转录组分析揭示特应性皮炎病变中线粒体驱动的亚群

Yingyao Yu; Yuanyuan Shang; Xinhong Ge; Lingdi Dong; Kexin Li

doi:10.3791/70240

Research Article

转录组分析揭示特应性皮炎病变中线粒体驱动的亚群

DOI:

10.3791/70240

⸱

May 26th, 2026

Yingyao Yu¹ , Yuanyuan Shang¹ , Xinhong Ge¹ , Lingdi Dong¹ , Kexin Li¹

¹Department of Dermatology, General Hospital of Ningxia Medical University

Summary

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

特应性皮炎（AD）是一种具有显著分子异质性的慢性炎症性皮肤疾病。本研究鉴定出两个转录组上不同的阿默病亚群，分别由不同线粒体基因表达和免疫浸润驱动，并揭示了四个枢纽基因作为患者分层潜在的生物标志物。

Abstract

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

特应性皮炎（AD）是一种常见且慢性的炎症性皮肤疾病，具有全球普遍的流行病。其临床异质性和复杂的分子机制为有效疗法的开发带来了重大挑战。利用病灶皮肤转录组数据探索阿尔茨海默病分子异质性，表征其生物和免疫特征，并识别导致分化的关键基因。通过DESeq2鉴定差异表达基因，随后分别 通过GSEA 和WGCNA进行通路和共表达分析。通过与MitoCarta3.0数据库交叉的DEGs和WGCNA模块提取线粒体相关基因，并通过Go和KEGG富集评估其功能相关性。通过蛋白质-蛋白质相互作用网络分析识别了枢纽基因，随后用于构建分类模型。通过hTFtarget预测转录调控因子，而CIBERSORT定量免疫细胞浸润。鉴定出两个分子亚群。第1簇在细胞信号和粘附通路中富集，而第2簇表现出氧化磷酸化和蛋白酶体相关过程的上调。共有85个线粒体相关基因，主要参与能量代谢，在簇间表现出差异性表达。PPI网络分析发现四个枢纽基因（BAD、 BOLA1、 CHCHD5和 ISOC2），在第1簇显著上调。基于基因的枢纽分类器展现出强烈的区分力（曲线下方面积>0.7）。预测的关键转录调控因子包括 ATF3、 BRD2、 BRD4和 CEBPA。免疫分析显示第1簇的调控性T细胞浸润率更高，簇2的滤泡辅助T细胞增加。本研究揭示了两种分子和免疫学上截然不同的阿尔茨海默病亚型，其特征是线粒体功能和免疫微环境特征的不同。

Introduction

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

特应性皮炎（AD）是一种常见且慢性的炎症性皮肤疾病，影响多达20%的儿童和10%的^成人。其特征是强烈瘙痒和反复出现湿疹病变².临床上，阿尔茨海默病源于多基因易感性（如FLG功能丧失突变）、免疫失调以及环境暴露（如低湿度和微生物菌群失调）的动态^{相互作用。}虽然阿尔茨海默病与银屑病在病理生理上有一些相似特征，但两者的临床表现互不相同，在共享通路中具有不同的遗传效应，并且免疫改变也各有不同。

阿尔茨海默病是一种异质性疾病，其特征是不同患者群体的转录组谱多样，且^{疾病症状不同}。对皮肤组织和外周血单核细胞的综合分析显示，红斑和丘疹等临床特征与不同的免疫特征相关，反映了局部皮肤与全身免疫反应之间的相互作用^6.大规模转录组研究进一步强调IL-13途径在阿尔茨海默病发病机制中的作用，而阿尔茨海默病的分子异质性高于银屑病，基因表达模式的差异与疾病严重程度、发病年龄和遗传背景相关 ^5,7。这些差异凸显了阿尔茨海默病发病机制的复杂性，以及研究和治疗中个性化方法的必要性。

