מאמר שיטה

זיהוי סמן ביולוגי לספציפיות מגדרית של מחלת אלצהיימר בהתבסס על פרופילי שעתוק גליה

2K צפיות

⸱

DOI:

10.3791/66552

⸱

20 במאי 2024

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Chengdu University of Traditional Chinese Medicine, 2Chengdu Shuangliu Hospital of Traditional Chinese Medicine, 3Department of Automation, Tsinghua University, 4Affiliated Reproductive & Women-Children Hospital, Chengdu University of Traditional Chinese Medicine, 5Department of Neurology, Dalian Municipal Central Hospital, Central Hospital of Dalian University of Technology

* These authors contributed equally

במאמר זה

סיכום

מחקר זה ניתח תעתיקי גרעינים בודדים של שלושים ושלושה אנשים עם מחלת אלצהיימר (AD), וחשף DEGs ספציפיים למין בתאי גלייה. ניתוח העשרה תפקודית הדגיש מסלולים סינפטיים, עצביים והורמונליים. זוהו גנים מרכזיים, כלומר NLGN4Y והרגולטורים שלו, והוצעו מועמדים טיפוליים פוטנציאליים לאלצהיימר ספציפי למגדר.

תקציר

סמנים ביולוגיים רבים ספציפיים למין התגלו לאחרונה במחלת אלצהיימר (AD); עם זאת, תאי גליה מוחיים דווחו רק לעתים רחוקות. מחקר זה ניתח 220,095 תעתיקי גרעינים בודדים מקליפת המוח הקדמית של שלושים ושלושה אנשים באלצהיימר במסד הנתונים GEO. גנים ספציפיים למין בעלי ביטוי דיפרנציאלי (DEGs) זוהו בתאי גלייה, כולל 243 באסטרוציטים, 1,154 במיקרוגליה ו-572 באוליגודנדרוציטים. ניתוחי ביאור פונקציונלי של Gene Ontology (GO) וניתוחי העשרת מסלולים של Kyoto Encyclopedia of Genes and Genomes (KEGG) חשפו ריכוז תפקודי במסלולים סינפטיים, עצביים והורמונליים. רשת אינטראקציה חלבון-חלבון (PPI) זיהתה MT3, CALM2, DLG2, KCND2, PAKACB, CAMK2D ו-NLGN4Y באסטרוציטים, TREM2, FOS, APOE, APP ו-NLGN4Y במיקרוגליה, ו-GRIN2A, ITPR2, GNAS ו-NLGN4Y באוליגודנדרוציטים כגנים מרכזיים. NLGN4Y היה הגן היחיד המשותף לשלושת תאי הגליה וזוהה כסמן ביולוגי לייחודיות המגדרית של אלצהיימר. רשת קו-רגולציה של גורם שעתוק גנים (TF)-miRNA זיהתה רגולטורים מרכזיים עבור NLGN4Y ו-TCMs היעד שלה. זוהו Ecklonia kurome Okam (Kunbu) ו-Herba Ephedrae (Mahuang), והוצגו ההשפעות של החומרים הפעילים על אלצהיימר. לבסוף, ניתוח העשרה של קונבו ומאהואנג הציע שהם עשויים לשמש כמועמדים טיפוליים לספציפיות מגדרית של אלצהיימר.

מבוא

מחלת אלצהיימר (AD) היא מחלה עולמית עם שכיחות גבוהה, והיא מהווה 60%-80% מהדמנציה1. למרות שכיחותה הגבוהה, הפתוגנזה המכניסטית של אלצהיימר אינה מוגדרת בבירור, ועד כה לא היו טיפולים יעילים2. הפתולוגיות העיקריות באלצהיימר זוהו כאטרופיה עצבית והצטברות של פסולת פתולוגית, בעיקר חלבון טאו הקשור למיקרוטובול, ו-β-עמילואיד (Aβ)3,4. הפתוגנזה של אלצהיימר קשורה לאוטופגיה חריגה, עקה חמצונית, תפקוד לקוי של המיטוכונדריה, דלקת והפרעת מטבוליזם של אנרגיה5. סקרי שכיחות הוכיחו כי שני שלישים מחולי אלצהיימר היו נשים6. הבדלים ספציפיים למין באלצהיימר קיימים באטיולוגיה, בביטויים קליניים, במניעה ובטיפול. לפיכך, חשיפת המנגנון הביולוגי הגורם להבדלים ספציפיים למין באלצהיימר והתמקדות ברפואה הסינית המסורתית (TCM) יכולה לספק מסגרת תיאורטית מקיפה יותר להבנת הפתוגנזה של אלצהיימר, ולהנחות עוד יותר את אסטרטגיית הטיפול המדויקת.

תאי נוירוגליה, במיוחד מיקרוגליה, אסטרוציטים ואוליגודנדרוציטים, עשויים לתרום לפתוגנזה של אלצהיימר. באלצהיימר, תאי מיקרוגליה מופעלים ומשנים גנטית, אשר תורמים לתגובה דלקתית, פגוציטוזה וסילוק Aβ 7,8; אסטרוציטים משתנים גנטית, מה שמשפיע על פעילות סינפטית, הומאוסטזיס יונים ומטבוליזם של אנרגיה ושומנים9; אוליגודנדרוציטים משתנים גנטית עם ספציפיות מין, מה שתורם לאובדן עצבי, סבכים נוירופיברילריים ונגעי חומר לבן10,11.

במחקר זה השתמשנו בריצוף RNA של גרעינים בודדים (snRNA-seq) כטכניקה מעולה. בהשוואה לריצוף RNA חד-תאי (scRNA-seq), snRNA-seq מציע יתרונות במונחים של עושר דגימה, שלמות סוג התא ואמינות נתונים12,13. SnRNA-seq נמצא בשימוש נרחב במחקרים המתמקדים באלצהיימר וחוקרים את תפקידם של תאי גלייה 14,15,16. אימוצו הרחב בתחומי מחקר אלה מדגיש את יעילותו במתן תובנות חשובות לגבי מאפייני השעתוק של תאי גלייה באלצהיימר. על ידי מינוף היתרונות של snRNA-seq, חוקרים הצליחו לחשוף מידע חיוני לגבי מעורבותם של תאי גלייה בפתולוגיה של אלצהיימר ולזהות מטרות טיפוליות פוטנציאליות. על מנת לחקור מאפייני שעתוק נוירוגליאלי ספציפיים למין באלצהיימר וTCMs פוטנציאליים לספציפיות המין של אלצהיימר, מחקר זה ניתח נתוני snRNA-seq מקליפת המוח הקדמית של חולי אלצהיימר ממסד הנתונים הציבורי NCBI GEO. גנים ספציפיים למין המבוטאים באופן דיפרנציאלי (DEGs), אונטולוגיה גנטית (GO), אנציקלופדיה קיוטו לגנים וגנומים (KEGG), רשת אינטראקציה חלבון-חלבון (PPI) ורשת גנים-TF-miRNA מנותחים עוד יותר כדי לחשוף סמנים ביולוגיים מרכזיים ופתוגנזה פוטנציאלית. לבסוף, הוצעו TCMs פוטנציאליים, והמרכיבים הפעילים שלהם הוצגו עם טבלאות על ידי חיפוש במסדי הנתונים Coremine Medical, TCMIP ו- TCMSP.

