הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר מחקר

CCL4 כסמן ביולוגי פוטנציאלי לחיסון-מטבולי באוטם שריר הלב החריף באמצעות למידת מכונה וטרנסקריפטומיקה חד-תאית

81 צפיות

⸱

DOI:

10.3791/72480

⸱

11 באוגוסט 2026

 ,  ,  , 
1The First Affiliated Hospital of Anhui Medical University, 2Anhui Public Health Clinical Center

במאמר זה

סיכום

מחקר זה משלב טרנסקריפטומיקה בתפזורת ותאית בודדת עם למידת מכונה כדי לזהות את CCL4 וחמישה גנים נוספים כסמנים ביולוגיים פוטנציאליים לאוטם שריר הלב החריף, וחושף דיבור חיסוני-מטבולי ודפוסי ביטוי ספציפיים לסוג תא.

תקציר

אוטם שריר הלב החריף (AMI) הוא גורם מוביל לתחלואה ותמותה ברחבי העולם, ומדגיש את הצורך בסמנים ביולוגיים משלימים חדשים. על ידי שילוב נתוני טרנסקריפטומיה בתפזורת תא ויחיד עם גישות למידת מכונה, זוהו גנים הקשורים לקלמודולין הקשורים ל-AMI וחקרו את תכונותיהם החיסוניות-מטבוליות. ניתוחי ביטוי דיפרנציאליים וביטוי משותף משוקלל חשפו 60 גנים הקשורים לקלמודולין, מתוכם שישה גנים מרכזיים (SOCS3, GBP4, ST14, KPNA5, STAB1 ו-CCL4) נבדקו באמצעות אלגוריתמים מרובים של למידת מכונה ואומתו במאגרי נתונים עצמאיים. ניתוחים פונקציונליים הצביעו על העשרה במסלולים חיסוניים, דלקתיים ומטבוליים. חדירה חיסונית וטרנסקריפטומיקה חד-תאית הראה דפוסי ביטוי ספציפיים לסוג התא, כאשר CCL4 התבטא בעיקר בתאי T ו-NK והופחת משמעותית בדגימות AMI. אימות qPCR אישר שינויים משמעותיים בביטוי בארבעה מתוך ששת הגנים בקבוצה המקומית. ניתוחי אינטראקציה בין תרופות לגנים ועגינה הציעו תרכובות מועמדות להמשך חקירה. ביחד, הממצאים מצביעים על כך ש-CCL4 עשוי לשמש כביוסמן אבחנתי פוטנציאלי ל-AMI, והקשרים החיסוניים-מטבוליים הנצפים מספקים בסיס למחקרים מכניים ותרגומיים עתידיים.

מבוא

אוטם שריר הלב החריף (AMI), הנגרם מאיסכמיה שריר הלב המתמשכת, הוא בין המחלות הקרדיווסקולריות הקטלניות ביותר בעולם1˒2. הפתוגנזה שלו היא רב-גורמית, עם גורמים מרכזיים הכוללים טרשת עורקים, טרומבוזיס, עוויתות בעורקים כליליים והפרעות קצב 3˒4. יתר לחץ דם, סוכרת, היפרליפידמיה, עישון, השמנת יתר ולחץ נפשי מוכרים גם הם כגורמי סיכוןחשובים 5. למרות שההתקדמות בטכניקות התערבותיות, טיפולים נגד טסיות ואסטרטגיות טרומבוליטיות שיפרו משמעותית את ההישרדות בטווח הקצר, השכיחות הכוללת של AMI ממשיכה לעלות, במיוחד בקרב אוכלוסיות צעירותיותר. טרופונין לבבי (cTn) הוא כיום הסמן הביולוגי הסטנדרטי ביותר לאבחון AMI. זהו חלבון מבני שמשתחרר למחזור הדם לאחר נמק תאי שריר הלב ומפגין רגישות וספציפיות גבוהות. עם זאת, רמות cTn עשויות להיות מושפעות מתפקוד הכליה ומתזמון איסוף הדגימה7˒8. לכן, עדיין יש צורך לפתח סמנים ביולוגיים משלימים חדשים.

קלמודולין (CaM) הוא חלבון קטן, מבוטא בכל מקום, ושמור מאוד, הפועל כמתמר מרכזי תוך-תאי של אותות סידן ומשתתף במגווןרחב של תהליכים ביולוגיים. על ידי חישה של שינויים בריכוזי Ca2⁺ התוך-תאי, CaM מתקשר עם חלבוני מטרה רבים, כולל קינאזות, פוספטזות ותעלות יונים, כדי לווסת התרבות תאים, אפופטוזיס, חילוף חומרים, כיווץ שרירים ותגובות דלקתיות11. במערכת הלב וכלי הדם, CaM ממלא תפקיד מרכזי בשליטה על כיווץ הקרדיומיוציטים, קצב הלב, יציבות חשמלית וטונון השריר החלק הווסקולרי12˒13. ראיות מצטברות מצביעות על כך שתפקוד לקוי של CaM או חוסר ויסות של מסלולי איתות הקשורים ל-CaM תורמים למספר הפרעות לב וכלי דם, כולל הפרעות קצב, אי ספיקת לב, יתר לחץ דם והיפרטרופיה לבבית14˒15. יתרה מזאת, CaM משתתף בתגובות קרדיומיוציטים לאיסכמיה, לחץ חמצוני וגירויים דלקתיים, מה שמרמז על מעורבותו הפוטנציאלית בהתקדמות הפתולוגית של AMI16. לכן, חקירת CaM בהקשר של מחלות לב וכלי דם היא בעלת עניין מדעי וקליני משמעותי.

