このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

グリアトランスクリプトームプロファイルに基づくアルツハイマー病の性別特異性のためのバイオマーカー同定

2K 回視聴

⸱

DOI:

10.3791/66552

⸱

2024年5月20日

 ,  ,  ,  ,  ,  ,  ,  ,  , 
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

この記事について

サマリー

この研究では、アルツハイマー病(AD)患者33人の単一核トランスクリプトームを解析し、グリア細胞における性特異的なDEGを明らかにしました。機能強化解析では、シナプス、神経、およびホルモン関連の経路が強調されました。主要な遺伝子、すなわちNLGN4Yとその調節因子が特定され、性別特異的ADの潜在的な治療候補が提案されました。

要約

最近、アルツハイマー病(AD)において多くの性特異的バイオマーカーが明らかになりました。しかし、脳グリア細胞はほとんど報告されていませんでした。この研究では、GEOデータベースに登録されているADの33人の前頭皮質から得られた220,095の単一核トランスクリプトームを分析しました。性特異的差次的発現遺伝子(DEG)は、アストロサイトに243個、ミクログリアに1,154個、オリゴデンドロサイトに572個を含むグリア細胞で同定されました。Gene Ontology(GO)の機能アノテーション解析と京都遺伝子・ゲノム大百科事典(KEGG)のパスウェイエンリッチメント解析により、シナプス、神経、ホルモン関連パスの機能的集中が明らかになりました。タンパク質間相互作用ネットワーク(PPI)は、アストロサイトにおけるMT3、CALM2、DLG2、KCND2、PAKACB、CAMK2D、およびNLGN4Y、ミクログリアにおけるTREM2、FOS、APOE、APP、およびNLGN4Y、およびオリゴデンドロサイトにおけるGRIN2A、ITPR2、GNAS、およびNLGN4Yを主要な遺伝子として同定しました。NLGN4Yは、3つのグリアが共有する唯一の遺伝子であり、ADの性別特異性のバイオマーカーとして同定されました。遺伝子転写因子(TF)-miRNA共調節ネットワークは、NLGN4Yとその標的TCMの主要な調節因子を特定しました。Ecklonia kurome Okam(Kunbu)とHerba Ephedrae(Mahuang)が同定され、ADに対する有効成分の影響が示されました。最後に、KunbuとMahuangの濃縮分析は、彼らがADの性別特異性の治療候補として作用する可能性があることを示唆しました。

概要

アルツハイマー病(AD)は、認知症の60%〜80%を占める世界的な疾患で、罹患率が高い疾患です1。その高い発生率にもかかわらず、ADのメカニズムの病因は明確に描かれておらず、これまで有効な治療法はありませんでした2。ADの主な病態は、神経細胞の萎縮と病理学的破片の蓄積、主に微小管関連タンパク質タウ、およびβ-アミロイド(Aβ)3,4であると特定されました。ADの病因は、異常なオートファジー、酸化ストレス、ミトコンドリア機能障害、炎症、およびエネルギー代謝障害に関連しています5。有病率調査では、AD患者の3分の2が女性であることが証明されました6。ADの性特異的な違いは、病因、臨床症状、予防、および治療に存在します。したがって、ADの性特異的な違いを引き起こす生物学的メカニズムを明らかにし、伝統的な漢方薬(TCM)を標的とすることで、ADの病因を理解し、正確な治療戦略をさらに導くためのより包括的な理論的枠組みを提供できる可能性があります。

神経膠細胞、特にミクログリア、アストロサイト、オリゴデンドロサイトは、ADの病因に寄与する可能性があります。ADでは、ミクログリアが活性化され、遺伝的に改変され、炎症反応、食作用、およびAβクリアランスに寄与します7,8。アストロサイトは遺伝的に改変され、シナプス活性、イオン恒常性、エネルギー代謝、脂質代謝に影響を及ぼします9。オリゴデンドロサイトは、性特異性を伴って遺伝的に変化し、これがニューロンの喪失、神経原線維変化、および白質病変の一因となります10,11。

本研究では、優れた技術として1核RNAシーケンシング(snRNA-seq)を採用しました。シングルセルRNAシーケンシング(scRNA-seq)と比較して、snRNA-seqは、サンプルの豊富さ、細胞タイプの完全性、およびデータの信頼性の点で利点があります12,13。SnRNA-seqは、ADに焦点を当て、グリア細胞の役割を探求する研究で広く利用されています14,15,16。これらの研究分野で広く採用されていることは、ADにおけるグリア細胞の転写特性に関する貴重な洞察を提供する上での有効性を浮き彫りにしています。snRNA-seqの利点を活用することで、研究者はADの病理におけるグリア細胞の関与に関する重要な情報を明らかにし、潜在的な治療標的を特定することができました。ADにおける性特異的な神経膠細胞転写特性とADの性特異性に対する潜在的なTCMを調査するために、この研究では、NCBI GEO公開データベースからAD患者の前頭皮質からのsnRNA-seqデータを分析しました。性特異的発現差出せ遺伝子(DEG)、Gene Ontology(GO)、京都遺伝子・ゲノム大百科事典(KEGG)、タンパク質間相互作用(PPI)ネットワーク、およびgene-TF-miRNAネットワークをさらに解析し、主要なバイオマーカーと潜在的な病因を明らかにします。最後に、潜在的なTCMが提案され、Coremine Medical、TCMIP、およびTCMSPデータベースを検索して、その有効成分を表とともに表示しました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