פרוטוקול

שלבים 2 עד 9 של הניתוח יושמו באמצעות תוכנת R (ראה איור משלים 1 וקובץ משלים 1), ואילו שאר השלבים בוצעו בפלטפורמות המקוונות. פרטי מסדי הנתונים המשמשים בפרוטוקול זה (יחד עם קישורי האינטרנט) מסופקים בטבלת החומרים.

1. רכישת נתונים

  1. גש למסד הנתונים הזמין לציבור של ביטוי גנים אומניבוס (GEO) במרכז הלאומי למידע ביוטכנולוגי.
  2. חפש את נתוני GEO בשם מחלת אלצהיימר בתיבת החיפוש.
  3. בחר את האורגניזמים העליונים כהומו ספיינס בצד ימין.
    הערה: תוצאות החיפוש היו נתונים על מחלת אלצהיימר בהומו ספיינס.
  4. לאחר סינון המידע שחיפשת, הורד את קבצי הנתונים GSE167490 ו- GSE183068 , הכוללים את features.tsv, barcode.tsv ו- matrix.mtx עבור כל דגימת גרעינים בודדת. מערכי הנתונים כללו 34 דגימות של אלצהיימר שמקורן בקליפת המוח המצחית, עם התפלגות שווה של 17 דגימות זכרים ו-17 דגימות נשים (טבלה משלימה 1).

2. מיזוג דוגמאות

  1. הגדר את נתיבי הנתונים ואת שמות הדוגמאות בהתאם במחשב. ייבא את 34 הדגימות שהורדו והקצה שמות ספציפיים למין לדגימות באמצעות שמות הפונקציות.
  2. צור אובייקטי Seurat לכל הדגימות באופן עיבוד אצווה באמצעות רשימת הפונקציות ו - Read10X, תוך ציון הפרמטרים כ - min.cells = 3 ו - min.features = 200.
  3. השתמש בפונקציה RenameCells כדי להוסיף מזהים לדוגמה כקידומות לברקודי התא כדי לשמר ברקודים של תאים במהלך תהליך המיזוג. זה הבטיח שכל תא ישמור על זהותו הייחודית וניתן יהיה לעקוב אחריו בחזרה למקור הדגימה המקורי שלו לאחר המיזוג.

3. בקרת איכות (QC)

  1. השתמש בפונקציה PercentageFeatureSet כדי לחשב את יחסי הגנים המיטוכונדריאליים, יחסי גן אריתרוציטים ויחסי גנים ריבוזום עבור כל תא.
  2. אחסן יחסים מחושבים אלה במטה-נתונים באמצעות האופרטור [[ ]] כדי לצרף מידע זה ישירות למטה-נתונים של כל תא.
  3. השתמש בפונקציית קבוצת המשנה כדי לבצע סינון תאים, תוך ציון הפרמטרים כ- nFeature_RNA > 200, nFeature_RNA < 10000, nCount_RNA <- 60000, percent.mt <- 10, percent.rb <- 5 ו - percent. HB < 75.
  4. אל תכלול GSM5106107 מהניתוח.

4. בדיקת אפקט אצווה

  1. בצע עיבוד נתונים.
    1. נרמל את הנתונים באמצעות הפונקציה NormalizeData .
    2. זהה את 2000 תכונות המשתנים המובילות בערכת הנתונים באמצעות הפונקציה FindVariableFeatures .
    3. בצע ניתוח רכיבים עיקריים (PCA)17 על הנתונים באמצעות RunPCA, תוך שמירה על 50 רכיבים עיקריים.
    4. צור תרשים מרפק באמצעות הפונקציה ElbowPlot כדי לקבוע את מספר הממדים האופטימלי לניתוח הבא. שקול את 50 הממדים הראשונים.
    5. שנה את קנה המידה של הנתונים באמצעות ScaleData כדי להבטיח שכל התכונות הן בקנה מידה דומה.
    6. זהה את השכנים הקרובים ביותר באמצעות FindNeighbors בהתבסס על 30 ממדים.
    7. החל את אלגוריתם UMAP באמצעות RunUMAP כדי להקטין את ממדיות הנתונים ל- 30 ממדים.
  2. הצג באופן חזותי את הנתונים המעובדים באמצעות הפונקציה DimPlot כאשר פרמטר ההפחתה מוגדר ל- umap ופרמטר group.by מוגדר ל - orig.ident.
    הערה: שלב זה יכול ליצור התוויה הממחישה את הנתונים במרחב UMAP המצומצם, המקובץ לפי זהויות התאים המקוריות. לאחר בחינת חלקות UMAP, התברר כי קיים אפקט אצווה. ההתקבצות או ההפרדה הברורה של תאים בהתבסס על מקור האצווה או הניסוי שלהם הצביעו על כך שאצוות הניסוי השפיעו על פרופילי ביטוי הגנים.

5. שילוב נתונים

  1. נרמל ותקנן את הנתונים באמצעות הפונקציה SCTransform .
  2. החל את אלגוריתם הרמוניה18 כדי לשלב את 33 הנתונים הנותרים של גרעינים בודדים. השתמש בבדיקת SCT לשילוב והגדר את המספר המרבי של חזרות הרמוניה ל- 20.
  3. השתמש בפונקציה FindClusters עם פרמטר רזולוציה המוגדר ל- 0.07 כדי לזהות אשכולות נפרדים בתוך הנתונים.
  4. השתמש בפונקציה RunUMAP עם מספר ממדים מוגדר (dims = 30) כדי להפחית עוד יותר את ממדיות הנתונים ולהציג באופן חזותי את האשכולות במרחב ממדי נמוך יותר.

6. ביאור סוג תא

  1. לאסוף את גני הסמן (טבלה משלימה 2) של תאים באמצעות סקירה מקיפה של הספרות הקיימת.
  2. לאחר זיהוי הטרוגניות הצביר התאי, יש לסווג את סוג כל תא אשכול לפי גני הסמן המבוטאים באופן ספציפי.
  3. הצג סוגים תאיים שונים עם הדמיה UMAP באמצעות חבילת ggplot2, שבה oligodendrocyte היה מודגש עם קוד צבע #DB7093, נוירון מעורר עם #FF69B4, אסטרוציטים עם #1874CD, מיקרוגליה עם #63B8FF, תא מבשר oligodendrocyte עם #DB7093, נוירון מעכב עם #FFC0CB, תא אנדותל עם #FF69B4.
  4. חשב את הפרופורציות של כל סוג תא מרובד לפי מין.

7. חילוץ נתוני תאי גליה

  1. חלץ נתוני אסטרוציטים מהנתונים המשולבים בכמות גדולה באמצעות פונקציית תת-קבוצה.
  2. חלץ נתוני מיקרוגליה מהנתונים המשולבים בכמות גדולה באמצעות פונקציית תת-ערכה.
  3. חלץ נתוני אוליגודנדרוציטים מהנתונים המשולבים בכמות גדולה באמצעות פונקציית תת-קבוצה.

