересов. The authors declare no conflicts of interests.
