$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
نظرة عامة على سير عمل التحليل
يوضح التصميم العام لهذه الدراسة لتحليل النسخ والتحليل المعتمد على التعلم الآلي في الشكل 1، والذي يشمل الخطوات الرئيسية: جمع الجينات المرتبطة بنظام رينين-أنجيوتنسين (RASRGs)؛ فحص الجينات المعبر عنها تفاضليا مرتبطة ب RASRDEGs من مجموعات بيانات ارتفاع ضغط الدم؛ تحليل الإثراء الوظيفي (GO/KEGG/GSEA)؛ تحليل تسرب المناعة (CIBERSORT)؛ بناء التفاعل بين البروتين والبروتين (PPI) والشبكات التنظيمية؛ اختيار الجينات الرئيسية المعتمد على التعلم الآلي (الانحدار اللوجستي، الغابة العشوائية [RF]); وتقييم نموذج تشخيص ارتفاع ضغط الدم. قائمة كاملة بالبرمجيات وقواعد البيانات والأدوات الإلكترونية المستخدمة في هذه الدراسة متوفرة في جدول المواد.
تحميل البيانات
تم الحصول على مجموعات بيانات ارتفاع ضغط الدم GSE753608 و GSE74144 (الإنسان العاقل) عبر حزمة R GEOquery9 من قاعدة بيانات GEOquery10. GSE75360 مشتقة من خلايا الدم الأحادية النواة المحيطية (المنصة: GPL10558) شملت 10 عينات من ارتفاع ضغط الدم و11 عينة ضابطة؛ GSE74144 المستمدة من خلايا الدم البيضاء (المنصة: GPL13497) شملت 14 عينة من ارتفاع ضغط الدم و8 عينات ضابطة (الجدول 1). تم تحديد RASRGs المشفرة للبروتين (1,264) في البداية عبر GeneCards11 (الكلمة المفتاحية: "نظام رينين-أنجيوتنسين") وPubMed (الكلمة المفتاحية: "نظام رينين-أنجيوتنسين")12,13. أدى تقاطع هذه المجموعات مع الجينات في GSE75360/GSE74144 إلى 1,159 RASRG نهائيا،14. تمت معالجة مجموعتي البيانات بشكل منفصل لأنهما تم توليدهما على منصات ميكروآراي مختلفة. تم إجراء التعليق على المجسات وفقا لملفات التعليقات التوضيحية لمنصة GPL المقابلة، واستخدمت مصفوفات تعبير الجين المصحح للتحليلات اللاحقة. تم استخدام مخططات الصندوق لمقارنة توزيعات التعبيرات قبل وبعد التطبيع.
جينات الرينين-أنجيوتنسين المعبر عنها بشكل تفاضلي مرتبطة بارتفاع ضغط الدم
تم تصنيف العينات في مجموعة البيانات GSE75360 إلى مجموعة ارتفاع ضغط الدم ومجموعة الضبط. تم استخدام برنامج ليما لإجراء تحليل تفاضلي للتعبير الجيني بين المجموعتين14، مع تحديد الجينات المعبر عنها بشكل تفاضلي (DEGs) بواسطة عتبة |logFC| > 0.45 وقيمة p < 0.05. تم عرض نتائج هذا التحليل التفاضلي عبر مخططات البراكين (تم إنشاؤها باستخدام حزمة R ggplot2).
للحصول على RASRDEGs، تم مقارنة DEGs التي تحقق العتبة أعلاه (|logFC| > 0.45، قيمة p < 0.05) مع جينات مرتبطة ب RASRGs (RASRGs)، وتم عرض نتيجة التقاطع عبر مخطط فين. لاحقا، تم تصور أنماط التعبير لوحدات RASRDEGs المحددة كخريطة حرارية باستخدام خريطة Pheatmap لحزمة R، وتم عرض تحديد المواقع الكروموسومي ل RASRDEGs عبر خرائط كروموسومات تم إنشاؤها باستخدام حزمة R RCircos15.
التحقق من صحة الجينات المعبر عنها بشكل تفاضلي وتحليل منحنى ROC
تم إنشاء مخطط بين المجموعات لتحليل فروق تعبير RASRDEG بين ارتفاع ضغط الدم/التحكم في GSE7536016، واستخدم مخطط PROC في حزمة R لرسم منحنيات ROC وحساب AUC (0.5–0.7: دقة منخفضة؛ 0.7–0.9: متوسط؛ >0.9: عالية) لفعالية تشخيص RASRDEG.