线粒体蛋白通过调节异常的氧化应激和代谢途径，在阿尔茨海默病的发病机制中发挥重要作用。研究显示，非病变性阿尔茨海默病角质细胞中的线粒体复合体I和II活性增加，导致长链脂肪酸过度氧化和ROS产生升高，从而加重表皮屏^{障功能障碍}^8,9。同时，蛋白质组学分析鉴定出阿尔茨海默症表皮中还原的NRF2抗氧化通路蛋白和线粒体成分，降低氧化应激分辨率¹⁰。线粒体DNA损伤进一步促进炎症反应，而使用线粒体靶向抗氧化剂等干预措施则通过缓解ROS^11,12，显示出恢复表皮稳态的有效性。这些发现强调线粒体蛋白既是阿尔茨海默病病理的驱动因素，也是潜在的治疗靶点。

近期对阿尔茨海默病的转录组分析极大地推动了对其遗传结构和分子异质性的理解。阿尔茨海默病的首次RNA测序分析揭示了TREM-1通路和IL-36细胞因子¹³的表达增加。基于基因表达谱的加权基因共表达网络分析进一步揭示了不同的分子模块和枢纽基因，如HSPA4、LCE3E和LCE3D，共同协调炎症反应和角化，突显了潜在的治疗靶点¹⁴。这些研究强调了多组织转录组学和多基因风险建模在完善疾病预测和揭示阿尔茨海默病复杂基础方面的价值。然而，现有研究主要聚焦于整体阿尔茨海默症转录组学，未具体解析线粒体基因在定义分子亚群中的作用。本研究超越了以往的转录组分析，整合了多个GEO数据集，识别基于共识聚类的AD亚群，并系统交叉差异表达基因、WGCNA模块及精心策划的线粒体基因目录，定位定义亚组身份并可能作为新型生物标志物的线粒体中心基因。

假设病变性阿尔茨海默病皮肤存在分子上不同的转录组亚群，这些亚群以线粒体基因表达差异为特征，这可能是阿尔茨海默病临床异质性的基础。为验证这一点，本研究整合了已发表研究的RNA测序数据，并收集了266名AD患者的病变皮肤样本的基因表达数据。分子亚组基于基因表达的共识聚类确定，并比较了两个分子亚组的基因表达。驱动这种差异的基因在细胞信号传导和氧化磷酸化中表现出功能富集。此外，研究了区分这两个分子群的线粒体基因，并在蛋白质-蛋白质相互作用网络中识别出关键枢纽基因。这些发现凸显了阿尔茨海默病的遗传异质性，并拓展了对线粒体蛋白在阿尔茨海默病病理中作用的认识。

Protocol

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

本研究使用了来自基因表达综合数据库（GEO）的公开基因表达数据集。未访问可识别患者的数据，也未采集新的患者样本。因此，对公开数据的二次分析无需获得机构审查委员会（IRB）批准或患者同意。所使用的软件和数据库列于 材料表中。

1 数据与资源

从GEO数据库获取了特应性皮炎（AD）患者的转录组数据，包括四项研究：GSE121212（N = 55）⁵、GSE157194（N = 57）¹⁵、GSE193309（N = 111）¹⁶ 和GSE277961（N = 43）¹⁷。所有数据集均包含来自病变皮肤活检的原始或预归一化计数数据。原始计数矩阵被下载并整合到各研究之间。通过ComBat-seq方法（sva R软件包，v3.44.0）校正了跨研究批次效应，以协调四个GEO数据集中的表达谱，随后进行后续分析。这四个数据集均基于对人体皮肤活检样本进行的RNA-seq测序，并通过研究特定的流程与人类参考基因组GRCh38比对。基因级表达定量使用Ensembl基因注释（v105）完成。

2 共识聚类

使用ConsensusClusterPlus R软件包（v1.64.0）¹⁸ 进行无监督共识聚类，基于转录组图谱对266个阿尔茨海默病患者的病灶皮肤样本进行分层。在聚类前，所有研究的原始计数数据被合并，并通过 limma 包中的 removeBatchEffect 函数校正了跨研究批次效应。随后，基因表达数据使用DESeq2对方差稳定转换（VST）进行筛选，以保留变异性最高的5000个基因。聚类采用层次聚类，采用皮尔逊相关和平均链接，跨越1000次迭代，每次迭代对80%的样本进行子抽样。最佳簇数（k范围为2至10）通过评估共识累积分布函数（CDF）、三角洲区域图和群集共识分数确定。所得的聚类通过共识热图和主理分析进行了验证，并用于下游的生物学和临床分析。