8. לכידת גנים בעלי ביטוי דיפרנציאלי ספציפי למין גליה (DEGs)

  1. זהה DEGs ספציפיים למין של אסטרוציטים באמצעות הפונקציה FindMarkers (dent.1 = זכר, ident.2 = נקבה, group.by = group.sum, assay = RNA) עם ערכי סף: p-value < 0.05 ו- |avg_log2FC| > 30. תייגו את ה-DEGs המווסתים כלפי מעלה כ-Up, את ה-DEGs המווסתים כלפי מטה כ-Down ואת השאר כ-Stable.
    1. דמיינו את ה-DEGs באמצעות הפונקציה ggplot , כאשר ציר ה-x מייצג את ההפרש באחוזים בין שני תנאים (pct.1 - pct.2), וציר y המתאר את avg_log2FC. הגנים המווסתים כלפי מעלה הודגשו על ידי שימוש בצבע PaleVioletRed, הגנים המווסתים כלפי מטה עם ורוד, והגנים היציבים עם DodgerBlue3.
  2. זהה DEGs ספציפיים למין של מיקרוגליה באמצעות הפונקציה FindMarkers (dent.1 = זכר, ident.2 = נקבה, group.by = group.sum, assay = RNA) עם ערכי סף: p-value < 0.05 ו- |avg_log2FC| > 1. תייגו את ה-DEGs המווסתים כלפי מעלה כ-Up, את ה-DEGs המווסתים כלפי מטה כ-Down ואת השאר כ-Stable.
    1. דמיינו את ה-DEGs באמצעות הפונקציה ggplot , כאשר ציר ה-x מייצג את ההפרש באחוזים בין שני תנאים (pct.1 - pct.2), וציר y המתאר את avg_log2FC. הגנים המווסתים כלפי מעלה הודגשו על ידי שימוש בצבע OrangeRed, הגנים המווסתים כלפי מטה עם LightSalmon, והגנים היציבים עם SteelBlue1.
  3. זהה DEGs ספציפיים למין של אוליגודנדרוציטים באמצעות הפונקציה FindMarkers (dent.1 = זכר, ident.2 = נקבה, group.by = group.sum, assay = RNA) עם ערכי סף: p-value < 0.05 ו- |avg_log2FC| > 10. תייגו את ה-DEGs המווסתים כלפי מעלה כ-Up, את ה-DEGs המווסתים כלפי מטה כ-Down ואת השאר כ-Stable.
    1. דמיינו את ה-DEGs באמצעות הפונקציה ggplot , כאשר ציר ה-x מייצג את ההבדל באחוזים בין שני תנאים (pct.1 - pct.2), וציר y המתאר את avg_log2FC. הגנים המווסתים כלפי מעלה הודגשו על ידי שימוש בצבע DeepPink, הגנים המווסתים כלפי מטה עם HotPink, והגנים היציבים עם DeepSkyBlue3.

9. ניתוחי העשרה פונקציונליים של DEGs ספציפיים למין

  1. בצע ניתוח העשרה של אונטולוגיה גנטית (GO) על DEGs ספציפיים למין עבור כל סוג תא גלייה באמצעות הפונקציה enrichGO . הגדר את הפרמטרים הבאים: OrgDb = org. Hs.eg.db, keyType = SYMBOL, ont = ALL, pAdjustMethod = BH, pvalueCutoff = 0.01 ו- qvalueCutoff = 0.05.
  2. המר את סמלי הגן למזהי גנים מתאימים באמצעות פונקציית bitr. ביצוע ניתוח העשרה של אנציקלופדיה לגנים וגנומים (KEGG) על DEGs ספציפיים למין עבור כל סוג תא גלייה באמצעות הפונקציה enrichEGG . התאם את ההגדרות באופן הבא: אורגניזם = יש, keyType = kegg, pAdjustMethod = BH, pvalueCutoff = 0.01 ו- qvalueCutoff = 0.05.

10. סטטיסטיקות תדירות של דגי גליה במסלולי גו וקג, דיאגרמות Venn של כל דג גליה ספציפי למין גלייה, ובניית רשת PPI

  1. חשב את התדירות של DEGs ספציפיים למין גלייה במסלולי GO ו- KEGG באמצעות היסטוגרמה של תדר.
  2. גש למסד הנתונים STRING כדי לבנות את רשתות PPI.
  3. בחר את חלבונים מרובים. חפש את רשימת השמות בתיבת החיפוש. הגדר "אורגניזמים" כהומו ספיינס.
  4. סקור את רשימת החלבונים המתקבלים מהחיפוש. לחץ על המשך כדי להמשיך.
  5. ייצא את רשתות PPI על ידי בחירת אפשרות ההורדה , רצוי בפורמט PNG עם רזולוציה גבוהה יותר.
  6. הצג באופן חזותי את התפלגות הביטוי המשותף עבור הגנים הספציפיים למין העליון באמצעות דיאגרמות Venn.
  7. זהה את הגנים המשותפים כגנים מרכזיים במחקר בהתבסס על ניתוח דיאגרמת Venn.

11. בניית רשת רגולטורית רב-גורמית

  1. גש ל- NetworkAnalyst.
  2. לחץ על קלט רשימת גנים וציין אורגניזם כמו H. sapiens (אדם). הגדר את סוג המזהה כסמל גן רשמי. הזן את שם הגן בשדה החיפוש ולאחר מכן לחץ על העלה והמשך.
  3. בחר אינטראקציות Gene-miRNA ובחר miRTarBase v8.0. אשר את הבחירה על ידי לחיצה על אישור.
  4. המשך לאינטראקציות TF-gene ובחר את מסד הנתונים ENCODE . לחץ על אישור כדי לאשר את הבחירה.
  5. לאחר מכן, נווט אל TF-miRNA Coregulatory Network ולחץ על אישור כדי להמשיך.
  6. לבסוף, בחר המשך כדי ליצור את רשת הבקרה הרב-גורמית המשלבת אינטראקציות גן-miRNA ואינטראקציות TF-gene.

12. ניתוח TCM גנטי ומטרה

  1. גש למסד הנתונים המקוון Coremine Medical.
  2. הזן את שם הגן הספציפי ובחר את הגן המתאים עם הסיומת גן/חלבון, אנושי בתיבת החיפוש תחת המקטע חקור .
  3. נווט במקטע סמים וזהה את ה-TCMs המשויכים לסמים שחיפשו בהם.
    הערה: תרופות מובהקות סטטיסטית סומנו בכחול.
  4. קבע את חמשת ה- TCMs המובילים בהתבסס על ערך "המשמעות" שלהם כ- TCMs טיפוליים.

13. סיכום מחקר של מרכיבי TCM במיקוד גן מפתח

  1. גש לפלטפורמת המחקר מבוססת הפרמקולוגיה האינטגרטיבית של הרפואה הסינית המסורתית (TCMIP) ולמסד הנתונים ופלטפורמת הניתוח של מערכות הרפואה הסינית המסורתית (TCMSP). הזן את שמות עשבי התיבול בסרגל החיפוש כדי לאחזר את המרכיבים המתאימים להם.
  2. אחזר את המרכיבים במסד הנתונים של PubMed עם מגבלת זמן עד 10 באפריל 2023. מונחי החיפוש כללו את שם המולקולה ב-TCMSP ואת הרכיבים הכימיים ב-TCMIP כמונחי חיפוש, והוגבלו למאמרים שפורסמו באנגלית.
  3. סכם ונתח את עשבי התיבול ואת המרכיבים המתאימים שלהם הפועלים על אלצהיימר.