تحليل الارتباط
تم إجراء تحليل الارتباط لسبيرمان على تعبير RASRDEG في GSE75360؛ تم عرض النتائج عبر Heatmap (حزمة R ggplot2) (|r| < 0.3: ارتباط لا/ضعيف؛ 0.3–0.5: ضعيف؛ 0.5–0.8: متوسط؛ >0.8: قوي).
تحليل الإثراء ل GO و KEGG
GO (علم الجينات الأنطولوجي، إصدار 2024، http://geneontology.org/) هو مورد واسع الاستخدام للإثراء الوظيفي واسع النطاق، يغطي ثلاثة مجالات: العمليات البيولوجية (BP)، المكونات الخلوية (CC)، والوظائف الجزيئية (MF)17. KEGG (موسوعة كيوتو للجينات والجينات، الإصدار 109.0، 2024، https://www.genome.jp/kegg/) تخزن بيانات عن الجينومات والمسارات الحيوية والأمراض والأدوية18.
تم إخضاع RASRDEGs لتعليقات GO وتحليل إثراء مسار KEGG باستخدام حزمة R clusterProfiler19. طريقة اختبار الإثراء: اختبار الهندسة الفائقة؛ طريقة تصحيح الاختبارات المتعددة: طريقة بنجاميني-هوشبرغ (BH). معيار الفرز: القيمة p المعدلة < 0.05.
تحليل إثراء مجموعات الجينات (GSEA)
بالنسبة لتقييم GSEA على مستوى المجموعة، تم تصنيف جميع الجينات التي تم اختبارها في تحليل التعبير التفريقي GSE75360 بترتيب تنازلي حسب logFC واستخدمت كقائمة جينات مدخلة ل clusterProfiler19. لم يتم تطبيق أي ترشيح مسبق بنظام DEG قبل GSEA. مجموعة جينات c2 من MSigDB20. المعاملات: البذرة = 2022، 10–500 جين في كل مجموعة؛ معايير الفحص: تم تصحيح p < 0.05 (طريقة Benjamini-Hochberg، BH)، FDR < 0.2521.
بناء نموذج تشخيص ارتفاع ضغط الدم
لتحديد الجينات الرئيسية المرتبطة بارتفاع ضغط الدم، استخدمنا نوعين من خوارزميات التعلم الآلي: الانحدار اللوجستي والغابات العشوائية (RF). فحص الانحدار اللوجستي (متغير ثنائي يعتمد على اللازم: ارتفاع ضغط الدم/التحكم) RASRDEGs بدرجة p < 0.05. الغابة العشوائية (RF, R package randomForest): parameters set.seed(520), ntree = 1000; تم استخراج مؤشر MeanDecreaseGini (مؤشر الأهمية المتغيرة)، وتم اختيار أفضل 15 RASRDEG. تم فحص RASRDEGs بقيمة p < 0.05 كمعيار.
تم تطبيق خوارزمية RF (الغابة العشوائية)، وهي طريقة تعلم جماعي تحت فئة Bagging (تكامل عدة أشجار قرار)، عبر حزمة R randomForest22 (المعلمات: set.seed(520)، ntree = 1000). تم استخراج MeanDecreaseGini (الذي يعكس الأهمية المتغيرة بمتوسط انخفاض النقاء أثناء تقسيم العقد) لجينات الميزات، وتم اختيار أفضل 15 RASRDEG. وأخيرا، تم رسم مخطط فين للجينات التي تم فحصها بواسطة الانحدار اللوجستي والراديو الراديوي لتحديد الجينات الرئيسية المرتبطة بارتفاع ضغط الدم.
التحقق من صحة نموذج تشخيص ارتفاع ضغط الدم
تم بناء نموذج الانحدار اللوجستي بناء على جينات رئيسية؛ تم حساب القيمة المتوقعة الخطية (η) كالتالي:

تم استخدام حزمة R pROC16 لرسم منحنيات ROC وتقييم فعالية النموذج في التنبؤ بمخاطر ارتفاع ضغط الدم. تم إنشاء صورة نوموغرامية عبر حزمة R rms23 لعرض مساهمة كل جين رئيسي في نموذج الانحدار اللوجستي (مما يعكس الارتباط بين الجينات الرئيسية ومخاطر ارتفاع ضغط الدم). تم إنشاء منحنيات معايرة لتقييم الاتساق بين احتمالات ارتفاع ضغط الدم المتوقعة والفعلية؛ تم إجراء تحليل منحنى القرار (DCA، حزمة R ggDCA24) لتقييم المنفعة السريرية للنموذج (الفائدة الصافية) في GSE75360 و GSE74144.
