常規(guī)手段如何發(fā)5+
小編今天給大家介紹一篇剛剛發(fā)表在Frontiers in Aging Neuroscience的文章(IF: 5.702)。文章使用的都是一些常規(guī)方法,數據也是公告數據庫下載的。作者從鐵代謝異常入手,識別了hub基因,并構建了診斷模型,進一步探索了這些樣本的免疫滲透以及不同免疫因素與這些hub基因的相關性。

阿爾茨海默病(AD)是最常見的神經退行性疾病,可用于治療阿爾茨海默病的各種藥物,如多奈哌齊、加蘭他明、美金剛、利凡斯明和阿杜卡努單抗(也稱為阿杜海姆)并不十分有效,因此,尋找新的有效分子來提高AD的診斷和治療迫在眉睫。
鐵作為僅次于鋁的地殼第二豐富的金屬,是人類必需的微量元素之一。鐵是血紅蛋白的重要組成部分,它參與氧氣的運輸。還參與神經系統中兒茶酚胺神經遞質的新陳代謝和髓鞘的形成。鐵穩(wěn)態(tài)由多種復雜機制維持。這種動態(tài)平衡的破壞會導致細胞內鐵的過度積累,這可能會通過產生氧化應激和自由基來損害DNA、蛋白質和脂質。AD患者的不同大腦區(qū)域觀察到了異常的鐵積累。在阿爾茨海默病中,鐵在大腦中的過度積累加劇了淀粉樣蛋白的沉積和tau蛋白的過度磷酸化,從而導致神經元損傷和認知障礙。鐵還可以直接導致神經元的氧化損傷。綜上所述,鐵代謝與AD之間存在著不可忽視的關系。
已經在AD患者和小鼠模型中發(fā)現了鐵代謝的異常。作者首先,從GEO數據庫下載基因表達譜,包括非癡呆(ND)對照和AD樣本。從MSigDB數據庫下載了14個鐵代謝相關基因集,產生了520個鐵代謝相關基因。通過差異分析和WGCNA從GSE132903的腦組織樣本中獲得了9個與鐵代謝和AD相關的hub基因。GO分析表明,這些基因主要參與了自噬和鐵代謝兩個主要的生物學過程。選取其中4個基因構建AD的診斷模型。模型在GSE63061和GSE85426的血液樣本中進行了驗證,AUC值表明該模型具有較好的診斷性能。此外,還進一步探討了樣本中免疫細胞的滲透情況以及不同免疫因素與這些hub基因的相關性。結果提示,這些基因在AD免疫中也可能起重要作用。最后,從DrugBank數據庫中檢索到了8種針對這9個hub基因的藥物,其中一些被證明對治療AD或其他伴隨疾病,如失眠和躁動有用。圖1是本文的工作流程。

圖1
阿爾茨海默病和鐵代謝相關hub基因的鑒定
首先作者對GSE132903中下載的AD數據進行差異表達分析P.adjust<0.01, |logFC|>0.585(圖2),接著作者根據差異表達基因構建了加權共表達網絡。其中MEturquosie模塊與AD的相關性最高(圖1D)。


圖2
從14個鐵代謝相關基因集中提取481個差異表達基因、1,578個MEturquosie模塊基因和520個鐵代謝相關基因,取交集得到9個與鐵代謝和AD相關的hub基因。


圖3
hub基因的生物學過程和途徑
GO分析表明,這9個基因中有6個參與了與自噬相關的生物學過程,包括自噬和巨型自噬的調節(jié),以及與鐵代謝相關的生物過程,包括轉鐵蛋白轉運、鐵離子轉運和血紅素生物合成過程。這些基因的GSEA研究表明,它們與幾種神經退行性疾病(AD、肌萎縮側索硬化癥、帕金森病、Prion病和亨廷頓病)、神經相關通路(突觸小泡周期和神經變性通路)以及其他通路(細胞因子-細胞因子受體相互作用和氧化磷酸化)有關。