14. אישור מיקוד תפקוד הטיפול של TCMs בספציפיות המין של אלצהיימר

  1. ייבא עשבי תיבול ל- TCMIP ונווט לדף התיאור המתאים.
  2. השתמש בפונקציה ייצוא נתונים ובחר בפורמט CSV כדי להוריד את מונחי ההעשרה של GO - תהליך ביולוגי, GO - רכיב תאי, GO - פונקציה מולקולרית ומסלול ריאקטום.
  3. הצג באופן חזותי את תנאי ההעשרה שהורדו עבור כל צמח באמצעות תרשימי עמודות.

תוצאות

ניתוח SnRNA-seq של פרופילי שעתוק גליה קדמית וביאור סוגי תאים
בסך הכול התקבלו 220,095 גרעינים ו-32,077 גנים בקליפת המוח הקדמית של 17 זכרים ואלצהיימר ו-17 נקבות (איור 1A). תרשים UMAP המחיש את סך כל התעתיקים הקדמיים של גרעינים בודדים המציגים סוגים שונים של גרעינים לאחר ניתוח הפחתת ממד (איור 1B). המספרים הכוללים של גרעינים מבוארים שנלכדו לפי מגדר הוצגו, מה שהפך את הסכום הכולל 58,902 אסטרוציטים, 14,265 מיקרוגליה, 77,466 אוליגודנדרוציטים, 3,520 אנדותל, 25,252 נוירונים מעוררים, 31,268 נוירונים מעכבים ו-9,422 תאי אב אוליגודנדרוציטים (איור 1C). ביטויים ממוצעים של סמני סוג התא הידועים עבור כל גליה הוקרנו על תרשימי UMAP כדי לזהות את אוכלוסיות התאים (איור 1D).

DEGs ספציפיים למין באסטרוציטים
58,902 גרעינים אסטרוציטיים נותחו (איור 2A), כאשר 27,504 הגיעו מאלצהיימר זכר (46.69%) ו-31,398 מנקבה (53.31%). DEGs ספציפיים למין חשפו upregulation של 138 גנים, כולל DST, CACNA2D3 ו-AC016831.7, downregulatory של 105 גנים, כולל CNTN5, RORA, RASSF8 ו-CADM2, ו-4995 גנים ללא שינוי (איור 2B). יתר על כן, ניתוחי GO ו-KEGG זיהו שה-DEGs האלה התרכזו בעיקר במסלולים של נוירונים, סינפסות והורמונים, עם מסלולים עצביים הכוללים ויסות של התפתחות פרויקט נוירונים, עמוד שדרה של נוירונים וכו', מסלולים סינפטיים הכוללים ארגון סינפטי וסינפסה גלוטמטרגית/כולינרגית, ומסלולים הורמונליים הכוללים סינתזת הורמוני בלוטת התריס והפרשת אינסולין (איור 2C,D). שלושים גנים עם תדירות גבוהה התקבלו (איור 2E), כאשר PLCB1 דירג את הראשון. רשתות PPI נבנו כדי לחקור את הקשר בין הגנים האלה (איור 2F) וזיהו DLG2, CAMK2D, CALM2 ו-PRKACB כגני ליבה. תרשימי UMAP הציגו הבדלים בין DEGs נבחרים: KCND2, CAMK2D, MT3, LINC00278 ו-XIST היו גבוהים יותר באלצהיימר נקבי ונמוכים יותר באלצהיימר זכרי, בעוד NLGN4Y, DLG2, PRKACB, CALM2, UTY ו-TTTY14 היו הפוכים (איור 2G). MT3, CALM2, DLG2, KCND2, PRKACB, CAMK2D ו-NLGN4Y נקבעו לבסוף כ-DEGs ספציפיים למין של אסטרוציטים כפי שמוצג בטבלה 1.

DEGs ספציפיים למין במיקרוגליה
14,265 גרעיני מיקרוגליאה (איור 3A) נותחו, עם 5,327 (37.34%) מאלצהיימר זכר ו-8,938 (62.66%) מאלצהיימר נקבה. DEGs ספציפיים למין חשפו שיפור ברגולציה של 224 גנים, כולל KCNIP4 ו-LRRTM4, והפחתת רגולציה של 930 גנים, כולל APOE, MT-CO3 ו-FTL, ו-13,111 גנים ללא שינוי (איור 3B). יתר על כן, ניתוחי GO ו- KEGG זיהו כי DEGs אלה התרכזו בעיקר במסלולים של נוירונים, פגוזומים, הורמונים ואחרים, עם מסלולים עצביים הכוללים סינפסה של נוירון לנוירון, מסלולים פגוציטיים כולל פגוזום וויסות של פגוציטוזה, מסלולים הורמונליים כולל מסלול איתות אסטרוגן, מסלול איתות אוקסיטוצין וכו ', ואחרים כולל ויסות תגובה דלקתית, למידה או זיכרון, פינוי עמילואיד-בטא, וכו' (איור 3ג,ד). שלושים גנים בתדירות הגבוהה ביותר התקבלו, כאשר TLR2 ו-TREM2 הגיעו למקום השני (איור 3E). רשתות PPI נבנו כדי לחקור את הקשר בין הגנים האלה (איור 3F) וזיהו את ACTB, APP ו-FYN כגני ליבה. תרשימי UMAP הציגו הבדלים בין DEGs נבחרים: APP, FOS, XIST ו-CTSD היו גבוהים יותר באלצהיימר נשי ונמוכים יותר באלצהיימר זכרי, בעוד NLGN4Y, TREM2, LINC0028, APOE, UTY ו-TTTY14 היו הפוכים (איור 3G). TREM2, FOS, APOE, APP ו-NLGN4Y נקבעו לבסוף כ-DEGs ספציפיים למין של מיקרוגליה, כפי שמוצג בטבלה 2.

DEGs ספציפיים למין באוליגודנדרוציטים
77,466 גרעינים אוליגודנדרוציטים נותחו (איור 4A), עם 42,469 מאלצהיימר זכר (54.82%) ו-34,997 מאלצהיימר נשי (45.18%). DEGs ספציפיים למין חשפו upregulation של 384 גנים, כולל PCDH9, MT-CO1, NEAT1 ו- NPAS3, הפחתת רגולציה של 188 גנים, כולל FRMD4A, PLP1 ו- LSAMP, והשאר 76,894 גנים ללא שינוי (איור 4B). יתר על כן, ניתוחי GO ו-KEGG זיהו שה-DEGs האלה התרכזו בעיקר במסלולים של נוירונים, סינפסות והורמונים, עם מסלולים עצביים הכוללים עמוד שדרה של נוירונים, מסלולים סינפטיים הכוללים סינפסת נוירון לנוירון וסינפסה גלוטמטרגית/דופמינרגית, ומסלולים הורמונליים הכוללים מסלול איתות נוירוטרופין, סינתזת אלדוסטרון והפרשת אלדוסטרון, מסלול איתות סידן וכו' (איור 4C,D). שלושים גנים עם תדירות גבוהה התקבלו (איור 4E), כאשר GRIN2A ו-PSEN1 הגיעו למקום השני. רשתות PPI נבנו כדי לחקור את הקשר בין הגנים האלה (איור 4F) וזיהו את GRIN2A ו-GRIA2 כגני ליבה. תרשימי UMAP הציגו הבדלים ב-DEGs נבחרים: GRIN2A, ITPR2, GNAS ו-XIST היו גבוהים יותר באלצהיימר נקבי ונמוכים יותר באלצהיימר זכרי, בעוד NLGN4Y, UTY ו-TTTY14 היו הפוכים (איור 4G). GRIN2A, ITPR2, GNAS ו-NLGN4Y נקבעו לבסוף כ-DEGs ספציפיים למין של אוליגודנדרוציטים, כפי שמוצג בטבלה 3.