3 基因表达差异分析

使用DESeq2 R （v1.46.0）¹⁹，比较了不同分子亚群的基因表达水平。输入原始计数数据以估算基因分布并拟合负二项模型。通过Wald检验识别出差异表达基因（DEGs），结果通过显著性阈值（调整后 p值<0.01，绝对log²倍变化>1进行过滤。

4 基因集富集分析

基因集富集分析（GSEA）使用clusterProfiler R软件包（v4.12.6）²⁰进行。所有基因均按差异表达分析的log²倍变化进行排名，GSEA函数应用参数eps = 0，minGSSize = 10，maxGSSize = 500，其他设置保持默认。富集对MSigDB Hallmark基因集进行了。对于每个分子簇（簇1和簇2），根据名义p值和归一化富集评分（NES）选择前三条富集途径。结果通过GseaVis R软件包（v0.1.0）²¹进行可视化。

5 加权基因共表达网络分析

WGCNA对阿尔茨海默病患者的基因表达谱进行，以识别与转录组亚型身份相关的基因共表达模块，使用R套件WGCNA （v1.73）²²。基因经过筛选，保留了所有样本中变异最高的75%。构建了一个带符号共表达网络，采用1至30的软阈值度来近似无尺度拓扑。通过层次聚类和动态树切割来识别基因模块。通过将共表达的模块特征基因与分子亚型标记关联，研究模块-性状关联，并选取与分子亚型显著相关（p < 0.05）的模块进行后续分析。

6 AD分子亚群中的线粒体蛋白

为了识别DEGs和WGCNA模块中的线粒体相关基因，这些基因集与MitoCarta3.0²³中精心整理的线粒体蛋白列表进行了重叠。交叉基因被视为与阿尔茨海默病相关线粒体蛋白。

7 基因本体论与KEGG富集分析

识别区分分子亚群的主要细胞功能和生物过程。使用clusterProfiler对线粒体相关基因进行了GO和KEGG富集分析。生物过程（BP）、细胞组分（CC）和分子功能（MF）类别分别使用富含Go函数进行，其中OrgDb = “org.Hs.eg.db“，ont = ”ALL“，以及默认参数。KEGG通路富集使用enrichKEGG函数，生物体设置为“has”进行。调整后 p值<0.05的富集项被视为显著。

8 蛋白质间相互作用网络

在STRING数据库（https://string-db.org）²⁴ 中查询了85个DEGs和AD相关模块重叠的线粒体基因，以检索已知和预测的PPI。通过七种指标（程度、接近度、间距度、特征向量、页面排名、枢纽和权威）进行了网络拓扑分析，以对每个蛋白质的节点重要性进行排序。选出每个指标排名前30的基因，并通过UpSet图可视化七种方法的交叉点。测量中4个交叉基因被用来基于基因表达水平构建分类模型。计算了模型的准确性、敏感性、特异性以及ROC曲线下的面积（AUC），以评估分类表现。

9 转录调控分析

查询hTFtarget数据库（http://bioinfo.life.hust.edu.cn/hTFtarget）²⁵ ，检索了四个交叉枢纽基因的实验支持的TF靶点相互作用。由此产生的TF基因调控网络通过igraph²⁶ 和ggraph²⁷ R包构建并可视化。

10 体型RNA测序免疫细胞浸润分析

CIBERSORT²⁸ 算法（https://cibersort.stanford.edu/）用于估计病变皮肤转录组数据中22种免疫细胞类型的相对比例。归一化的基因表达数据与LM22签名矩阵一起输入CIBERSORT（v0.1.0）。分析在1000个置换和禁用分位数归一化的情况下进行。考虑CIBERSORT输出 p值为0.05<样本进行下游分析。通过Wilcoxon秩和检验配合FDR校正，比较了分子亚群间的多重比较（p.adjust.method = “FDR”），结果通过ggplot2²⁹ R包的箱形图可视化。