מערכי נתונים של RNA-seq בכמויות גדולות ו-RNA-seq תאיים בודדים שולבו כדי לזהות באופן שיטתי גנים (DEGs) המובעים באופן שונה הקשורים באופן משמעותי לציון CaM. ניתוח רשת ביטוי משותף של גנים משוקלל (WGCNA) שימש לזיהוי נוסף של גנים מועמדים הקשורים ל-CaM המעורבים ב-AMI. לאחר מכן יושמו אלגוריתמים רבים של למידת מכונה לסינון גנים מרכזיים ולבניית מודלים חיזויים להערכת סיכון AMI פרטני. תכונות טרנסקריפטומיות, פרופילי חדירה חיסונית ורשתות רגולציה מתחרות של RNA אנדוגני (ceRNA) שולבו גם הם כדי לבדוק כיצד גנים מרכזיים אלו עשויים לתרום לוויסות החיסון ולאינטראקציות פוטנציאליות בין תרופות למטרות. הממצאים מצביעים על כך שמספר גנים מרכזיים מעורבים במסלולי דיבור משולב אימונומטבוליים ומפגינים ערך חיזוי ופוטנציאל טיפולי. גישה משולבת זו משפרת את ההבנה המולקולרית של AMI ומספקת הצדקה לפיתוח סמנים ביולוגיים ולהתערבות ממוקדת.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

המחקר נערך בהתאם להצהרת הלסינקי. הפרוטוקול אושר על ידי ועדת האתיקה של מרכז הבריאות הציבורית באנחווי ב-19 בספטמבר 2025 (מזהה אישור: PJ-YX2025-062). התקבלה הסכמה מדעת בכתב מכל המשתתפים לפני איסוף הדם. הקבוצה המקומית כללה שמונה מטופלים עם אוטם שריר הלב החריף (AMI) ושמונה ביקורת בריאה. כלי המחקר המשמשים בפרוטוקול מופיעים בטבלת החומרים.

1. מקורות נתונים ועיבוד

מערכי נתוני ריצוף RNA בכמויות גדולות הקשורים לאוטם שריר הלב התקבלו מ-Gene Expression Omnibus (GEO). מאגרי הנתונים GSE59867 ו-GSE48060 שימשו לניתוחים טרנסקריפטומיים נרחבים, ומאגר נתוני ריצוף RNA חד-תאי GSE269269 שימש לניתוחים ברמת התא (טבלה 1). אוסף של 255 גנים הקשורים לקלמודולין הושג מאטלס החלבון האנושי לניתוחים הבאים של קבוצות גנים.

מערך נתוניםסוג דגימהדגימה (בקרות)מדגם (מטופלים)פלטפורמת ריצוף
GSE59867RNA בכמויות גדולות46111GPL6244
GSE48060RNA בכמויות גדולות2131GPL570
GSE269269scRNA-seq (דם היקפי)10GPL24676

טבלה 1: מאפייני מערכי הנתונים ששימשו במחקר. הטבלה מפרטת את מספרי הגישה למערכי הנתונים, סוגי המדגמים, מספר דגימות הביקורת והמטופלים, ופלטפורמות ריצוף עבור מערכי ריצוף RNA בכמויות גדולות ו-RNA תא יחיד. RNA-seq, רצף RNA; scRNA-seq, ריצוף RNA חד-תאים.

שונות בין דגימות במאגרי הנתונים הרבים של הטרנסקריפטומיה תוקנה באמצעות פונקציית normalizeBetweenArrays בחבילת הלימה, גרסה 3.60.6. לאחר מכן בוצע ניתוח ביטוי גנים שונה באמצעות לימה. גנים מבוטאים באופן דיפרנציאלי (DEGs) הוגדרו באמצעות הספים P < 0.05 ו-|log₂ שינוי קפל| > 0.5. ה-DEGs שהתקבלו הוצגו באמצעות גרפים של הרי געש ומפות חום וסווגו כמוסדרים משמעותית, מופחתת משמעותית, או ללא שינוי משמעותי.

