مقالة بحثية

تحديد المؤشرات الحيوية المرشحة المرتبطة بخلل وظائف الميتوكوندريا والتداخل العضلي في فشل القلب بناء على مناهج المعلوماتية الحيوية

DOI:

10.3791/72265

⸱

يونيو 26, 2026

 ,  ,  ,  ,  , 
1Department of Cardiology, Hebei Medical University Third Hospital, 2Department of Clinical Pharmacy, Hebei Medical University Third Hospital

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

باستخدام المعلوماتية الحيوية، وتعلم الآلة، والتحقق من qPCR، حددت هذه الدراسة خمسة مؤشرات حيوية مرشحة مرتبطة بالتداخل الذاتي وخلل وظائف الميتوكوندريا في فشل القلب. تحسن هذه النتائج فهم آليات فشل القلب وتقترح اتجاهات محتملة للأبحاث التشخيصية المستقبلية.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

فشل القلب (HF) يمثل تحديا سريريا مستمرا. بينما يعد التحول الذاتي ووظيفة الميتوكوندريا أمرا حيويا لصحة خلايا عضلة القلب، إلا أن تأثيرهما المشترك على HF لا يزال بعيد المنال. تم تحميل مجموعتين بيانات تتعلق ب HF من GEO. تم الحصول على الجينات المتداخلة من جميع الجينات في مجموعة التدريب، والجينات المرتبطة ب SUMO، والجينات المرتبطة بالميتوكوندريا. تم تطبيق ثلاث خوارزميات تعلم آلي لتحديد الجينات الرئيسية التشخيصية. لاحقا، تم بناء وتقييم نماذج تشخيصية بناء على هذه الجينات. بالإضافة إلى ذلك، تم تقييم البيئة المناعية الدقيقة في العوامل الضابطة HF مقابل الأصحاء باستخدام CIBERSORT وMCP-counter وssGSEA. تم تحليل الفروق في التسلل المناعي بين HF ومجموعة التحكم الأصحاء. تم إجراء التنبؤ بالأدوية وربط الجزيئات لتحديد مرشحين محتملين للدواء يستهدفون هذه الجينات. وأخيرا، تم استخدام qPCR للتحقق من مستويات التعبير الجيني في العينات السريرية. تم تحديد ما مجموعه 113 جينا شائعا مع إثراء ملحوظ في تنظيم الميتوكوندريا. تم تحديد خمسة جينات رئيسية، وهي NFKB1، MYEF2، NSUN2، SQSTM1، وFKBP4، بواسطة ثلاث خوارزميات تعلم آلي. ربطت تحليلات الإثراء الوظيفي هذه الجينات بالاستجابة المناعية، ومعالجة الحمض النووي الريبي، وتنظيم دورة الخلية. علاوة على ذلك، كشفت التوصيلات المناعية أن تسرب العدلات يساهم في استجابات مناعية غير منظمة في HF. كشف الربط الجزيئي أن دواء الجزيئات الصغيرة IMX-942 له ارتباط إيجابي مع SQSTM1 (-5.8 كيلو كالوري/مول). دعم التحقق من qPCR نتائج المعلوماتية الحيوية. تم تحديد NFKB1 وMYEF2 وNSUN2 وSQSTM1 وFKBP4 كجينات رئيسية تربط التحول الميتوكوندري ووظيفة الميتوكوندريا في HF. توفر هذه النتائج رؤى جديدة حول فيزيولوجيا أمراض الهيدرولون البشري وقد تسهم في تطوير استراتيجيات تشخيصية وعلاجية جديدة.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

فشل القلب (HF)، وهو المرحلة النهائية لمختلف أمراض القلب والأوعية الدموية، يتميز بضعف في وظيفة القلب التي تفشل في تلبية متطلبات الجسم الأيضية1. تشكل هذه الحالة المعيقة تهديدات كبيرة لصحة المريض، مما يؤدي إلى انخفاض جودة الحياة وارتفاع معدلات الوفيات2. تشمل الأساليب التشخيصية الحالية لالتهاب القلبي الهومي بشكل رئيسي اكتشاف العلامات الكيميائيةالحيوية 3,4، تخطيط صدى القلب، والتصوير الإشعاعي5. على الرغم من أن العلاجات المتاحة تشمل العوامل الدوائية، والتدخلات المعتمدة على الأجهزة، والإجراءات الجراحية، إلا أن النتائج السريرية لا تزال غير مرضية.6. غالبا ما تعيق القيود مثل التفاعلات السلبية للأدوية، محدودية تطبيق الأجهزة، رفض المناعة، ومضاعفات أخرى فعالية العلاج 7,8,9,10,11. لذلك، هناك حاجة ملحة لتوضيح الآليات الأساسية ل HF، وتحديد العلامات الحيوية التشخيصية المبكرة والدقيقة، وتطوير استراتيجيات علاجية أكثر فعالية وأمانا.