Results

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

特应性皮炎中的转录亚群

分析了266个AD患者样本的RNA-seq数据，以探讨疾病中的转录异质性。经过多项研究的质量控制和批次效应校正后，无监督共识聚类揭示了两个不同的分子亚群（见图1A）。通过累积分布函数（CDF）图（图1B）、δ面积图（图1C）和共识矩阵热图（图1D）评估了集群稳定性和最优集群数。这些结果共同支持了阿尔茨海默病中存在两种强健的转录亚型，反映了其潜在的遗传异质性。

AD亚组间基因表达差异

基于归一化基因表达矩阵的t-SNE图进一步验证了通过共识聚类识别出的转录亚群。t-SNE图显示了两个高度分离的簇，分别对应先前定义的一个亚组（见图2A），支持阿尔茨海默症患者存在明显的分子谱。随后使用DESeq2分析两个亚组之间的差异表达，调整后的p < 0.01，且 |log₂ 倍变化|> 1.最终的火山图（图2B）显示基因表达差异（DEGs），显示出强烈的转录分歧。上调前十基因分别是簇1中的 ABHD2、ADAR、ADCY3、ADCY9、ADD1、ADIPOR2、AFF1、AGFG1、AGRN 和 AHNAK ，簇2中的 C2orf68、CTTN、GPR108、HERPUD1、LRPAP1、MAP1LC3B2、NKIRAS2、NR1H2、PDE5D 和 PMPCA （见图2C）。

AD亚组相关基因集

基因集富集分析（GSEA）揭示了两个转录组簇间不同的功能富集谱（图3A）。第1簇在细胞信号传导和粘附相关通路中表现出显著富集，包括局部粘附（见图3B）和MAPK信号通路（见图3C），表明其活跃状态表现为细胞-细胞-细胞外基质相互作用增强和增殖。相比之下，第2簇在氧化磷酸化方面表现出强烈富集（见图3D）和蛋白酶体功能（见图3E），表明具有活跃的氧化性和蛋白酶解代谢表型。

AD分子群中的共表达基因

为识别与转录组亚型相关的共表达模块，在数据预处理后进行了WGCNA分析。首先根据样本距离的层级聚类识别并移除异常样本，以确保下游网络建设的稳健性（见图4A）。随后通过无标度拓扑准则选择软阈值幂，选定6冪以实现无标度R^² >0.85（见图4B）。基因模块通过分层聚类和动态树剪切识别，随后通过特征基因聚类合并密切相关的模块（图4C 和 图4D）。通过拓扑重叠热图可视化了生成的基因网络，确认了基因共表达模式的明显存在（图4E）。模块-性状关系分析显示，MEyellow模块（N_基因=743）与分子亚群之间存在强烈且显著的相关性（见图4F）。

与线粒体基因相关的阿尔茨海默达亚组功能富集

随后对DEG中交叉基因（N=85）、MEyellow模块中的基因以及来自MitoCarta3.0的线粒体蛋白列表（见图5A）进行了GO和KEGG富集分析，以探讨线粒体相关基因在驱动簇间转录差异的功能作用。KEGG通路分析发现氧化磷酸化和代谢通路的富集（见图5B）。骨髓组织（GO）富集分析显示，与线粒体功能相关的术语存在显著过度代表，包括质子动力驱动的线粒体ATP合成、呼吸链复合体和NADH脱氢酶活性（见图5C），表明这些基因主要与线粒体能量代谢和能量调控相关。

阿尔茨海默病分子分化中的枢纽线粒体基因

为了识别85个线粒体转录组亚群相关基因中的关键基因，构建了一个PPI网络（见图6A）。基于七种拓扑测度的排名（见方法），选出前30个基因，并分析并以UpSet图显示其交点（见图6B）。该分析结果显示，基于所有排序标准（BAD、BOLA1、CHCHD5、ISOC2）均有四个枢纽基因被一致识别为中心节点。在两个转录组簇中检查了它们的表达谱，发现四个枢纽基因在簇1中均显著上调，相较于簇2（见图6C）。两对基因表达相关分析显示四个基因均呈正相关，表明调控协调，其中CHCHD5和ISOC2相关最强（见图6D）。此外，我们基于这四个基因表达构建的分类模型显示了两个基因簇间的强健判别力，ROC曲线显示曲线下面积（AUC）>0.7（见图6E）。此外，还进行了转录因子（TF）调控网络分析，研究了调控四个已识别枢纽基因表达的机制。所有已知和预测可能调控这些枢纽基因的转录因子均从hTFtarget中查询，结果被整合并可视化为转录调控网络（见图7）。在TF-枢纽基因调控网络中，BAD拥有最多的TFs，ATF3、BRD2、BRD4和CEBPA均与四个枢纽基因相互作用，表明存在共享调控机制。