2. ניתוח העשרה של קבוצות גנים בודדות וניתוח רשת ביטוי משותף של גנים משוקללים

ניתוח העשרת קבוצות גנים חד-דגימית (ssGSEA) בוצע באמצעות 255 גנים הקשורים לקלמודולין. חבילת GSVA שימשה לחישוב ציון גן הקשור לקלמודולין, המסומן Calmodulin_score, עבור כל דגימת AMI ודגימת ביקורת. ההבדלים ב Calmodulin_score בין קבוצות AMI לקבוצת הביקורת הוערכו באמצעות מבחן סכום הדירוג של וילקוקסון.

ניתוח רשת ביטוי משותף של גנים משוקלל (WGCNA) בוצע באמצעות נתוני טרנסקריפטומיה נרחבים ממטופלים עם AMI. גנים עם ממוצע קטעים לכל קילובסיס של תמלול למיליון קריאות ממופות של ≤0.5 הוצאו. הדגימות רוכזו כדי לזהות ולהסיר חריגים.

נבחרה הספק סף רך שהשיג התאמה טופולוגית ללא קנה מידה של R² > 0.8. לאחר מכן נבנתה מטריצת חפיפה טופולוגית. מודולי גנים זוהו באמצעות אלגוריתם חיתוך עץ דינמי עם גודל מודול מינימלי של 200. מודולים עם גנים עצמיים דומים מאוד אוחדו באמצעות סף קורלציה של >0.75, התואם לסף מיזוג מודולים של 0.25.

הוערכו הקשרים בין הגנים העצמיים של מודול לתכונות קליניות, כולל Calmodulin_score, באמצעות ניתוח קורלציה של פירסון. יחסי מודול-תכונה שהתקבלו הוצגו במפת חום עם מקדמי קורלציה וערכי P מתאימים. חושבו חברות במודול ומשמעות הגן עבור כל גן. נוצרו גרפים של חברות במודול מול משמעות גנטית כדי לזהות גנים בעלי קישוריות תוך-מודולרית גבוהה ורלוונטיות תכונה.

3. זיהוי גנים הקשורים לקלמודולין הקשורים ל-AMI

גנים הקשורים לקלמודולין הקשורים ל-AMI זוהו על ידי חיתוך ה-DEGs עם גנים ממודולים של WGCNA שהיו קשורים באופן משמעותי ל-Calmodulin_score. הגנים החופפים נשמרו לניתוחים במורד הזרם.

ניתוח העשרה פונקציונלית בוצע באמצעות חבילת clusterProfiler. אונטולוגיית גנים והאנציקלופדיה של קיוטו לגנים וגנומים שימשו לזיהוי תהליכים ביולוגיים, פונקציות מולקולריות, רכיבים תאיים ונתיבי איתות הקשורים לגנים החופפים.

4. זיהוי ואימות גנים מרכזיים באמצעות למידת מכונה

בוצע ניתוח רגרסיה לוגיסטית חד-משתנית באמצעות הגנים החופפים. שלושה אלגוריתמים של למידת מכונה יושמו באופן עצמאי באמצעות חבילות ופרמטרים של R: יער אקראי, XGBoost ומכונת וקטור תמיכה.

כל אלגוריתם שימש לתעדוף גנים עם ערך חיזוי ל-AMI. גני מפתח מועמדים הוגדרו כגנים שזוהו על ידי שלושת האלגוריתמים. גנים שהראו גם ביטוי שונה משמעותי ועקבי בכיוון הן במאגר האימון GSE59867 והן במאגר הנתונים החיצוני GSE48060 לאימות נשמרו כגנים המרכזיים הסופיים.

5. בנייה והערכה של מודלים אבחנתיים

נבנה מודל רגרסיה לוגיסטית המשתמש בגנים המרכזיים שזוהו ובפונקציית ה-LRM. נוצרה נומוגרמה באמצעות פונקציית רגפלט כדי להציג את תרומת כל גן תכונה להסתברות החזויה ל-AMI.

הבחנה במודל הוערכה באמצעות ניתוח מאפייני הפעלה של מקלט באמצעות חבילת pROC. השטח מתחת לעקומת מאפיין ההפעלה של המקלט חושב כדי להעריך את יכולת המודל להבחין בין מערכות אמין לבין דגימות בקרה.

נוצרו עקומות כיול כדי להשוות הסתברויות צפויות לתוצאות שנצפו ביניהן בין. בוצע ניתוח עקומת החלטה כדי להעריך את התועלת הקלינית נטו של המודל בטווח הסתברויות סף.

6. ניתוח העשרת קבוצות גנים ובניית רשת RNA אנדוגנית מתחרה

ניתוח העשרת קבוצות גנים בוצע בנפרד עבור כל גן מפתח באמצעות מטריצת הקורלציה הגנטית שלו וחבילת clusterProfiler. תוצאות העשרת מסלולי אנציקלופדיית הגנים והגנומים של קיוטו דורגו לפי ציון ההעשרה המנורמל המוחלט. חמשת המסלולים בדרגה הגבוהה ביותר הוצגו עבור כל גן.