يتم تربيط بروتينات المعدل الشبيه باليوبيكويتين الصغيرة (SUMO) بشكل تساهمي مع بقايا الليسين في بروتينات الركيزة من خلال عملية ديناميكية وعكسية، تنظم بنية ووظيفة بروتينات الركيزة12. السومويليشن، وهو تعديل حيوي بعد الترجمة، يعمل كمنظم رئيسي لمختلف العمليات الخلوية13,14. الميتوكوندريا، باعتبارها مركز الطاقة والاستقلاب للخلايا، تشارك بشكل حاسم في تكوين مرض HF. في العملية المرضية لهيدرولون الميتوكوندريا، مثل نقص إنتاج ATP، وانفجار أنواع الأكسجين التفاعلي (ROS)، واختلال توازن الكالسيوم2+، يساهم بشكل كبير في تقدم الميتوكوندريا 15، 16، 17 و18. ومن الجدير بالذكر أن الأدلة الناشئة تشير إلى وجود تفاعل محتمل بين السومويليشن ووظيفة الميتوكوندريا. يمكن أن يؤدي إجهاد الميتوكوندريا إلى تحفيز مسارات مرتبطة بالتداخل الميتوكوندري، بينما تعد بروتينات SUMO وبروتيازاتها الخاصة ضرورية للحفاظ على توازن الميتوكوندريا 19,20,21. سلطت الدراسات الحديثة الضوء بشكل أكبر على أهمية مراقبة جودة الميتوكوندريا وديناميكيات الميتوكوندريا في أمراض القلب والأوعية الدموية وتقدم HF22,23. ومع ذلك، لا يزال التأثير التآزري للسموليشن وتنظيم الميتوكوندريا على تطور HF غير واضح، خاصة على مستوى الجينات.

في هذه الدراسة، بحثنا بشكل منهجي في الجينات عند تقاطع السوموفيليشن وخلل الميتوكوندريا في HF، وهما عمليتان بيولوجيتان رئيسيتان تم ربطهما بشكل فردي ب HF لكنهما لم يتم دمجهما بشكل شامل بعد. تم تحديد الجينات المتداخلة من خلال تقاطعها مع جينات معبر عنها تفاضلي مرتبطة ب HF، وجينات مرتبطة ب SUMOylation، وجينات مرتبطة بالميتوكوندريا. ثم تم فحص الجينات الرئيسية باستخدام خوارزميات التعلم الآلي واستخدامها لبناء نموذج تشخيصي. تم إجراء تحليلات إثراء وظيفي وتسلل المناعة بشكل إضافي لاستكشاف أدوارها البيولوجية المحتملة في الهيدروفورد الهومي. قد يوفر هذا النهج المتكامل إطارا منهجيا لاستكشاف التقاطع بين السوموليشن وخلل وظائف الميتوكوندريا في HF.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أجريت الدراسة وفقا لإعلان هلسنكي، وتمت الموافقة على البروتوكول من قبل لجنة الأخلاقيات في المستشفى الثالث لجامعة خبي الطبية (W2025-065-1) في نوفمبر 2024. تم الحصول على موافقة مستنيرة من جميع المشاركين في الدراسة.