אינטראקציה בין גני מפתח לבין 30 הגנים המובילים של תאי גלייה, ו- NLGN4Y כגן משותף משותף
דיאגרמות Venn ורשתות PPI סיפקו סקירה כללית של האינטראקציה הקרובה בין גני מפתח (איור 5A,B) לבין 30 הגנים המובילים (איור 5C, D) של כל תא גלייה. התוצאות הראו כי ACYB, APP, JUN, PRKACB ו- DLG2 היו בליבת רשת PPI, ו- NLGN4Y היה גן משותף משותף ל- DEGs ספציפיים למין בכל תאי גליה.

בניית רשת Gene-TF-miRNA
רשת NLGN4Y-TF-miRNA הכילה 13 צמתים ו-12 קצוות (איור 6A). NLGN4Y היה מוסדר על ידי 1 TF, כלומר CTCF, ו 11 miRNAs, כולל has-miR-185, has-miR-137 ו has-miR-9.

הצגת תרופת מטרה ו-TCMs של NLGN4Y עם רשת
סה"כ 1 תרופת מטרה NLGN4Y ו-64 TCMs עקיפים אוחזרו בקורמין מדיקל. TCMs עם מובהקות סטטיסטית בתוצאות סומנו בכחול. הודגמו תרופות אנטיתרומבין III וחמישה TCMs עם הרשת, כלומר Heikunbu, Wulingzhi, Xiazhicao, Shuizhi ו-Mahuang, שנחשבו מובהקים סטטיסטית (איור 6B).

השפעות TCMs המטרה והחומרים הפעילים המתאימים על אלצהיימר
עבור Kunbu, 10 מרכיבים ב- TCMIP ו- 48 מרכיבים ב- TCMSP אוחזרו. באמצעות חיפוש במסד הנתונים של PubMed, אוחזרו 5 מרכיבים הקשורים לאלצהיימר: fucosterol, saringosterol, תיאמין, חומצה סטארידונית ו- phlorofucofuroeckol-A, מתוכם הזמינות הביולוגית האוראלית (OB) של שני הראשונים הייתה ≥30% ודומה למין התרופה (DL) הייתה ≥0.18. הפרטים מוצגים בטבלה 4. באשר למהואנג, 28 מרכיבים ב-TCMIP ו-363 מרכיבים ב-TCMSP אוחזרו. באותה שיטה כמו קונבו נלקחו 25 מרכיבים הקשורים לאלצהיימר. ביניהם, 6 מרכיבים עם OB ≥30% ו- DL ≥0.18: קוורצטין, אריודיקטיול, נרינגן, טקסיפולין, סטיגמסטרול ולוטאולין, מפורטים בראש טבלה 5.

Hurb-gene-disease network and enrichment analysis
רשת של מחלות גן חורב מוצגת באיור 6C. גן המטרה המשותף של קונבו ומאהואנג היה ACHE, שהמחלות הקשורות אליו היו אלצהיימר וליקויים קוגניטיביים. גני המטרה של קונבו בלבד היו ALKBH3 ו-ELOVL4, מחלות הקשורות אליהן היו הזדקנות וניוון מוח, בהתאמה.

התוצאות של העשרת GO (BP, MF ו-CC) עבור Kunbu (איור 7A, איור 8A, איור 9A) ו-Mahuang (איור 7B, איור 8B, איור 9B) מוצגות עם תרשימי עמודות. מסלולי ריאקטום עבור קונבו (איור 10A) ומאהואנג (איור 10B) מוצגים גם כן. המונחים המועשרים המסומנים בחצים היו קשורים לציר "הורמון-סינפסה-נוירון", כגון פעילות קולטני הורמונים סטרואידים, הקרנת נוירונים ומסלול איתות בתיווך הורמון סטרואידים בקונבו והעברה סינפטית כימית, ביטוי גנים תלוי אסטרוגן ותהליך מערכת העצבים במאהואנג.

figure-results-1
איור 1: רכישת נתוני ביטוי גנים, פרופיל RNA-seq של גרעינים בודדים ואפיון סוג התא. (A) דגימות שהתקבלו מ-GEO DataSets לצורך הכנת ניתוח. (B) תרשים UMAP דו-ממדי של גרעיני סכום (N = 116,101 לזכר; N = 103,994 לנקבה). (C) פרופורציות עבור כל סוג תא המפוצל לפי מין. (D) ביטוי ממוצע של 5 סמני סוג תא מבוססים היטב המוקרנים על התוויית UMAP. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-2
איור 2: אסטרוציטים הם הטרוגניים ויש להם שינויים שעתוק ספציפיים למין במחלת אלצהיימר. (A) תרשים UMAP של גרעינים אסטרוציטיים (N = 59,010). (B) DEGs ספציפיים למין. (ג,ד) תרשימי המעגל המחישו את המונחים המועשרים מבחינה פונקציונלית של DEGs אסטרוציטיים שהתקבלו ממסדי הנתונים GO ו-KEGG (GO: C, KEGG: D). (E) 30 ה-DEGs האסטרוציטים השכיחים ביותר במסלולי GO ו-KEGG. (F) רשת PPI של 30 ה- DEGs האסטרוציטים הנפוצים ביותר במסלולי GO ו- KEGG. (G) ביטוי ממוצע של DEGs יוצאי דופן ספציפיים למין המוקרנים על חלקות UMAP. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-3
איור 3: תאי מיקרוגליה הם הטרוגניים ויש להם שינויים שעתוק ספציפיים למין במחלת אלצהיימר. (A) תרשים UMAP של גרעיני מיקרוגליאה (N = 14,265). (B) DEGs ספציפיים למין. (ג,ד) תרשימי המעגל המחישו את המונחים המועשרים מבחינה פונקציונלית של DEGs מיקרוגליאליים המתקבלים ממסדי הנתונים GO ו-KEGG (GO: C, KEGG: D). (E) 30 ה-DEGs הנפוצים ביותר במיקרוגליה-מין inGO ו-KEGGpathways. (F) רשת PPI של 30 ה- DEGs הנפוצים ביותר במיקרוגליה מינית במסלולי GO ו- KEGG. (G) ביטוי ממוצע של DEGs יוצאי דופן ספציפיים למין המוקרנים על חלקות UMAP. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-4
איור 4: אוליגודנדרוציטים הם הטרוגניים ויש להם שינויים שעתוק ספציפיים למין במחלת אלצהיימר. (A) חלקת UMAP של גרעינים אוליגודנדרוציטיים (N = 77,466). (B) DEGs ספציפיים למין. (ג,ד) תרשימי המעגל המחישו את המונחים המועשרים מבחינה פונקציונלית של DEGs אוליגודנדרוציטים המתקבלים ממסדי הנתונים GO ו-KEGG (GO: C, KEGG: D). (E) 30 ה-DEGs הנפוצים ביותר של אוליגודנדרוציטים במסלולי GO ו-KEGG. (F) רשת PPI של 30 ה- DEGs הנפוצים ביותר למין אוליגודנדרוציטים במסלולי GO ו- KEGG. (G) ביטוי ממוצע של DEGs יוצאי דופן ספציפיים למין המוקרנים על חלקות UMAP. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-5
איור 5: חפיפה בין רשתות DEGs ורשתות PPI של DEGs בתדר עליון. (A,B) דיאגרמת Venn המדגימה את גני המפתח עבור כל גליה ורשת PPI המתאימה. (ג,ד) דיאגרמת Venn הממחישה את 30 ה- DEGs הספציפיים למין הנפוצים ביותר עבור כל גליה המועשרת במסלולי GO ו- KEGG וברשת PPI המתאימה. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-6
איור 6: דיאגרמת רשת עם NLGN4Y ומיקוד TCMs כליבה. (A) רשת קו-רגולציה Gene-TF-miRNA. (B) רשת Gene-drug-TCM עבור NLGN4Y. (C) רשת מחלות גנטיות TCM של קונבו ומאהואנג. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-7
איור 7: ניתוח העשרה GO (BP) עבור Kunbu ו-Mahuang. (A) למעלה 20 תהליכים ביולוגיים מועשרים של Kunbu. (B) למעלה 20 תהליכים ביולוגיים מועשרים של Mahuang. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-8
איור 8: ניתוח העשרה GO (MF) עבור Kunbu ו- Mahuang. (A) למעלה 20 פונקציות מולקולריות מועשרות של Kunbu. (B) 20 הפונקציות המולקולריות המועשרות ביותר של מהואנג. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-9
איור 9: ניתוח העשרה GO (CC) עבור Kunbu ו-Mahuang. (A) 20 המרכיבים התאיים המועשרים המובילים של Kunbu. (B) 20 המרכיבים התאיים המועשרים המובילים של מהואנג. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-10
איור 10: מסלולי ריאקטום עבור קונבו ומאהואנג. (A) מסלולי ריאקטום של קונבו. (B) מסלולי ריאקטום של מהואנג. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