אסוציאציות פונקציונליות ורשתות אינטראקציה גנטית נבדקו באמצעות GeneMANIA. ווסתי מיקרו-RNA פוטנציאליים של הגנים המרכזיים נחזו באמצעות miRanda, miRTarBase, TargetScan ו-miRDB. אינטראקציות מועמדות בין מיקרו-RNA ל-mRNA זוהו על ידי חיתוך התחזיות מארבעת מסדי הנתונים.

אינטראקציות RNA-microRNA ארוכות ולא מקודדות התקבלו מ-SpongeScan. הקשרים הארוכים שאינו מקודד בין RNA-microRNA ו-micro-mRNA שולבו לאחר מכן לבניית רשת רגולציה אנדוגנית מתחרה. הרשת הוצגה כדיאגרמת סנקי באמצעות חבילת הגלוביאלים.

7. חיזוי תרופות ועגינה מולקולרית

האינטראקציות בין תרופות לגנים חזו באמצעות מאגר האינטראקציה בין תרופות לגן. רשת האינטראקציה שהתקבלה הוצגה באמצעות תוכנת ניתוח רשת.

מזהה החלבון UniProt עבור CCL4 התקבל כ-P13236. מבנה החלבון התלת-ממדי המתאים התקבל בפורמט Protein Data Bank (PDB) תחת מספר הגישה 1HUM (MIP-1β אנושי, מבנה דיפרקציית קרני רנטגן), שנבחר לעגינה. שרשרת A, המייצגת את המונומר הביולוגי הרלוונטי, נבחרה לעגינה. הכנת החלבון בוצעה באמצעות מודול Prepare Protein ב-CB-Dock2, הכולל הסרת מולקולות מים, הוספת מימנים קוטביים והקצאת מטעני גסטיגר. המבנים הכימיים התלת-ממדיים של התרכובות המועמדות (חומצה קלודרונית ואפוטין אלפא) נאספו ממסד הנתונים של PubChem בפורמט קובץ מבנה-נתונים (SDF). סימולציות עגינה בוצעו באמצעות פלטפורמת CB-Dock2 המקוונת, המשתמשת באלגוריתם AutoDock Vina לעגינה עיוורת. אתר העגינה הוגדר לכסות את כל פני החלבון כדי לאפשר זיהוי בלתי מוטה של כיסי קישור פוטנציאליים. זיקת הקשר חושבה כאנרגיה החופשית החזויה של הקשירה (ΔG) בקלוקל/מול. תנוחות עגינה סופיות ואינטראקציות חלבון-ליגנד (למשל, קשרי מימן, מגעים הידרופוביים) הוצגו באמצעות PyMOL וצופה האינטראקציה המובנה של CB-Dock2.

8. עיבוד מוקדם של נתוני ריצוף RNA תא יחיד

בוצעה בקרת איכות לפני ניתוח ריצוף RNA חד-תאי במורד הזרם. התאים נשמרו כאשר מספר הגנים שזוהו היה בין 200 ל-10,000, סך כל המזהים המולקולריים הייחודיים היה ≥1,000, ושיעור התמלילים המיטוכונדריאלית היה ≤20%.
תאים שהביעו פחות מ-200 גנים וגנים שזוהו בפחות משלושה תאים הוצאו. מסננים אלו יושמו כדי להפחית הכללת תאים באיכות נמוכה ורעש טכני. ערכי ביטוי גנים נורמליזציה באמצעות פונקציית NormalizeData בחבילת Seurat. זוהו גנים משתנים מאוד באמצעות פונקציית FindVariableFeatures. ערכי הביטוי של הגנים המשתנים מאוד היו ממורכזים וסטנדרטיים באמצעות פונקציית ScaleData.

השפעות אצווה הקשורות לשינויים ניסיוניים או ריצוף תוקנו באמצעות פונקציית RunHarmony מתוך מסגרת האינטגרציה של Harmony17.

9. הפחתת ממדיות תא יחיד, אשכולות והערות

ניתוח רכיבים עיקריים יושם תחילה כדי להפחית את הממדיות של מאגר נתוני ריצוף RNA חד-תאים. קירוב והיטל אחידים של מניפולדים, והטמעת שכנים סטוכסטיים בהתפזרות t שימשו לאחר מכן להמחשת הטרוגניות תאית.

תאים דומים מבחינה שעתוקית קובצו באמצעות פונקציות FindNeighbors ו-FindClusters ב-Seurat. גנים של סמנים מבוטאים באופן שונה לכל אשכול זוהו באמצעות פונקציית FindAllMarkers על ידי השוואת כל אשכול עם כל האשכול שנותרו.

סוגי התאים הוקצו באמצעות גני סמן קנוניים שהתקבלו מספרות פורסמת וממאגרי סימני תאים מבוססים. ההתפלגות המרחבית ורמות הביטוי של גנים מרכזיים הוצגו באמצעות פונקציית FeaturePlot18.