GSEA أحادي الجين
يستكشف GSEA دور الجينات المرتبطة بجين معين في العمليات البيولوجية/المسارات/الأمراض من خلال تحليل تعبيره، مما يساعد في فهم الدور الوظيفي للجين. لكل جين بؤري في GSE75360، تم تقسيم العينات عند الوسيط إلى مجموعات عالية ومنخفضة التعبير. ثم تم إجراء تحليل التعبير التفريقي عبر جميع الجينات المختبرة، وتم تصنيف قيم logFC على مستوى الجينوم من الأعلى إلى الأدنى قبل GSEA باستخدام clusterProfiler19. لم يتم تطبيق أي ترشيح مسبق بنظام DEG قبل GSEA. المعاملات: البذرة = 2020، 10–500 جين في كل مجموعة (مجموعة جينات c2 من MSigDB21). معايير الفحص: p < 0.05 (تم تصحيح الوصف p باستخدام طريقة BH).
تحليل تسرب المناعة (CIBERSORT)
قامت خوارزمية CIBERSORT25 (المبنية على الانحدار الخطي المتجه الداعم) بفك التعقيد من مصفوفة النسخ لتقدير تركيب الخلايا المناعية في عينات مختلطة (تم اختيار بيانات ذات درجة تخصيب خلايا المناعة > 0). تم عرض مصفوفة تسلل الخلايا المناعية النهائية ل GSE75360 عبر مخطط شريطي للنسبة. تم استخدام ارتباط سبيرمان لتحليل الروابط الرئيسية بين الخلايا المناعية والخلايا المناعية والجينات بالخلايا المناعية، مع تقديم النتائج كخريطة حرارية للارتباط (خريطة حزمة R) ومخطط فقاعة الارتباط (R package ggplot2) على التوالي.
شبكة تفاعل البروتين والبروتين (PPI)
شبكات مثبطات مضخة البروتون هي أنظمة من البروتينات المترابطة التي تنظم العمليات البيولوجية عبر التفاعلات. باستخدام قاعدة بيانات STRING26، تم بناء شبكة PPI للجينات الرئيسية (الحد الأدنى لدرجة التفاعل: 0.150، ثقة منخفضة). تم اختيار جينات المحور المرتبطة برينين بالأنجيوتنسين من خلال فحص الجينات المتفاعلة. قاعدة بيانات GeneMANIAرقم 27، التي تحدد جينات متشابهة وظيفيا باستخدام مجموعات بيانات جينومية وبروتينية، استخدمت للتنبؤ بجينات متشابهة وظيفيا لجينات RAS الرئيسية وبناء شبكة تفاعل بروتينية.
بناء شبكة تنظيمية
شبكة mRNA-TF: تنظم عوامل النسخ (TFs) التعبير الجيني عبر التفاعل بعد النسخ مع الجينات المستهدفة. تم استرجاع TFs التي تستهدف جينات المركز وعلاقاتها التنظيمية من قاعدة بيانات ChIPBase28، وتم تصور شبكة mRNA-TF باستخدام Cytoscape29.
شبكة mRNA-miRNA: تعدل الميكروRNA عدة جينات مستهدفة (قد يتم تنظيم الأهداف الفردية بالتزامن مع عدة miRNAs). تم استخدام StarBase v3.030 لتحديد miRNA المرتبطة ب RASRDEGs، وتم تصور شبكة mRNA-miRNA عبر Cytoscape.
شبكة mRNA - الدواء: تم استخدام قواعد بيانات السموم31 للتنبؤ بأهداف دوائية مباشرة/غير مباشرة لجينات المحور. تم عرض شبكة mRNA والدواء (التي تظهر تفاعلات جينية-دوائية) باستخدام Cytoscape لإكمال بناء الشبكة.
نموذج HUVEC المستحث بواسطة ANG II
تم الحفاظ على خلايا بطانة الأوردة السرية البشرية (HUVECs) عند 37°C في حاضنة رطبة بنسبة 5٪ ثاني أكسيد الكربون. تم الحفاظ على الخلايا في وسط كامل لزراعة الخلايا البطانية مع إضافة مصل الأبقار الجنيني والمضادات الحيوية وفقا لتعليمات المورد. لتأسيس نموذج إصابة بطانة مرتبطة بارتفاع ضغط الدم في المختبر، تم علاج HUVECs بالأنجيوتنسين II (Ang-II؛ 100 نانومتر) لمدة 48 ساعة. تم استخدام الخلايا المعالجة بالمركبات كمجموعة ضابطة.