مصدر البيانات والمعالجة المسبقة

تم الحصول على بيانات RNA-seq المرتبطة ب HF، بما في ذلك مجموعتي بيانات ميكروآراي من Gene Expression Omnibus (https://www.ncbi.nlm.nih.gov/geo/). تم اختيار مجموعتين من بيانات مصفوفة الدم المحيطية: GSE59867 (34 عينة HF و30 عينة ضابطة) كمجموعة بيانات تدريبية؛ تم استخدام GSE57338 (177 عينة HF و136 عينة ضابطة) كمجموعة بيانات للتحقق. تم استرجاع المعلومات السريرية المتاحة ل GSE57338، بما في ذلك العمر والجنس وحالة المرض، من GEO ويتم تلخيصها في الجدول التكميلي 1. بالإضافة إلى ذلك، تم الحصول على ما مجموعه 3,893 جين مرتبط بالميتوكوندريا (SRGs) من قاعدة بيانات dbPTM (https://awi.cuhk.edu.cn/dbPTM/index.php) (الجدول التكميلي 2)، بينما تم جمع 2,030 جينا مرتبطا بالميتوكوندريا (MRGs) بناء على دراسة سابقة24 (الجدول التكميلي 3). بعد ذلك، تم استخدام حزمة R GEOquery (v 2.72.0)25 لتحميل مجموعات البيانات من قاعدة بيانات GEO، واستخراج مصفوفة التعبير، والحصول على معلومات النمط الظاهري العيني. تم إجراء التعليق عن طريق تعيين ملف التعليقات ومطابقة معرفات الجينات. تمت إزالة معرفات جينية غير صالحة، وتم الاحتفاظ بأكثر المجسات تعبيرا بشكل واضح.

اختيار الجينات الرئيسية عبر التعلم الآلي

تم استخدام نهج متعدد الخطوات لاختيار الجينات المتعلقة ب HF، وSUMOylation، والميتوكوندريا. أولا، تم تحديد الجينات المشتركة بين مجموعة بيانات التدريب، ومجموعات SRG، وMRGs باستخدام تحليل التقاطع. تم تحديد الوظيفة المحتملة للجينات الشائعة من خلال تحليل إثراء جينات الجينات (GO) وموسوعة كيوتو للجينات والجينومات (KEGG) باستخدام حزمة R ClusterProfiler (الإصدار 4.12.6)26. ثم تم استخدام ثلاث طرق تعلم آلة، وهي انحدار LASSO، وXGBoost، والغابة العشوائية (RF)، لتصفية الجينات بشكل أكبر. في انحدار LASSO، تم اختيار معامل التنظيم الأمثل λ عبر التحقق المتقاطع لتحديد السمات الجينية ذات القيمة التنبؤية الأعظم. تم اختيار الجينات غير الصفرية للتحليل لاحقا. ثم تم استخدام خوارزميات XGBoost وRF لحساب درجات أهمية الميزات وفحص أفضل 20 جينا.

بناء وتقييم النماذج التشخيصية

تم بناء نموذج تشخيصي باستخدام الانحدار اللوجستي بناء على مجموعة البيانات GSE59867. ثم تم تطبيق النموذج للتنبؤ بحالة المرض وحساب درجات الاحتمالية. للتحقق من صحة النموذج، تم استخراج نفس الجينات الرئيسية من مجموعة البيانات GSE57338، وتم تطبيعها لتطابق مجموعة بيانات التدريب، واستخدامها للتنبؤ الخارجي. تم تقييم أداء النموذج باستخدام منحنيات خصائص تشغيل المستقبل (ROC)، ومصفوفة الالتباس، ومنحنى المعايرة، وتحليل منحنى القرار (DCA).

تحليل إثراء مجموعات الجينات (GSEA) وتحديد المواقع تحت الخلوية

تم استخدام تحليل الارتباط في سبيرمان لتحديد الجينات المترابطة لكل جين رئيسي. تم إجراء تحليل GSEA باستخدام حزمة R ClusterProfiler (الإصدار 4.12.6) على الجينات المرتبطة بالجينات الرئيسية. وفي الوقت نفسه، لتحديد الموقع الدقيق للجينات الرئيسية تحت الخلية داخل الخلية، تم تحديد موقعها تحت الخلوي باستخدام قاعدة بيانات GeneCards (https://www.genecards.org/).