AD亚组间免疫细胞浸润的比较

为研究转录组亚群相关的免疫学环境，使用CIBERSORT进行了免疫细胞浸润分析，该分析基于整体转录组数据估算22种免疫细胞类型的相对比例（见图8）。在免疫亚组中，调控T细胞（Tregs）在第1簇中显著更为丰盛，表明该组可能存在与线粒体活性和信号通路上调相关的免疫抑制微环境。相比之下，滤泡辅助T细胞在第2簇中显著富集，表明该亚组可能具有更活跃的适应性免疫反应。

数据可用性：

本研究分析的转录组数据已公开存放于基因表达综合库（GEO）库，登记号为GSE121212、GSE157194、GSE193309和GSE277961（https://www.ncbi.nlm.nih.gov/geo/）。

figure-results-1
图1：基于转录组图谱的特应性皮炎病灶样本共识聚类。（A）特应性皮炎（AD）样本共识矩阵的热图和层级聚类。（B）共识累积分布函数（CDF）图，用于确定最优聚类数量（k = 2–10）。（C） δ 面积图，显示每个 k 个 k 下 CDF 曲线下面积的相对变化。（D） k = 2 时的共识簇分配。每列代表一个独立样本，颜色表示簇属（簇1，红色;第二群，青绿色）。请点击此处查看该图的放大版本。

figure-results-2
图2：特应性皮炎分子亚型的基因差异表达。（A） AD 样本的 t 分布随机邻域嵌入图（t-SNE）。每个点代表一个投影到二维的样本，并根据集群分配进行着色。（B）簇1与簇2之间差异表达基因（DEGs）的火山图。每个点代表一个基因，按log²重变化（x轴）和−log10调整后的p值（y轴）绘制。红色和蓝色点分别表示簇1和簇2中基因显著上调，灰色点表示基因不显著。（C）簇1和簇2中前10个高度表达基因的热图。请点击此处查看该图的放大版本。

figure-results-3
图3：特应性皮炎分子亚型的基因集富集分析。（A）双边条形图，显示第1组与第2组之间的GSEA结果，顶部通路显著富集。簇1富集的通路位于右侧，富集于簇2的通路显示在左侧。（B–E）局部粘附、MAPK信号通路、氧化磷酸化和蛋白酶体通路的代表性富集图。请点击此处查看该图的放大版本。

figure-results-4
图4：特应性皮炎样本的加权基因共表达网络分析。（A）基于基因表达谱的样本聚类树轮图。（b）无尺度拓扑拟合指数和软阈值幂（1–30）的平均连通性。（C）模块本征基因的聚类和热图，颜色表示成对相关性。（D）层次聚类树轮图，显示基因被分组为共表达模块。（E）拓扑重叠矩阵（TOM）的热图，表示基因对间的共表达相似性。（F）模块-性状关系热图，显示模块特征基因与临床性状之间的相关性。相关系数显示在每个单元格内，颜色强度表示相关系数的强度和方向（红色为正;蓝色为负）。请点击此处查看该图的放大版本。

figure-results-5
图5：亚型相关线粒体基因的基因本体与KEGG途径富集。（A）维恩图显示DEGs、亚型相关模块基因和线粒体基因之间的重叠。（B）交叉基因中20条富集KEGG通路的气泡图。（C）生物过程（BP）、细胞成分（CC）和分子功能（MF）的十大富集基因本体（GO）术语。所有富集分析均采用调整后的p值<0.05（假发现率）作为显著性阈值。请点击此处查看该图的放大版本。

