De bedrijfsvoering in de landbouw moet zich steeds innoveren om aan te sluiten bij eisen aan producten en effecten op milieu. Kennis en gegevens van bedrijfsvoering zal bij die innovatie gebruikt moeten worden. Op de korte termijn zal een verbeterde overdracht van bestaande generieke kennishierbij een belangrijke rol spelen, omdat veel telers nog niet alle kennis en ervaringen goed gebruiken voor verbetering van kwaliteit, opbrengst en rendement. Op de langere termijn zal ook beter gebruikgemaakt moeten worden van situatiespecifieke gegevens. Hierbij zal aangesloten moeten worden bij ontwikkelingen in de Informatie en Communicatie Technologie (ICT), zoals toegepast in zelflerendesystemen. Dergelijke systemen passen gegevens en kennisregels toe om teeltadvies te genereren. Op basis van de geregistreerde resultaten die met gerealiseerd teelt management bereikt worden, wordendaarna de gegevens en kennisregels aangepast, waarmee in het volgende seizoen een nieuw advies wordt gegenereerd.Dit rapport beschrijft een aantal activiteiten die zijn verricht in het kader van het AgroBiokon project met als oogmerk om:1. te inventariseren wat voor benaderingen er nu al zijn t.a.v. al dan niet geautomatiseerde systemen voor kennisoverdracht (hoofdstukken 4 en 5)2. te inventariseren wat voor teeltregistratie nodig is voor zelflerende systemen (hoofdstuk 6)3. te bekijken welke generieke gegevensbestanden er zijn om te gebruiken als basis voor zelflerendesystemen (hoofdstuk 7)4. een aantal methoden te vergelijken die de basis kunnen vormen voor zelflerende systemen(hoofdstuk 8)5. voorbeelden te geven van toepassing van die methoden in bestaande situaties (hoofdstukken 9en 13)6. inzichten van partners te inventariseren over de mogelijkheden van nieuwe systemen voorteeltinnovatie (hoofdstuk 10)7. een beschrijving te geven van een project om innovatie in de (zetmeel) aardappelproductie testimuleren (hoofdstuk
MULTIFILE
Background: Lung fibroblasts are implicated in abnormal tissue repair in chronic obstructive pulmonary disease (COPD). The exact mechanisms are unknown and comprehensive analysis comparing COPD- and control fibroblasts is lacking. Aim: To gain insight in the role of lung fibroblasts in COPD pathology using unbiased proteomic and transcriptomic analysis. Methods: Protein and RNA was isolated from cultured parenchymal lung fibroblasts of 17 stage IV COPD patients and 16 non-COPD controls. Proteins were analyzed using LC-MS/MS and RNA through RNA sequencing. Differential protein and gene expression in COPD was assessed via linear regression, followed by pathway enrichment, correlation analysis and immunohistological staining in lung tissue. Proteomic and transcriptomic data was compared to investigate the overlap and correlation between both levels of data. Results: We identified 40 differentially expressed (DE) proteins and zero DE genes between COPD and control fibroblasts. The most significant DE proteins were HNRNPA2B1 and FHL1. Thirteen of the 40 proteins were previously associated with COPD, including FHL1 and GSTP1. Six of the 40 proteins were related to telomere maintenance pathways, and were positively correlated with the senescence marker LMNB1. No significant correlation between gene and protein expression was observed for the 40 proteins. Conclusions: The 40 DE proteins in COPD fibroblasts include previously described COPD proteins (FHL1, GSTP1) and new COPD research targets like HNRNPA2B1. Lack of overlap and correlation between gene and protein data supports the use of unbiased proteomics analysis and indicates that different types of information are generated with both methods.