الارتباط بين الجين والمرض والتنبؤ الدوائي

لتقييم الأهمية السريرية للجينات الرئيسية المحددة، أجريت تحليلات منهجية للارتباط بالأمراض وتفاعل الأدوية. تم استجواب الروابط بين الأمراض والجينات باستخدام قاعدة بيانات السموم المقارنة (CTD؛ https://ctdbase.org/)، حيث تم تصنيف النتائج بناء على درجات الاستنتاج وعدد المراجع (أفضل 10 ارتباطات تم الإبلاغ عنها). تم الحصول على بيانات التفاعل بين الجينات والدواء الرئيسية من قاعدة بيانات تفاعل الدواء والجين (DGIdb)، وتم استبعاد الأدوية بناء على درجة التفاعل < 0.5. بعد ذلك، قمنا بتحميل البنى ثلاثية الأبعاد للبروتينات المقابلة للجينات الرئيسية من قاعدة بيانات PDB (https://www.rcsb.org/) والهياكل الجزيئية للأدوية المحتملة من PubChem (https://pubchem.ncbi.nlm.nih.gov/). بعد ذلك، أجري تحليل الالتحام الجزيئي باستخدام CB-Dock227 (https://cadd.labshare.cn/cb-dock2/php/index.php) لحساب درجات الارتباط بين الأدوية والبروتينات المحتملة. تشير طاقة الارتباط الحرة الأقل إلى تفاعل أكثر استقرارا، مما يشير إلى أن المركب قد يكون لديه إمكانات استهداف أكبر.

تحليل تسرب المناعة

تم تقييم تسرب الخلايا المناعية باستخدام ثلاث طرق تكميلية: عداد تجمعات الخلايا في البيئة الدقيقة (MCP-counter)28، تحديد نوع الخلية من خلال تقدير مجموعات نسبية من نسخ RNA (CIBERSORT)29 ، وتحليل إثراء العينة الواحدة (ssGSEA)30. تم إجراء تحليل عداد MCP وCIBERSORT باستخدام حزمة R IOBR (v 0.99.0)31. تم استخدام عداد MCP لتقدير وفرة الخلايا المناعية وخلايا البث، بينما استخدم CIBERSORT لقياس النسب النسبية ل 22 نوعا من الخلايا المناعية. تم إجراء ssGSEA باستخدام حزمة GSVA (v1.52.3)32 لتقييم إثراء الأنواع الفرعية لخلايا المناعة على مستوى العينة.

بناء شبكة تنظيمية للحمض النووي الريبي الداخلي (ceRNA) المتنافسة

لدراسة الأدوار التنظيمية المحتملة ل miRNA–lncRNA المرتبطة بالجينات الرئيسية التي تم تحديدها مسبقا، تم بناء شبكة تنظيمية ل ceRNA. تم استخدام حزمة R multiMiR (الإصدار 1.26.0)33 للتنبؤ بتفاعلات الميكروRNA المحتملة بين الميكرو RNA (miRNA)–mRNA للجينات الرئيسية، مع دمج بيانات من PITA (https://omictools.com/pita-tool/) وقاعدة بيانات miRDB (https://mirdb.org/). تم اختيار أزواج miRNA–mRNA ذات ثقة عالية واتساق. لاحقا، تم استرجاع تفاعلات lncRNA–miRNA من قاعدة بيانات StarBase (https://rnasysu.com/encori/) وتصفيتها بحثا عن تفاعلات مدعومة بتجارب CLIP-seq ≥ عشرة وتصنيفها كlincRNAs. تم بناء شبكة ceRNA من خلال دمج تفاعلات lncRNA-miRNA-mRNA.

التحقق من qPCR

للتحقق من تعبير الجينات الرئيسية، تم جمع عينات دم من مرضى HF ومجموعة تحكم صحية من المجموعة السريرية (n = 6 لكل مجموعة) في المستشفى الثالث بجامعة خبي الطبية (W2025-065-1) وفقا لبروتوكولات معتمدة وموافقة مستنيرة. تم عزل إجمالي الحمض النووي الريبي باستخدام كاشف تريزول مع الكلوروفورم والإيزوبروبانول. بعد الاستخلاص، تم إذابة الحمض النووي الريبي في ماء معالج ب DEPC، وتم تقييم تركيزه ونقائه باستخدام مطياف نانودروب. للتحليل النسخي، تم نسخ RNA عكسيا إلى cDNA باستخدام مزيج تخليق cDNA سريع للسلسلة الأولى لعلاج RT (مع dsDNase). تم إجراء PCR الكمي لاحقا باستخدام مزيج Fast Taq qPCR SYBR Green Mix. يتم تفصيل تسلسلات البرايمر المحددة في جدول المواد. تم حساب مستويات التعبير الجيني النسبية باستخدام طريقة 2-ΔΔCT ، مع التطبيع المناسب.