10. ניתוח תגובת שרשרת פולימראז כמותי

דגימות דם פריפריאליות נאספו מ-8 מטופלים עם AMI ו-8 בקרים בריאים במרכז הקליני לבריאות הציבור באנחווי. קבוצת AMI כללה מטופלים שאובחנו לפי ההגדרה האוניברסלית הרביעית של אוטם שריר הלב, עם תסמינים התואמים איסכמיה שריר הלב ורמות גבוהות של טרופונין I בלב מעל גבול ההתייחסות העליון של האחוזון ה-99. קבוצת הביקורת כללה אנשים בריאים תואמים לגיל ולמין ללא היסטוריה של מחלות לב וכלי דם, בדיקות אלקטרוקרדיוגרפיות תקינות וללא חריגות בבדיקות דם שגרתיות, תפקוד כבד או כליות. עבור מטופלים עם AMI, נאספו 3 מ"ל דם אנטי-קרישי חומצה אתילנדיאמינית טטראצטית בתוך 24 שעות מהאשפוז. אותו נפח נאסף מביקורת בריאה במהלך תקופת המחקר המתאימה.

סך ה-RNA בודד מדם היקפי בהתאם לפרוטוקול שסופק עם ערכת בידוד ה-RNA של הדם. ריכוז וטוהר ה-RNA הוערכו באמצעות ספקטרופוטומטר NanoDrop, ושלמות ה-RNA אושרה באמצעות אלקטרופורזה בג'ל אגרוז. רק דגימות עם יחס A260/A280 בין 1.8 ל-2.1 שימשו לניתוחים הבאים. סך הכל 500 ng של RNA הועתקו לאחור ל-DNA משלים באמצעות תגובת סינתזת DNA משלים בגדיל ראשון. ה-DNA המשלים שהתקבל דולל לריכוז סופי של 150 ng/mL. הגברה כמותית של תגובת שרשרת פולימראז בוצעה בנפח תגובה כולל של 10 מיקרוליטר באמצעות תערובת מאסטר מבוססת SYBR Green ללא צבע ייחוס פסיבי. כל תגובות qPCR בוצעו פעמיים בכפילים טכניים, והחישובים הבאים התבססו על ערכי ה-Ct הממוצעים.

הגברה בוצעה באמצעות מכשיר תגובת שרשרת פולימראז בזמן אמת. תנאי המחזור כללו דהנאטורציה ראשונית ב-95 מעלות צלזיוס למשך 5 דקות, ואחריה 40 מחזורי דנאטורציה ב-95 מעלות צלזיוס למשך 10 שניות, אנילינג ב-60 מעלות צלזיוס למשך 30 שניות, והארכה ב-72 מעלות צלזיוס למשך 30 שניות. ניתוח עקומת התכה בוצע לאחר ההגברה.

רמות ביטוי הגנים נורמל ל-β-אקטין. הביטוי היחסי חושב באמצעות שיטת 2−ΔΔCt .

11. ניתוח סטטיסטי

ניתוחים סטטיסטיים בוצעו ב-R. ויזואליזציות רשת נוצרו באמצעות תוכנת ניתוח רשת. ההבדלים בין שתי קבוצות הוערכו באמצעות מבחן וילקוקסון אלא אם צוין אחרת. משתנים רציפים עם התפלגות נורמלית הושוו באמצעות מבחן t של סטודנט. משתנים רציפים שאינם מתפלגים נורמלית הושוו באמצעות מבחן מאן-וויטני U, הידוע גם כמבחן סכום דירגה של וילקוקסון. כל המבחנים הסטטיסטיים היו דו-זנביים. ערך P של <0.05 נחשב מובהק סטטיסטית19.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

זיהוי וניתוח העשרה של גנים הקשורים לקלמודולין הקשורים ל-AMI
תיקון אפקט אצווה בוצע לראשונה על מערך הנתונים GSE59867 כדי להבטיח השוואה בין מדגמים (איור 1A). בסך הכל זוהו לאחר מכן 168 גנים מובעים באופן שונה (DEGs), כולל 77 גנים עם ויסות גבוה ו-91 גנים עם ויסות נמוך בדגימות AMI בהשוואה לביקורת (איור 1B). ניתוח העשרת קבוצות גנים בדגימה בודדת הראה כי Calmodulin_score הבדלים באופן מובהק בין קבוצות AMI וקבוצת הביקורת...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

אוטם שריר הלב החריף (AMI) נגרם מחסימה חריפה של עורקי הלב הכליליים, מה שמוביל לנמק איסכמי שריר הלב ולתחלואה ותמותה גבוהים ברחבי העולם. קלמודולין, חלבון רגולטורי התלוי בסידן, ממלא תפקיד מרכזי בהעברת אותות תוך-תאי. מחקרים קודמים הראו שקלמודולין מווסת אפופטוזיס קרדיומיוציטים, תגובות דלקתיות והומאוסטזיס של סידן במהלך AMI, מה שמרמז שהוא עשוי להיות מולקולה חשובה בפתוגנזהAMI 20. במחקר הנוכחי, זוהו 60 גנים מובענים דיפרנציאליים הקשורים לקלמודולין בשלושה מערכי נתונים עצמאיים...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

המחברים מצהירים שאין ניגוד עניינים.