figure-results-6
图6：蛋白质-蛋白质相互作用分析及枢纽基因鉴定。（A）蛋白质-蛋白质相互作用（PPI）网络，包含85个交叉基因。节点代表蛋白质，边表示来自STRING数据库的预测或实验验证相互作用。（B） UpSet 图，显示基于七个网络中心性指标的前30名基因之间的交叉点。（C）显示簇1和簇2中四个枢纽基因表达水平的箱形图。（D）四个枢纽基因之间的成对相关分析。（E）受试者工作特征（ROC）曲线，显示分类性能，并绘制了对特异性的敏感度。曲线下的面积（AUC）表示整体准确性。面板（C）的统计显著性采用Wilcoxon秩和检验（*p < 0.05）评估。请点击此处查看该图的放大版本。

figure-results-7
图7：枢纽基因的调控网络。红色圆圈代表枢纽基因，蓝色圆圈代表相关转录因子（TFs）。边缘表示调控相互作用。每个枢纽基因节点的大小反映了相互作用TF的数量。请点击此处查看该图的更大版本。

figure-results-8
图8：异应性皮炎亚组间免疫细胞浸润的比较。箱形图显示每个簇中估计有22种免疫细胞的比例（簇1，红色;第二群，青绿色）。星号（*）表示簇间具有统计学显著性的差异，该差异采用Wilcoxon秩和检验，并对多重比较进行了假发现率修正。请点击此处查看该图的放大版本。

Discussion

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

特应性皮炎是一种普遍且遗传多样的炎症性皮肤疾病，给个性化治疗策略带来了重大挑战。本研究通过鉴定266个阿尔茨海默症患者病灶皮肤样本中的两个不同转录亚群，揭示了阿尔茨海默症的分子异质性。这些亚群表现出不同的生物功能丰富和免疫细胞浸润，其中第一簇以活跃的细胞信号和粘附通路以及调节T细胞（Tregs）的丰富为特征，而第二簇则以氧化磷酸化和蛋白酶体功能增加为特征，同时滤泡辅助T细胞也有所增加。值得注意的是，发现了四个线粒体相关基因（BAD、BOLA1、CHCHD5和ISOC2）在第1簇中上调。它们是PPI网络中的枢纽基因，该网络由85个基因组成，定义了两种转录组亚型，并可同时被转录因子调控，包括ATF3、BRD2、BRD4和CEBPA。

根据基因表达模式，这两个不同的簇被识别出来，这表明阿尔茨海默病表现出显著的基因表达异质性。以往研究表明，这种异质性可能由遗传、表观遗传和免疫介导的机制驱动，这些机制定义了不同的分子^内型5,30,31。在这两个簇之间，还观察到不同的免疫细胞浸润，第1簇由调节性T细胞组成，第2簇则富含滤泡辅助T细胞（Tfh），这表明AD队列中潜在的免疫异质性和可能不同的疾病机制。以Treg为主导的簇类表明免疫环境中调控机制较为突出，可能反映出对炎症的控制尝试或对慢性免疫激活的代偿性反应^32,33。然而，在阿尔茨海默病中，尽管Treg数量增加，功能仍可能受损，这可能无法有效抑制炎症。相比之下，富含Tfh的簇则表明B细胞帮助增强、生殖中心活性增加以及可能增加的IgE生成，这些都是过敏反应及AD更严重或外源型的典型^表现。Tfh细胞已知支持B细胞分化和抗体类别切换，其扩增与疾病活动和过敏致敏相关³⁶。这些不同群体的存在可能反映了不同的临床表型、疾病严重程度或治疗反应，凸显了个性化方法在阿兹海默病研究和治疗中的重要性。

已知线粒体功能障碍在阿尔茨海默病的发病机制中起重要作用，其机制包括维持表皮屏障³⁷、产生活性氧³⁸以及调节免疫细胞反应³⁹。四种线粒体蛋白被鉴定为与转录组分化相关的基因的中心节点，能够高精度预测分子亚型（AUC>0.7）。尽管此前研究未直接证明这些基因与海默海默症有直接关联，但这些结果表明它们可能成为分层海默海默症患者和评估线粒体功能障碍的生物标志物。 BAD （BCL2相关细胞死亡激动剂）是BCL-2家族中参与线粒体凋亡信号传导的促凋亡成员;其在第1簇的上调可能反映了该亚型线粒体凋亡启动的增强。 BOLA1 是一种线粒体蛋白，参与铁-硫簇的生物合成和氧化应激调控。 CHCHD5 （含5的线粒体内膜蛋白）是一种线粒体内膜蛋白，与嵴的组织和电子传递链效率相关。 ISOC2 （含2的同殖酶结构域）与代谢过程和线粒体功能有关。第1簇中这四个基因的协调上调表明该亚群线粒体代谢活动和凋亡信号传导处于增强状态。