التحليل الإحصائي

تم إجراء جميع التحليلات الإحصائية باستخدام برنامج R ومنشور GraphPad. تم إجراء مقارنات إحصائية بين مجموعتين مستقلتين باستخدام اختبار t لطالب أو اختبار مان-ويتني U، اعتمادا على توزيع البيانات. تم اعتبار قيمة p أقل من 0.05 دلالة على الدلالة الإحصائية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تحديد وإثراء الجينات المتقاطعة

لتحديد الجينات المشاركة في السومويليشن ووظيفة الميتوكوندريا في HF، تم إجراء مراقبة الجودة أولا على مجموعة التدريب GSE59867 (الشكل التكميلي 1A). تم إجراء تحليل تقاطع ثلاثي الاتجاهات بين جميع الجينات في مجموعة التدريب، ومجموعات SRG، وMRGs، حيث حدد 113 جينا متداخلا (الشكل 1A). لاستكشاف الوظائف البيولوجية المحتملة لهذه الجينات، أجريت تحليلات إثراء المسارات باستخدام GO وK...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

HF، وهي مرحلة تقدمية ونهائية من أمراض القلب والأوعية الدموية المختلفة، تتميز بآليات مرضية معقدة ومتعددة العوامل17,34. على الرغم من أن كل من السوموليشن وخلل الميتوكوندريا قد تم تورطهما بشكل فردي في الهيدروفورد الميتوندري، إلا أن أدوارهما التآزرية المحتملة لا تزال غير مستكشفة بشكل كاف، خاصة على مستوى الجينات. في هذه الدراسة، حددنا خمسة جينات رئيسية—NFKB1، MYEF2، NSUN2، SQSTM1، وFKBP4—وأنشأنا نموذجا تشخيصيا لنمو العضلات العالية باست...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وقد دعم هذا العمل مشروع أبحاث العلوم الطبية في خبي (رقم المنحة: 20250084).

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

لا يوجد لدى المؤلفين أي تضارب مصالح ليعلنوا عنه.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
Chloroform substituteServicebioG3014-02مادة تفاعلية لـ qPCR
DEPC-treated water BiosharpBL510Aمادة تفاعلية لـ qPCR
Fast First-Strand cDNA Synthesis Mix for RT (with dsDNase)Albatross Biology500-101مادة تفاعلية لـ qPCR
Fast Taq qPCR SYBR Green MixAlbatross Biology500-102مادة تفاعلية لـ qPCR
FKBP4 primersTsingkeN/Aالاتجاه الأمامي: 5’-GAAGGCGTGCTGAAGGTCAT-3’
الاتجاه العكسي: 5’-TGCCATCTAATAGCCAGCCAG-3’
IsopropanolHushi80109218مادة تفاعلية لـ qPCR
MYEF2 primersTsingkeN/Aالاتجاه الأمامي: 5’-CAGCTCCAATGGCGTTAAAATG-3’
الاتجاه العكسي: 5’-TGGCCTTCTTACTTCCTGTAGAT-3’
NanoDrop spectrophotometerThermo Fisher ScientificNanoDrop 2000Cمادة تفاعلية لـ qPCR
NFKB1 primersTsingkeN/Aالاتجاه الأمامي: 5’-AACAGAGAGGATTTCGTTTCCG-3’
الاتجاه العكسي: 5’-TTTGACCTGAGGGTAAGACTTCT-3’
NSUN2 primersTsingkeN/Aالاتجاه الأمامي: 5’-GAACTTGCCTGGCACACAAAT-3’
الاتجاه العكسي: 5’-TGCTAACAGCTTCTTGACGACTA-3’
SQSTM1 primersTsingkeN/Aالاتجاه الأمامي: 5’-GCACCCCAATGTGATCTGC-3’
الاتجاه العكسي: 5’-CGCTACACAAGTCGTAGTCTGG-3’
TRIzol reagentVazymeR401-01مادة تفاعلية لـ qPCR
β-actin primersTsingkeN/Aالاتجاه الأمامي: 5’-CATGTACGTTGCTATCCAGGC-3’
الاتجاه العكسي: 5’-CTCCTTAATGTCACGCACGAT-3’

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

مقالات ذات صلة