圖4
診斷模型的構建及驗證
采用基于GSE132903的Logistic回歸算法建立多基因預測模型。通過逐步回歸分析,從這9個基因中篩選出ATP6V1D、ATP6V1G2、FBXO34和TSPO等4個基因,得到最優(yōu)模型。結果表明,由這四個基因構建的預測模型具有良好的診斷性能,AUC值為0.8973。然后,該模型在血液樣本中得到進一步驗證。GSE63061和GSE85426模型的AUC相對較高,分別為0.7277和0.7189。腦組織樣本往往比血液樣本更能代表AD的病理,這可能解釋了前者更好的診斷性能。然而,在活體內獲取腦組織是困難的。在血液樣本中的良好結果表明,該模型對臨床應用中診斷AD患者具有一定的指導意義。

圖5
免疫滲透與免疫相關因素
作者使用CIBERSORT算法估計了AD和ND樣本中22個免疫細胞的比例,并比較了AD和ND樣本的免疫細胞滲透情況。結果表明,AD組naive B細胞(p=0.0210)、M1巨噬細胞(p=0.0090)、中性粒細胞(p=0.0497)、CD4 naive T細胞(p=0.0101)和gamma delta T細胞(p=0.0070)的比例明顯高于ND組,漿細胞(p=0.0056)和濾泡輔助T細胞(p=0.0314)的比例顯著低于ND組。其次,分析了hub基因與免疫滲透、免疫因子的關系。PLOD1和TSPO與濾泡輔助T細胞、CD8 T細胞和活化的樹突狀細胞呈顯著負相關,與resting NK細胞、M1巨噬細胞、M0巨噬細胞和naive B細胞呈正相關,而其他下調基因則相反。相關性熱圖顯示hub基因與大多數免疫因子,包括免疫抑制劑、免疫刺激劑和趨化因子之間存在顯著的相關性。這些結果提示hub基因可能在免疫微環(huán)境中發(fā)揮重要作用。

圖6

圖7
DrugBank數據庫驗證
根據DrugBank數據庫中的藥物和靶點信息,確定了8種針對這9個hub基因的藥物。在這些藥物中,6個藥物獲得批準,1個藥物為研究藥物,1個藥物被撤回。Tiludronic acid是ATP6V1D、ATP6V1G2和ATP6V1H的抑制劑,用于治療佩吉特氏骨病。以CYP26B1為靶點的Tretinoin用于治療治療細紋、尋常痤瘡、和某些類型的早幼粒細胞白血病。Dextromethorphan是PGRMC1的粘合劑,用于治療干咳。Ascorbic acid是PLOD1的輔因子,用于糾正維生素C缺乏和增加腸道對鐵的吸收。Resveratrol (DB02709)靶向SNCA用于治療唇皰疹感染(唇皰疹)。chlormezanone和zopiclone都是TSPO的激動劑。chlormezanone用于治療焦慮和肌肉痙攣,zopiclone用于治療失眠。

圖8
這篇文章工作量不大,方法也都是常規(guī)方法,但作者的思路值得我們借鑒,首先從鐵代謝異常入手,根據鐵代謝相關基因、鐵代謝相關差異表達基因以及AD相關模塊基因,獲得九個hub基因。根據這九個基因構建了診斷模型,并使用兩套數據驗證,發(fā)現模型具有良好的診斷性能。此外作者根據CIBERSORT算法,比較了AD與ND樣本的免疫細胞滲透情況,并且分析了hub基因與免疫滲透、免疫因子的關系。hub基因與大多數免疫因子,包括免疫抑制劑、免疫刺激劑和趨化因子之間存在顯著的相關性。即作者識別的hub基因可能在免疫微環(huán)境中有著重要作用。最后,作者借助DrugBank數據庫找到了8種針對這9個hub基因的藥物。發(fā)現它們中的一些已經證明對治療AD或其他伴隨疾病,如失眠和焦慮有用。鐵代謝是目前研究的熱點之一,雖然作者做的不是很深入,但思路清晰,想法新穎,值得我們借鑒。