發(fā)布時間： 2024-06-05 10:20:55
今天給大家?guī)淼奈恼率前l(fā)表在FrontImmunol上的“InflammationinPreeclampsia:GeneticBiomarkers,Mechanisms,andTherapeuticStrategies”。本研究的主要創(chuàng)新點在于將轉錄組分析和分子對接相結合，尋找先兆子癇的生物標志物、機制以及治療策略。
1.首先，利用差異分析、機器學習模型獲得關鍵基因。
2.其次，將獲得的關鍵基因進行miRNA、TF的預測，并構建調控網(wǎng)絡。
3.進一步，選取關鍵基因作為靶點，分別與阿司匹林和姜黃素進行分子對接。
4.最后，分析了免疫細胞在先兆子癇中的分布差異。
題目：先兆子癇炎癥：遺傳生物標志物、機制和治療策略
雜志：FrontImmunol
影響因子：IF=7.3
發(fā)表時間：2022.07.08
01
研究背景
子癇前期是妊娠特有的嚴重并發(fā)癥，表現(xiàn)為高血壓綜合征伴多系統(tǒng)受累和損傷，在妊娠20周后首次出現(xiàn)。在過去30年中，妊娠期高血壓和先兆子癇的發(fā)病率急劇增加。先兆子癇的全球患病率為3%-5%，是孕產(chǎn)婦和胎兒發(fā)病率和死亡率的重要原因，在世界范圍內(nèi)造成巨大的醫(yī)療費用。當子癇前期表現(xiàn)為嚴重表現(xiàn)或子癇或溶血、肝酶升高和低血小板（HELLP）綜合征時，孕產(chǎn)婦死亡率甚至更高。雖然子癇前期是妊娠期常見的并發(fā)癥之一，但其確切的病因和發(fā)病機制仍不明確，并且可能是異質性的。目前唯一的治療方法是終止妊娠;然而，在有先兆子癇病史的母親及其子女中，未來發(fā)生心血管和代謝疾病的風險仍然增加。因此，深入了解子癇前期患者的發(fā)病機制和靶向治療尤為重要。
02
數(shù)據(jù)來源
01
GEO數(shù)據(jù)源
02
炎癥反應相關基因
從分子特征數(shù)據(jù)庫(MSigDB)中獲取200個炎癥反應相關基因。
03
研究思路
首先，作者分析了子癇前期和非子癇前期組的差異表達基因（DEGs），與提取的炎癥反應相關基因相交，獲得差異表達的炎癥相關基因（DINRGs）；第二，作者進行富集分析并構建PPI網(wǎng)絡以了解其功能和富集途徑；第三，使用機器學習模型識別與先兆子癇相關的關鍵基因，并在訓練集中構建列線圖，在驗證集中進行驗證；第四，利用R包RcisTarget預測轉錄因子，構建miRNA-mRNA通路以鑒定其分子機制；第五，作者對獲得的關鍵基因進行了分子對接。最后，作者還探討了子癇前期和非先兆子癇樣本之間免疫細胞浸潤的差異。
04
主要結果
1、差異表達分析、蛋白質-蛋白質相互作用分析和富集分析
作者在GSE75010中獲得了子癇前期和非子癇前期樣本之間的5118個DEGs，將DEGs與炎癥反應相關基因進行交叉，鑒定出69個差異表達的炎癥反應相關基因（圖2A)。然后利用STRING對69個DINRGs構建了PPI網(wǎng)絡并進行了KEGG和GO富集。
2、機器學習模型的構建和驗證
從69個DINRGs中選取log|FC|>0.4的5個基因（OPRK1、BTG2、CXCL8、TPBG和INHBA）作為構建RF模型、SVM模型和GLM機器學習模型的關鍵基因，可以發(fā)現(xiàn)，GLM模型中的三個解釋變量INHBA，OPRK1和TPBG對模型的貢獻較大。
3、列線圖的建立和評估