טבלה 1: גנים מרכזיים של DEGs ספציפיים למין באסטרוציטים. אנא לחץ כאן כדי להוריד טבלה זו.

טבלה 2: גנים מרכזיים של DEGs ספציפיים למין במיקרוגליה. אנא לחץ כאן כדי להוריד טבלה זו.

טבלה 3: גנים מרכזיים של DEGs ספציפיים למין באוליגודנדרוציטים. אנא לחץ כאן כדי להוריד טבלה זו.

טבלה 4: המרכיבים הפעילים של קונבו באלצהיימר. אנא לחץ כאן כדי להוריד טבלה זו.

טבלה 5: החומרים הפעילים של מהואנג באלצהיימר. אנא לחץ כאן כדי להוריד טבלה זו.

איור משלים 1: צילום מסך עבור השימוש בתוכנת R. אנא לחץ כאן כדי להוריד קובץ זה.

טבלה משלימה 1: מידע לדוגמה. אנא לחץ כאן כדי להוריד קובץ זה.

טבלה משלימה 2: גני סמן. אנא לחץ כאן כדי להוריד קובץ זה.

קובץ משלים 1: קוד R. אנא לחץ כאן כדי להוריד קובץ זה.

דיון

ייחודיות מגדרית זוהתה באפידמיולוגיה, פתולוגיה וביטוי קליני של שנת19 לספירה. כאן, אישרנו את המנגנון הפתולוגי הפוטנציאלי של "ציר הורמון-סינפסה-נוירון" מגנים גליה ספציפיים למין ומסלולים קשורים בחולי אלצהיימר. NLGN4Y היה הגן המשותף היחיד בשלושת תאי הגליה, והוא נבחר כסמן ביולוגי לייחודיות המגדרית של אלצהיימר. TF ו-miRNA המווסתים את NLGN4Y היו קשורים קשר הדוק להבדלים בין המינים ולהתפתחות מערכת העצבים. יתר על כן, ה- TCMs קונבו ומאהואנג נחשבו כבעלי פוטנציאל להשפיע על ציר "הורמון-סינפסה-נוירון" וזוהו כמועמדים טיפוליים לאלצהיימר על ידי ויסות הספציפיות המגדרית.

אלגוריתם הרמוניה סיפק יתרונות ברורים על פני אלגוריתמי אינטגרציה אחרים על ידי שילוב נתונים בתאים נדירים, אופטימיזציה של שימוש בזיכרון ומהירות חישובית עבור דגימות גדולות, והתאמת תכנוני ניסוי מורכבים עם מקורות סלולריים מגוונים ופלטפורמות טכנולוגיות18. סעיפי QC ואינטגרציית נתונים היו מרכיבים קריטיים בשיפור הדיוק והאמינות של הניתוח, ואפשרו לחוקרים ללקט תובנות מעמיקות יותר על הביולוגיה של אלצהיימר ומחלות נוירודגנרטיביות אחרות. הביצוע הקפדני של צעדים אלה הוא חיוני להשגת האיכות הכוללת והתוקף של התוצאות הנגזרות מניסויי ריצוף RNA של גרעינים בודדים.

אחד השינויים שנעשו בפרוטוקול זה היה השימוש בפונקציה SCTransform כדי לנרמל ולתקנן את הנתונים20. צעד זה הבטיח כי הנתונים היו דומים וסטנדרטיים לניתוח נוסף. כדי למתן את אפקט האצווה, נלקח צעד נוסף של שילוב נתונים, שעזר לתקן את אפקט האצווה ולשפר את דיוק התוצאות. פתרון הבעיות בוצע כאשר אחת הדגימות (GSM5106107) הראתה ביצועים חריגים בהשוואה לדגימות האחרות, והיא לא נכללה בניתוח.

מגבלה אחת של מחקר זה נגעה לגודל המדגם הקטן יחסית שבו נעשה שימוש, מה שעלול להגביל את ייצוגיות הממצאים לכלל האוכלוסייה. יתר על כן, השימוש בנתונים ממעבדות וקבוצות מחקר מרובות הציג הטרוגניות מובנית, מה שעלול להגביל את יכולת השחזור וההכללה של התוצאות. למרות שהזיהוי של גורמי בקרה מרכזיים עבור NLGN4Y הושג באמצעות רשת קו-רגולציה גנטית-TF-miRNA, היה צורך באימות ניסיוני נוסף כדי לוודא את התפקידים הפונקציונליים והמנגנונים הבסיסיים המיוחסים לגורמים רגולטוריים אלה. בעוד שניתוח העשרה הציע את מהואנג וקונבו כמועמדים פוטנציאליים לטיפול באלצהיימר ספציפי למגדר, הסתמכות אך ורק על תחזיות ביואינפורמטיקה לא הספיקה כדי לקבוע את יעילותם ובטיחותם. ניסויים ומחקרים קליניים נוספים היו הכרחיים כדי לאמת את ההשפעות הטיפוליות של תרופות מבטיחות אלה.