תודות

עבודה זו נתמכה על ידי קרן המחקר של אוניברסיטת הרפואה של אנחווי (מענק מס' 2022xkj059) והמכון לרפואה תרגומית של אנחווי (מענק מס' 2021zhyx-C71). המחברים מודים לכל עמיתיהם שסייעו ותמכו במחקר זה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
β-actin primerTsingkeN/AForward: 5′-CATGTACGTTGCTATCCAGGC-3′
Reverse: 5′-CTCCTTAATGTCACGCACGAT-3′
calibratermsN/AParameters: lrmModel, method = "boot", B = 1000
CB-Dock2CB-Dock2 ServerOnline toolhttps://cadd.labshare.cn/cb-dock2/
CCL4 primerTsingkeN/AForward: 5′-CTGTGCTGATCCCAGTGAATC-3′
Reverse: 5′-TCAGTTCAGTTCCAGGTCATACA-3′
CIBERSORTStanford UniversityOnline toolParameters: function(sig_matrix, mixture_file, perm = 0, QN = TRUE)Spearman correlation analysis was performed between immune-cell abundance and gene expression.
clusterProfilerBioconductor4.12.6https://bioconductor.org/packages/clusterProfiler
CytoscapeCytoscape Consortium3.9.1https://cytoscape.org/
Drug-Gene Interaction DatabaseDGIdbOnline databasehttps://www.dgidb.org/
Gene Expression OmnibusNCBIOnline databasehttps://www.ncbi.nlm.nih.gov/geo/
Gene Ontology databaseGene Ontology ConsortiumOnline databasehttp://geneontology.org/
GeneMANIAUniversity of TorontoOnline toolhttps://genemania.org/
GBP4 primerTsingkeN/AForward: 5′-AGGCTGCTAAAACACAAGCTG-3′
Reverse: 5′-CCCCAGGTAGAGTGACAATCAT-3′
ggalluvialCRAN0.12.5Sankey diagram generation
GSVABioconductor1.52.3Parameter: P < 0.05
Harmony integration frameworkCRAN1.2.0https://github.com/immunogenomics/harmony
Hifair III 1st Strand cDNA Synthesis SuperMixYEASEN11141ES10Reverse-transcription reagent
Hieff qPCR SYBR Green Master MixYEASEN11201ESqPCR reagent
Human Protein AtlasHuman Protein Atlas ConsortiumOnline databasehttps://www.proteinatlas.org/
KPNA5 primerTsingkeN/AForward: 5′-TCAAGAGATGCGTAGACGAAGA-3′
Reverse: 5′-ACATTTCTGCGTTTGAACAACTG-3′
Kyoto Encyclopedia of Genes and Genomes databaseKanehisa LaboratoriesOnline databasehttps://www.kegg.jp/
LightCycler 480 Instrument IIRocheLightCycler 480 IIReal-time PCR instrument
limmaBioconductor3.60.6Differentially expressed gene screening
lrmrmsN/AParameters: Type ~ SOCS3 + GBP4 + ST14 + KPNA5 + STAB1 + CCL4, data = aSAH, maxit = 100
miRandaMicroRNA.orgOnline toolhttp://www.microrna.org/microrna/home.do
miRDBmiRDBOnline toolhttp://mirdb.org/
miRTarBaseNational Chiao Tung UniversityOnline databasehttps://mirtarbase.cuhk.edu.cn/
Protein Data BankRCSBOnline databasehttps://www.rcsb.org/
PubChemNCBIOnline databasehttps://pubchem.ncbi.nlm.nih.gov/
PyMOLSchrödinger, LLC2.5.4Visualization of molecular docking results
pROCCRAN1.18.5Receiver operating characteristic curve generation and visualization
Random forest packageCRAN3.3.1Parameters: ntree = 100, seed = 200
R softwareR Foundation4.2.2Bioinformatics and statistical analyses
regplotCRAN1.1Parameters: glm(Status ~ gene, family = binomial(), data = merged_data)lrm(Type ~ SOCS3 + GBP4 + ST14 + KPNA5 + STAB1 + CCL4, data = aSAH, maxit = 100)
rmdaCRAN1.6Parameters: decision_curve(Type ~ SOCS3 + GBP4 + ST14 + KPNA5 + STAB1 + CCL4, data = aSAH, family = binomial(link = "logit"), thresholds = seq(0, 1, by = 0.01), confidence.intervals = 0.95)
RNA isolater MolPure Blood RNA KitYEASEN19241ES50RNA isolation kit
SeuratSatija Lab5.1.0Marker genes used for cell annotation:Monocytes: FCN1, S100A9, S100A8B cells: CD79B, MS4A1T cells: LDHB, CD4, CD3DNK cells: FGFBP2, GZMB, NKG7, KLRD1Megakaryocytes: CD163, CD36, PF4, PPBPBlood cells: ALAS2, AHSP, CA1Plasma cells: IGHA1, CD79A, MZB1, JCHAINDendritic cells: HLA-DMB, HLA-DPA1, HLA-DQB1Mast cells: FCER1A, MS4A2
SOCS3 primerTsingkeN/AForward: 5′-CCTGCGCCTCAAGACCTTC-3′
Reverse: 5′-GTCACTGCGCTCCAGTAGAA-3′
spongeScanspongeScanOnline toolhttp://spongescan.rc.ufl.edu/
ST14 primerTsingkeN/AForward: 5′-TTCCTGCCAGTCAACAACGTC-3′
Reverse: 5′-GGTACTGCAAATGCCACACC-3′
STAB1 primerTsingkeN/AForward: 5′-CCGGGAAATCCTTACCACAGC-3′
Reverse: 5′-ACCTTCGTGTTTGTTGGGTCC-3′
Support vector machine packageCRAN1.7-13Parameters: input, k = 10, halve.above = 100
survminerCRAN0.5.0Survival curve plotting
TargetScanTargetScanOnline toolhttp://www.targetscan.org/
UniProtUniProt ConsortiumOnline databasehttps://www.uniprot.org/
Weighted gene co-expression network analysis packageCRAN1.73Parameters: R² > 0.8, minModuleSize = 200
XGBoost packageCRAN1.7.8.1Parameters: nrounds = c(50, 200), max_depth = c(3, 8), eta = c(0.01, 0.3)