这项研究存在若干局限性。虽然本研究鉴定出两个分子亚群，其线粒体基因表达不同，免疫细胞浸润分离，但缺乏详细的临床表型数据，无法将分层与疾病严重程度及纵向治疗反应关联起来。为了充分理解Cluster 1中这四个枢纽基因的高表达意味着什么，未来研究应整合全面的临床元数据，并在角蛋白细胞或小鼠模型中进行功能验证。此外，本研究依赖公开的体质RNA测序数据;虽然它在大规模分析中很强大，但在特定细胞类型中分辨率不足。这一限制使得确定线粒体基因的差异表达是来自角质细胞、浸润免疫细胞还是其他皮肤常驻细胞群体变得困难。随着单细胞和空间转录组方法的广泛应用，未来的研究将极大受益于表达信号的解卷能力，以及在细胞层面更精确地概述转录组结构。此外，所有数据均来自穿孔活检样本，取样为全层皮肤。未来结合带带RNA-seq的研究可能提供一种互补的非侵入性方法来分析表皮表皮转录组，并在微创环境中验证已识别的亚组特征。未来单细胞RNA测序和空间转录组数据的整合将进一步推进AD皮肤中细胞类型特异性线粒体特征的解析。

总之，本研究在266个样本中考察了阿尔茨海默病的转录组异质性，识别出关键线粒体基因和独特的免疫细胞浸润，区分了亚群。这些发现加深了对AD分子异质性的理解，并凸显了基于特定分子谱开发精准处理方法的潜力。

Disclosures

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

作者声明不存在利益冲突。

Materials

List of materials used in this article
Name	Company	Catalog Number
西伯索特	斯坦福大学	v0.1.0;免疫细胞解卷积;https://cibersortx.stanford.edu
clusterProfiler	生物导体	v4.12.6;GSEA和GO/KEGG富集分析;https://bioconductor.org/packages/clusterProfiler
共识集群加	生物导体	v1.64.0;无监督共识聚群;https://bioconductor.org/packages/ConsensusClusterPlus
DESeq2	生物导体	v1.46.0;差异基因表达分析;https://bioconductor.org/packages/DESeq2
基因表达全集（GEO）	NCBI	公共转录组数据库;数据集GSE121212、GSE157194、GSE193309、GSE277961;https://www.ncbi.nlm.nih.gov/geo
GGPLOT2	克兰	数据可视化;https://ggplot2.tidyverse.org
ggraph	克兰	图与网络可视化;https://ggraph.data-imaginist.com
GseaVis	GitHub （junjunlab）	v0.1.0;GSEA可视化;https://github.com/junjunlab/GseaVis
hTFtarget	华中科技大学	人类转录因子靶点数据库;http://bioinfo.life.hust.edu.cn/hTFtarget
iGraph	克兰	网络建设与可视化;https://igraph.org
利马	生物导体	removeBatchEffect 函数;https://bioconductor.org/packages/limma
手口卡塔3.0	布罗德学院	精心策划的线粒体蛋白数据库;https://www.broadinstitute.org/mitocarta
MSigDB（Hallmark基因集）	布罗德学院	GSEA基因集数据库;https://www.gsea-msigdb.org/gsea/msigdb
组织。Hs.eg.db	生物导体	人类基因组注释数据库;https://bioconductor.org/packages/org.Hs.eg.db
R	R核心团队	统计计算环境;https://www.r-project.org
弦	徽章	v12.0;蛋白质-蛋白质相互作用数据库;https://string-db.org
sva（ComBat-seq）	生物导体	v3.44.0;批次效应校正;https://bioconductor.org/packages/sva
WGCNA	克兰	v1.73;加权基因共表达网络分析;https://cran.r-project.org/package=WGCNA

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

转录组分析揭示特应性皮炎病变中线粒体驱动的亚群

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Materials

Reprints and Permissions

Tags

Related Articles