הגישה שתוארה במחקר זה הציגה פוטנציאל רב לתחומי מחקר מגוונים, בעיקר בהבחנה של DEGs ספציפיים למין בתוך תאי גלייה באלצהיימר. חקירות כאלה טומנות בחובן הבטחה להבהיר את ההבדלים הפתוגניים הניואנסיים בין פרטים זכריים ונקבות, וכתוצאה מכך להקל על ניסוח התערבויות טיפוליות ספציפיות למין. יתר על כן, ישימות השיטה התרחבה למצבים נוירודגנרטיביים אחרים, ומציעה הזדמנויות לזהות DEGs ספציפיים למין ולהגביר את ההבנה של המנגנונים הבסיסיים של המחלות.

לסיכום, המחקר הציג פרוטוקול מקיף וחזק לניתוח נתוני ריצוף RNA של גרעינים בודדים מחולי אלצהיימר, מה שעשוי לסלול את הדרך לפיתוח התערבויות טיפוליות מותאמות. יתר על כן, המתודולוגיה המיושמת במחקר זה עשויה להיות מורחבת למצבים נוירודגנרטיביים אחרים, ומציעה הזדמנויות לחשוף דפוסי ביטוי גנים ספציפיים למין ולהעמיק את ההבנה של מחלות מורכבות אלה.

גילויים

אין ניגוד עניינים בכתב יד זה, וכל המחברים אישרו את הגשתו לפרסום.

תודות

המחברים אסירי תודה לג'סיקה סדיק, מייקל ר' אודאה, פיליפ הייזל וכו', על שסיפקו את מערך הנתונים GSE167490. המחברים מעריכים כי Faten A Sayed, Lay Kodama, Li Fan וכו ', מציעים את מערך הנתונים GSE183068. המחברים מודים ל-Shuqing Liu על העזרה בניתוח נתונים ול-Wen Yang על אספקת פלטפורמת ניתוח הנתונים. מחקר זה נתמך על ידי הקרן הלאומית למדעי הטבע של סין (82174511), אוניברסיטת צ'נגדו לרפואה סינית מסורתית מלגות חורשת משמש, תוכנית שיפור מחקר כישרונות משמעת (QJJJ2022001), תוכנית הכישרונות להתחדשות LiaoNing (XLYC 1807083), קרן לשכת מינהל סצ'ואן לרפואה סינית וצמחי מרפא (2023MS578), פרויקט לאומי להכשרת חדשנות ויזמות לתואר ראשון (202310633003X), ונושאים חדשניים של פרקטיקת מחקר מדעי לסטודנטים באוניברסיטת צ'נגדו לרפואה סינית מסורתית (KY-2023100). האנג'יה ליו והוי יאנג תרמו לעיצוב המחקר, לאיסוף, לפרשנות הנתונים, לניסוח ולתיקון כתב היד. שוצ'ינג ליו וסיו לי השתתפו בעיצוב המחקר, איסוף הנתונים וניסוח כתב היד. וון יאנג ואנואר עיישה היו אחראים על איסוף הנתונים ופענוחם. שין טאן הכין דמויות ו/או שולחנות. צ'ן ג'יאנג, יי ליו ולושואנג שיה הגו את המחקר וסקרו/ערכו את כתב היד. כל המחברים תרמו למאמר ואישרו את הגרסה שהוגשה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
Database
Coremine Medicalשפותח במשותף על ידי נורבגיה, האקדמיה הסינית למדעים, האקדמיה הסינית למדעי הרפואה, הספרייה הרפואית הלאומית של ארצות הברית ומוסדותכאשר אתה חוקר מושגים ב-CoreMine Medical אתה ניגש למסד נתונים המובנה לקשר מושגים חשובים, מדורגים לפי רלוונטיות סטטיסטית, לנושא שלך. לדוגמה, אם תקליד "מחלת אלצהיימר", בנוסף לאחזור מסמכים ומשאבים הדנים במחלה, תוכל להציג רשתות ורשימות המראות כיצד מושג השאילתה שלך קשור למושגים ביו-רפואיים אחרים. זה מספק סקירה כללית של מושגים הקשורים לחיפוש שלך, כמו גם היותו ממשק לניווט במידע על מושגים אלה.
Weblink: https://coremine.com/medical/
Gene Expression Omnibus (GEO)National Center for Biotechnology Information in the United States (NCBI)GEO הוא מאגר נתונים גנומי פונקציונלי ציבורי התומך בהגשות נתונים תואמות MIAME. נתונים מבוססי מערך ורצף מתקבלים. כלים מסופקים כדי לעזור למשתמשים לבצע שאילתות ולהוריד ניסויים ופרופילי ביטוי גנים שנאספו.
קישור אינטרנט: https://www.ncbi.nlm.nih.gov/geo/
פלטפורמת מחקר מבוססת פרמקולוגיה אינטגרטיבית של רפואה סינית מסורתית (TCMIP, גרסה: 2.0)ללאמבוא לפלטפורמת המחקר החישובית המשולבת מבוססת פרמקולוגיה לרפואה סינית מסורתית [TCMIP v2.0], http://www.tcmip.cn/) זוהי כריית נתונים חכמה המבוססת על מאגר הנתונים המקוון של האנציקלופדיה לרפואה סינית מסורתית (ETCM), המשלבת שירותי ניהול ביג דאטה רפואי ומחשוב פרמקולוגי. מטרתו לחשוף את הקונוטציה המדעית של תורת הרפואה הסינית המסורתית ואת הערך המדעי של חשיבה מקורית ברפואה הסינית המסורתית, לסכם ולהעביר הלאה את ניסיונם של רופאים מפורסמים, לשלוט באיכות הרפואה הסינית המסורתית, להסביר את עקרונות הפעולה של הרפואה הסינית המסורתית, מחקר ופיתוח של רפואה סינית חדשה, במיוחד גילוי ואופטימיזציה של שילובי תרופות מודרניים, ספק בסיס נתונים חזק וכלים אנליטיים. בהתבסס על TCMIP v1.0, מיושם שדרוג מקיף, הכולל חמישה מסדי נתונים עיקריים ושבעה מודולים פונקציונליים. באמצעות שילוב מערכות ושילוב מודולים, ניתן להשיג במהירות ניתוח מקיף של המתאם הרב-שכבתי של רשת האינטראקציה "מרשם לתסמונת מחלה". כפלטפורמת כריית נתונים חכמה, TCMIP v2.0 תספק בסיס נתונים חזק ופלטפורמת ניתוח לחשיפת הקונוטציה המדעית של תיאוריית הרפואה הסינית המסורתית והערך המדעי של חשיבה מקורית ברפואה הסינית המסורתית, סיכום וירושה של ניסיונם של רופאים מפורסמים, בקרת איכות של הרפואה הסינית המסורתית, הבהרת עקרונות הפעולה של הרפואה הסינית המסורתית, מחקר ופיתוח של תרופות חדשות לרפואה סינית מסורתית, במיוחד גילוי ואופטימיזציה של שילובי תרופות מודרניות.
Weblink: http://www.tcmip.cn/TCMIP 
NetworkAnalystNoneNetworkanalysis היא פלטפורמת ניתוח ויזואליזציה מקוונת לניתוח ביטוי גנים ומטא-אנליזה. זה יכול לבצע ניתוח השוואתי, כמותני, דיפרנציאלי והעשרה של ביטוי גנים, ניתוח אינטראקציה בין חלבון לחלבון, ניתוח אינטגרציה של מערכי נתונים מרובים, ויכול גם לצייר תמונות בעלות ערך גבוה כגון PCA, דיאגרמת רשת אינטראקציה בין חלבון לחלבון, מפת חום, דיאגרמת הר געש, דיאגרמת וויין וכו'.
קישור אינטרנט: https://www.networkanalyst.ca/NetworkAnalyst/
מסד הנתונים של PubMedהמרכז הלאומי למידע ביוטכנולוגי בארצות הברית (NCBI)מאגר הנתונים של Pubmed הוא מאגר ספרות ביו-רפואית המנוהל על ידי הספרייה הלאומית לרפואה (NLM) בארצות הברית, שמטרתו לספק את תוצאות המחקר הרפואי העדכניות ביותר למדענים, רופאים, חוקרים וסטודנטים ברחבי העולם. מאגר זה אוסף ספרות ביו-רפואית מרחבי העולם, כולל מאמרים בכתבי עת, מאמרים, ספרים וכו'. נכון לעכשיו, מסד הנתונים של Pubmed אסף למעלה מ-30 מיליון מאמרים ומתעדכן באופן רציף מדי שבוע.
Weblink:
תוכנת https://pubmed.ncbi.nlm.nih.gov/ Rרוס איהקה ורוברט ג'נטלמןR היא שפה וסביבה למחשוב סטטיסטי וגרפיקה. זהו פרויקט של גנו הדומה לשפת ה-S ולסביבה שפותחה במעבדות בל (לשעבר AT& T, כיום Lucent Technologies) על ידי ג'ון צ'יימברס ועמיתיו. R יכול להיחשב כיישום שונה של S. ישנם
כמה הבדלים חשובים, אבל הרבה קוד שנכתב עבור S פועל ללא שינוי תחת R.
Weblink: https://www.r-project.org/
Traditional Chinese Chinese Systems Pharmacology Database and Analysis Platform (TCMSP)Zhejiang Jiuwei Health Co., LtdTCMSP הוא לא רק מאגר נתונים, אלא גם פלטפורמת ניתוח למשתמשים ללימוד מקיף של תרופות סיניות מסורתיות (TCM): כולל זיהוי רכיבים פעילים, סינון מטרות תרופות ויצירת רשתות תרכובות-מטרות-מחלות, כמו גם מידע פרמקוקינטי מפורט של תרופות הכולל דמיון לתרופה (DL), זמינות ביולוגית אוראלית (OB), מחסום דם-מוח (BBB), חדירות אפיתל מעי (Caco-2), ALogP, שטח פנים שלילי חלקי (FASA-) ומספר   אג"ח H  תורם/מקבל   (Hdon/Hacc). עד כה, TCMSP משך תשומת לב רחבה ומספר קבוצות פרסמו יותר מ-10 מאמרים באמצעות מסד הנתונים של TCMSP שלנו תוך כשנה.
קישור אינטרנט: https://tcmsp-e.com
אחרים