根據(jù)三個解釋變量INHBA、OPRK1和TPBG構建了列線圖（圖4A)。ROC曲線分析結果顯示，訓練集中AUC可達0.886(圖4B)，驗證集中AUC可達0.933(圖4C）。訓練集中校準曲線的水平與標準曲線重疊良好（圖4D），表明該列線圖對預測先兆子癇具有較高的準確性。然后，作者考慮到風險模型的臨床實用性繪制了DCA曲線，可以觀察到列線圖具有較大的AUC（圖4E），并且遠離兩個極端曲線，這比其他模型更有價值。作者還在驗證集中進行了驗證，結果與訓練集一致（圖4F）。高危人數(shù)曲線和高危人數(shù)與事件曲線均接近0.4–1（高危閾值區(qū)域）（圖4G），表明該列線圖具有非常好的預測能力。從這些結果可以看出，風險評分模型具有良好的預測能力，三個關鍵基因在子癇前期的發(fā)生發(fā)展中起著至關重要的作用。
4、INHBA、OPRK1和TPBG的進一步分析
作者利用表達熱圖（圖5A）、染色體上的位置（圖5B）、子癇前期胎盤組織和非子癇前期胎盤組織中它們的表達箱線圖(圖5C)，發(fā)現(xiàn)了80例子癇前期胎盤組織中INHBA和TPBG的表達高于77例非子癇前期胎盤組織，而OPRK1的表達則較低。隨后，作者分析了INHBA、OPRK1和TPBG的相關性（圖5D），發(fā)現(xiàn)INHBA和TPBG與OPRK1呈負相關，且INHBA、OPRK1、TPBG三者之間有較高的相關系數(shù)。
作者還分析了關鍵基因INHBA、OPRK1、TPBG的具體調控機制。利用累積恢復曲線對這些轉錄因子進行富集分析。分析顯示，轉錄因子REL、RELA、RELB、ZNF274、SMARCC1是該基因集中的主要調控因子。INHBA和TPBG在這個主要基序上富集。
作者通過mirRDB在線數(shù)據(jù)庫對3個關鍵基因進行反向預測，共預測出359個miRNA，共359對mRNA-miRNA關系對，成功構建了核心基因相關的mRNA-miRNA調控網(wǎng)絡（圖7A）。此外，在關鍵基因的基礎上探索了TF-miRNA的調控，以進一步在轉錄組水平上明確子癇前期疾病發(fā)生的機制。（圖7B、C）
5、分子對接
選取3個關鍵基因和RELA作為靶點，分別與阿司匹林和姜黃素進行分子對接，發(fā)現(xiàn)阿司匹林與TPBG-4cnc、OPRK1-4djh、RELA-3qxy的結合親和力均小于-5kcal/mol，說明它們具有一定的結合活性。姜黃素與TPBG-4cnc、OPRK1-4djh、RELA-3qxy的結合親和力均小于-7.0kcal/mol。
6、免疫細胞分布的差異
作者分析了子癇前期組和非子癇前期組每個樣本中22種免疫細胞浸潤的比例，發(fā)現(xiàn)子癇前期組和非子癇前期組的調節(jié)性T細胞（Tregs）、靜息肥大細胞、單核細胞和中性粒細胞存在顯著差異。作者還將CIBERSORT計算得出的前20類免疫細胞分為四類：總淋巴細胞、總樹突狀細胞、總巨噬細胞和總肥大細胞，子癇前期組與非子癇前期組的肥大細胞存在明顯差異，且子癇前期組肥大細胞明顯高于非子癇前期組，兩組間免疫細胞的差異可能與子癇前期的發(fā)生發(fā)展有關（圖9B）。
05
文章小結
作者構建了機器學習模型，確定了三個關鍵基因，這些基因可以作為子癇前期診斷和治療的潛在遺傳生物標志物，并建立了一個預測模型。隨后，作者進一步探索了關鍵基因上游的潛在轉錄因子和miRNA-mRNA通路，并確定了可能有助于研究子癇前期分子機制和治療靶點開發(fā)的通路。利用已建立的基于關鍵基因的蛋白質和配體結構數(shù)據(jù)庫，作者獲得了藥物的預測結合分數(shù)及其應用前景。最后，作者還探討了先兆子癇與免疫系統(tǒng)的相關性。
`END`
下一篇：《JAMA-醫(yī)學期刊上觀察性研究干預效果的因果推斷》文獻翻譯PART1