في تجارب التدخل الجيني، تم نقل RNA صغير متداخل يستهدف CST3 أو FURIN (si-CST3 و si-FURIN)، وsiRNA السلبي المقابل للتحكم (si-NC)، وبلازميدات فرط التعبير CST3 أو FURIN (oe-CST3 و oe-FURIN)، والتحكم الفارغ الناقل المقابل (oe-NC) إلى HUVECs باستخدام كاشف ترانسفيكشن تجاري وفقا لبروتوكول الشركة المصنعة. بعد النقل، تعرضت الخلايا ل Ang II ثم تم حصادها للتحقق من التعبير والاختبارات الوظيفية. تم تأكيد كفاءة الإبطال والإفراط في التعبير بواسطة qRT-PCR وتغطية الغرب.
qRT-PCR
تم عزل الحمض النووي الريبي الكلي من HUVECs باستخدام مادة استخلاص RNA قياسية، وتم توليد حمض نووي مكمل باستخدام مجموعة النسخ العكسي. تم استخدام الكيمياء الخضراء SYBR لاختبار qRT-PCR. تم تطبيع مستويات التعبير من LRP1، CTSD، MTHFR، AUTS2، FURIN، CST3، FCER1G، TBXAS1، IL-6، TNF-α، VCAM1، ICAM1، وeNOS إلى GAPDH. وتم حسابها باستخدام طريقة 2−ΔΔCt.
البلوط الغربي
لتحليل البلوت الغربي، تم استخراج البروتينات باستخدام محلول تحلل RIPA وقياسها باستخدام اختبار BCA. تم حل كميات البروتين المتساوية بواسطة SDS-PAGE ونقلها إلى أغشية PVDF. بعد الحجب، تم حضن الأغشية بأجسام مضادة أولية ضد CST3 أو FURIN أو TBXAS1 أو GAPDH ثم مع أجسام مضادة ثانوية مناسبة. تم اكتشاف الأشرطة بواسطة التوألؤ الكيميائي، وتم تطبيع الكثافة إلى GAPDH. تم قياس CST3 المفرز في المواد الفائقة في الزراعة باستخدام مجموعة ELISA وفقا لبروتوكول الشركة المصنعة.
قابلية الخلايا للبقاء
تم تقييم بقاء الخلايا باستخدام اختبار مجموعة عد الخلايا 8 (CCK-8). باختصار، تم زرع HUVECs المنقولة والمعالجة ب Ang II في صفائح بئر 96، وتم قياس الامتصاص عند 450 نانومتر عند 0 و24 و48 و72 ساعة بعد إضافة كاشف CCK-8. تم تقييم هجرة الخلايا باستخدام غرف ترانسويل. بعد التدخلات المشار إليها، تم زرع الخلايا في الغرف العلوية، وتم تثبيت الخلايا المهاجرة على سطح الغشاء السفلي وصبغها وعددها تحت المجهر في حقول مختارة عشوائيا.
اختبار الالتهاب
لتقييم التنشيط الالتهابي، والإجهاد التأكسدي، ووظيفة البطانة، IL-6، TNF-α، VCAM1، ICAM1، وeNOS.تم اكتشاف مستويات mRNA بواسطة qRT-PCR. تم قياس مستويات أكسيد النيتريك (NO) في المادة الفائقة للزراعة باستخدام مجموعة اختبار NO التجارية، وتم اكتشاف مستويات أنواع الأكسجين التفاعلي داخل الخلايا (ROS) باستخدام فلورة DCF وفقا لتعليمات الشركة المصنعة.
التحليل الإحصائي
تم إجراء معالجة النمذجة والنمذجة في R. تم تقييم المتغيرات المستمرة للاستقرار باستخدام اختبار شابيرو-ويلك. في المقارنات بين مجموعتين، استخدمت اختبارات t للعينات المستقلة للمتغيرات الموزعة بشكل طبيعي، بينما استخدمت اختبارات مجموع الرتبة ويلكوكسون للمتغيرات غير الطبيعية. بالنسبة لثلاث مجموعات أو أكثر، تم استخدام تحليل التباين أحادي الاتجاه مع اختبار لاحق مناسب عند تحقيق الطبيعية وتجانس افتراضات التباين؛ وإلا، كان يتم تطبيق اختبار كروسكال-واليس. تم تحليل بيانات الدورة الزمنية لاختبار CCK-8 باستخدام تحليل التباين ثنائي الاتجاه. تم حساب معاملات الارتباط في سبيرمان لتحليلات الارتباط. ما لم يذكر خلاف ذلك، تظهر النتائج التجريبية كمتوسط ± SD، واعتبر ال p ذو الذيلين < 0.05 دلالة.