מקורות

  1. Alzheimers Dement. Alzheimer's disease facts and figures. Alzheimers Dement. 19 (4), 1598-1695 (2023).
  2. Xie, L., et al. Electroacupuncture improves M2 microglia polarization and glia anti-inflammation of hippocampus in Alzheimer's disease. Front Neurosci. 15, 689629(2021).
  3. Xie, L., et al. Inflammatory factors and amyloid beta-induced microglial polarization promote inflammatory crosstalk with astrocytes. Aging (Albany NY). 12 (22), 22538-22549 (2020).
  4. Hampel, H., et al. The amyloid-beta pathway in Alzheimer's disease. Mol Psychiatry. 26 (10), 5481-5503 (2021).
  5. Baik, S. H., et al. A breakdown in metabolic reprogramming causes microglia dysfunction in Alzheimer's disease. Cell Metab. 30 (3), 493-507 (2019).
  6. Fisher, D. W., Bennett, D. A., Dong, H. Sexual dimorphism in predisposition to Alzheimer's disease. Neurobiol Aging. 70, 308-324 (2018).
  7. Pan, R. Y., et al. Positive feedback regulation of microglial glucose metabolism by histone h4 lysine 12 lactylation in Alzheimer's disease. Cell Metab. 34 (4), 634-648 (2022).
  8. Hansen, D. V., Hanson, J. E., Sheng, M. Microglia in Alzheimer's disease. J Cell Biol. 217 (2), 459-472 (2018).
  9. Brandebura, A. N., Paumier, A., Onur, T. S., Allen, N. J. Astrocyte contribution to dysfunction, risk and progression in neurodegenerative disorders. Nat Rev Neurosci. 24 (1), 23-39 (2023).
  10. Peng, L., Bestard-Lorigados, I., Song, W. The synapse as a treatment avenue for Alzheimer's disease. Mol Psychiatry. 27 (7), 2940-2949 (2022).
  11. Tubi, M. A., et al. White matter hyperintensities and their relationship to cognition: Effects of segmentation algorithm. Neuroimage. 206, 116327(2020).
  12. Wu, H., Kirita, Y., Donnelly, E. L., Humphreys, B. D. Advantages of single-nucleus over single-cell RNA sequencing of adult kidney: Rare cell types and novel cell states revealed in fibrosis. J Am Soc Nephrol. 30 (1), 23-32 (2019).
  13. Soreq, L., Bird, H., Mohamed, W., Hardy, J. Single-cell RNA sequencing analysis of human Alzheimer's disease brain samples reveals neuronal and glial specific cells differential expression. PLoS One. 18 (2), e0277630(2023).
  14. Sadick, J. S., et al. Astrocytes and oligodendrocytes undergo subtype-specific transcriptional changes in Alzheimer's disease. Neuron. 110 (11), 1788-1805 (2022).
  15. Chen, Y., Colonna, M. Microglia in Alzheimer's disease at single-cell level. Are there common patterns in humans and mice. J Exp Med. 218 (9), e20202717(2021).
  16. Brase, L., et al. Single-nucleus RNA-sequencing of autosomal dominant Alzheimer disease and risk variant carriers. Nat Commun. 14 (1), 2314(2023).
  17. Ringner, M. What is principal component analysis. Nat Biotechnol. 26 (3), 303-304 (2008).
  18. Korsunsky, I., et al. sensitive and accurate integration of single-cell data with harmony. Nat Methods. 16 (12), 1289-1296 (2019).
  19. Vegeto, E., et al. The role of sex and sex hormones in neurodegenerative diseases. Endocr Rev. 41 (2), 273-319 (2020).
  20. Hafemeister, C., Satija, R. Normalization and variance stabilization of single-cell RNA-seq data using regularized negative binomial regression. Genome Biol. 20 (1), 296(2019).

הדפסות חוזרות והרשאות

תגיות

סמנים ביולוגיים תלויי-מגדרטרנסקריפטומים של גרעינים בודדיםגנים המבטאים ביטוי דיפרנציאליסמנים ביולוגיים של אסטרוציטיםסמנים ביולוגיים של מיקרוגליהסמנים ביולוגיים של אוליגודנדרוציטיםויזואליזציית UMAPניתוח ביואינפורמטיקה
זיהוי סמן ביולוגי לספציפיות מגדרית של מחלת אלצהיימר בהתבסס על פרופילי שעתוק גליה
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.