מקורות

  1. Buja LM. Pathobiology of myocardial ischemia and reperfusion injury: models, modes, molecular mechanisms, modulation, and clinical applications. Cardiol Rev. 2023;31(5):252–264. https://doi.org/10.1097/CRD.0000000000000440
  2. Salari N, et al. The global prevalence of myocardial infarction: a systematic review and meta-analysis. BMC Cardiovasc Disord. 2023;23:206. https://doi.org/10.1186/s12872-023-03231-w
  3. Młynarska E, et al. From atherosclerotic plaque to myocardial infarction-the leading cause of coronary artery occlusion. Int J Mol Sci. 2024;25(13):7295. https://doi.org/10.3390/ijms25137295
  4. Krittanawong C, et al. Acute myocardial infarction: etiologies and mimickers in young patients. J Am Heart Assoc. 2023;12(18). https://doi.org/10.1161/JAHA.123.029971
  5. Sood A, Singh A, Gadkari C. Myocardial infarction in young individuals: a review article. Cureus. 2023;15(4). https://doi.org/10.7759/cureus.37102
  6. Galli M, et al. Guided versus standard antiplatelet therapy in patients undergoing percutaneous coronary intervention: a systematic review and meta-analysis. Lancet. 2021;397(10283):1470–1483. https://doi.org/10.1016/S0140-6736(21)00533-X
  7. Ai X, et al. Dynamic profiles of 25 serum biomarkers in acute myocardial infarction. Front Cardiovasc Med. 2025;12:1631648. https://doi.org/10.3389/fcvm.2025.1631648
  8. Yang Z, Zhou DM. Cardiac markers and their point-of-care testing for diagnosis of acute myocardial infarction. Clin Biochem. 2006;39(8):771–780.
  9. Yang CF, Tsai WC. Calmodulin: the switch button of calcium signaling. Tzu Chi Med J. 2022;34(1):15–22. https://doi.org/10.4103/tcmj.tcmj_285_20
  10. Tokumitsu H, Sakagami H. Molecular mechanisms underlying Ca²⁺/calmodulin-dependent protein kinase kinase signal transduction. Int J Mol Sci. 2022;23(19):11025. https://doi.org/10.3390/ijms231911025
  11. Ketehouli T, et al. Overview of the roles of calcium sensors in plants’ response to osmotic stress signalling. Funct Plant Biol. 2022;49(7):589–599.
  12. Beghi S, et al. Calcium signalling in heart and vessels: role of calmodulin and downstream calmodulin-dependent protein kinases. Int J Mol Sci. 2022;23(24):16139. https://doi.org/10.3390/ijms232416139
  13. Tran N, et al. Endothelial nitric oxide synthase and the cardiovascular system: in physiology and in disease states. Am J Biomed Sci Res. 2022;15(2):153–177.
  14. Hua Y, et al. Ca²⁺/calmodulin-dependent protein kinase II regulation by inhibitor of receptor-interacting protein kinase 3 alleviates necroptosis in glycation end products-induced cardiomyocyte injury. Int J Mol Sci. 2022;23(13).
  15. Zhang J, et al. Ca²⁺/calmodulin-dependent protein kinase II regulation by inhibitor of RIPK3 protects against cardiac hypertrophy. Oxid Med Cell Longev. 2022;2022:7941374. https://doi.org/10.1155/2022/7941374
  16. Zi C, Ma X, Zheng M, Zhu Y. VDAC1-NF-κB/p65-mediated S100A16 contributes to myocardial ischemia/reperfusion injury by regulating oxidative stress and inflammatory response via the calmodulin/CaMKK2/AMPK pathway. Eur J Pharmacol. 2025;987:177158. https://doi.org/10.1016/j.ejphar.2024.177158
  17. Song Z, et al. Identification of five hub genes based on single-cell RNA sequencing data and network pharmacology in patients with acute myocardial infarction. Front Public Health. 2022;10:894129. https://doi.org/10.3389/fpubh.2022.894129
  18. Qu S, et al. Integrated multi-omics and experimental validation for identifying novel biomarkers of acute myocardial infarction. Naunyn Schmiedebergs Arch Pharmacol. 2026;399(9):14067–14089. https://doi.org/10.1007/s00210-026-05281-1
  19. Fan H, et al. Early diagnostic biomarkers for acute myocardial infarction unveiled by metabolomics, Mendelian randomization, and machine learning. Mol Biomed. 2026;7(1):5.
  20. Yang Y, et al. CaMKII in regulation of cell death during myocardial reperfusion injury. Front Mol Biosci. 2021;8:668129. https://doi.org/10.3389/fmolb.2021.668129
  21. Rosenstock P, Kaufmann T. Sialic acids and their influence on human natural killer cell function. Cells. 2021;10(2):263.
  22. Li G, et al. Decoding glycosylation in cardiovascular diseases: mechanisms, biomarkers, and therapeutic opportunities. 2025;16.
  23. Yang M, et al. lncRNAfunc: a knowledgebase of lncRNA function in human cancer. Nucleic Acids Res. 2022;50(D1)–D1306.
  24. Zhang W, et al. Identification of plasma exosomes hsa_circ_0001360 and hsa_circ_0000038 as key biomarkers of coronary heart disease. 2024;2024.
  25. Cheng W, et al. NF-κB, a potential therapeutic target in cardiovascular diseases. Cardiovasc Drugs Ther. 2023;37(3):571–584.
  26. Liang B, Liang Y, Gu N. Pharmacological mechanisms of sodium-glucose cotransporter 2 inhibitors in heart failure with preserved ejection fraction. BMC Cardiovasc Disord. 2022;22(1):261.
  27. Qiu D, et al. Evaluating the diagnostic potential of SOCS3 in copper metabolism for acute myocardial infarction. Pathol Res Pract. 2024;264:155688.
  28. Zhang J, Zhang L. Bioinformatics approach to identify the influences of SARS-CoV-2 infections on atherosclerosis. Front Cardiovasc Med. 2022;9:907665.
  29. Zhang J, et al. CXCL16 promotes Ly6Chigh monocyte infiltration and impairs heart function after acute myocardial infarction. J Immunol. 2023;210(6):820–831.
  30. Tsuruno Y, et al. Favorable inhibitory effect of clodronate on hepatic steatosis in short bowel syndrome model rats. Pediatr Surg Int. 2024;40(1):307.
  31. Kim DH, et al. Bisphosphonates and risk of cardiovascular events: a meta-analysis. PLoS One. 2015;10(4).
  32. Kittithaworn A, Toro-Tobon D, Sfeir JG. Cardiovascular benefits and risks associated with calcium, vitamin D, and antiresorptive therapy in the management of skeletal fragility. Womens Health. 2023;19:17455057231170059.
  33. Anand S, Al-Mondhiry J, Fischer K, Glaspy J. Epoetin alfa-epbx: a new entrant into a crowded market-a historical review of the role of erythropoiesis-stimulating agents and the development of the first epoetin biosimilar in the United States. Expert Rev Clin Pharmacol. 2021;14(1):1–8.
  34. Yin W, Noguchi CT. The role of erythropoietin in metabolic regulation. 2025;14(4):280.
  35. Sung PH, Luo CW, Chiang JY, Yip HK. The combination of G9a histone methyltransferase inhibitors with erythropoietin protects the heart against damage from acute myocardial infarction. Am J Transl Res. 2020;12(7):3255–3271.
  36. Jean-Baptiste W, et al. Are there any cardioprotective effects or safety concerns of erythropoietin in patients with myocardial infarction? A systematic review. Cureus. 2022;14(6).
  37. Liu J, Chen L, Zheng X, Guo C. Identification of immune-related genes in acute myocardial infarction based on integrated bioinformatic methods and experimental verification. PeerJ. 2023;11.
  38. Feng L, et al. Identification of genes linking natural killer cells to apoptosis in acute myocardial infarction and ischemic stroke. Front Immunol. 2022;13:817377.
  39. Wang Q, et al. Atorvastatin-induced tolerogenic dendritic cells improve cardiac remodeling by suppressing TLR-4/NF-κB activation after myocardial infarction. Inflamm Res. 2023;72(1):13–25.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

גנים קשורי קלמודוליןביטוי דיפרנציאליחדירה חיסוניתביטוי משותף משוקללתאי Tתאי NK
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.