解析のステップ2から9はRソフトウェアを使用して実装し( 補足図1 および 補足ファイル1を参照)、残りのステップはオンラインプラットフォーム上で実行しました。このプロトコルで使用されるデータベースの詳細(およびWebリンク)は、 資料の表に記載されています。

1. データ取得

  1. National Center of Biotechnology Informationの一般公開されている Gene Expression Omnibus(GEO) データベースにアクセスしてください。
  2. 検索ボックスで 「Alzheimer's disease」 という名前のGEOデータを検索します。
  3. 右側の「 Top Organisms 」を 「Homo sapiens 」として選択します。
    注:検索結果は、ホモ・サピエンスのアルツハイマー病に関するデータであった。
  4. 検索した情報をフィルタリングした後、個々の単一核サンプルのfeatures.tsv、barcode.tsv、matrix.mtxを含む GSE167490 および GSE183068 データファイルをダウンロードします。データセットは、前頭皮質に由来するADの34のサンプルで構成され、17の男性サンプルと17の女性サンプルが均等に分布していました(補足表1)。

2. サンプルのマージ

  1. コンピュータ上でデータパスとサンプル名を適宜設定します。ダウンロードした34個のサンプルをインポートし、関数名を使用してサンプルに性別固有の名前を割り当てます。
  2. 関数リストと Read10Xを使用して、すべてのサンプルのSeuratオブジェクトをバッチ処理方式で生成し、パラメータを min.cells = 3 および min.features = 200として指定します。
  3. RenameCells 関数を使用して、サンプル ID をプレフィックスとしてセル バーコードに追加し、マージ プロセス中にセル バーコードを保持します。これにより、各セルが独自のIDを保持し、マージ後に元のサンプルソースまでさかのぼることができるようになりました。

3.品質管理(QC)

  1. PercentageFeatureSet 関数を使用して、各細胞のミトコンドリア遺伝子比、赤血球遺伝子比、およびリボソーム遺伝子比を計算します。
  2. これらの計算された比率を [[ ]] 演算子を使用してメタデータに格納し、この情報を各セルのメタデータに直接アタッチします。
  3. サブセット機能を利用して細胞ろ過を行い、パラメータを nFeature_RNA > 200、nFeature_RNA < 10000、nCount_RNA < 60000、percent.mt < 10、percent.rb < 5、および percent に指定します。HB<75。
  4. GSM5106107分析から除外します。

4.バッチ効果チェック

  1. データ処理を実行します。
    1. NormalizeData 関数を使用してデータを正規化します。
    2. FindVariableFeatures 関数を使用して、データセット内の上位 2000 個の変数特徴を特定します。
    3. RunPCAを使用してデータに対して主成分分析(PCA)17を実施し、50の主成分を保持します。
    4. 関数 ElbowPlot を使用してエルボー プロットを生成し、後続の解析に最適な次元数を決定します。最初の 50 次元について考えてみましょう。
    5. ScaleData を使用してデータをスケーリングし、すべてのフィーチャが同等のスケールになるようにします。
    6. 30 次元に基づく FindNeighbors を使用して最近傍を特定します。
    7. RunUMAP を使用して UMAP アルゴリズムを適用し、データの次元を 30 次元に減らします。
  2. 関数 DimPlot を使用して、reduction パラメーターを umap に、group.by パラメーターを orig.ident に設定して、処理されたデータを可視化します。
    注:この手順では、縮小されたUMAP空間のデータを視覚化し、元のセルIDでグループ化したプロットを生成できます。UMAPプロットを調べると、バッチ効果の存在が明らかになりました。細胞のバッチまたは実験起源に基づく細胞の明確なクラスタリングまたは分離は、実験バッチが遺伝子発現プロファイルに影響を与えたことを示唆しています。

5. データ統合

  1. SCTransform 関数を使用してデータを正規化および標準化します。
  2. ハーモニーアルゴリズム18 を適用して、残りの33の単一核データを統合する。統合には SCT アッセイを使用し、ハーモニーの最大反復回数を 20 に設定します。
  3. FindClusters 関数を resolution パラメーターを 0.07 に設定して、データ内の個別のクラスターを識別します。
  4. 指定した次元数 (dims = 30) で RunUMAP 関数を使用して、データの次元をさらに削減し、低次元空間でクラスターを視覚化します。

6. 細胞タイプのアノテーション

  1. 既存の文献の広範なレビューを通じて、細胞のマーカー遺伝子(補足表2)を収集します。
  2. 細胞クラスターの不均一性を同定した後、特異的に発現するマーカー遺伝子によって各クラスター細胞の種類を分類します。
  3. ggplot2パッケージを用いた UMAPの可視化 により、オリゴデンドロサイトは #DB7093 色、興奮性ニューロンは #FF69B4、アストロサイトは #1874CD、ミクログリアは #63B8FF、オリゴデンドロサイト前駆細胞は #DB7093、抑制性ニューロンは #FFC0CB、内皮細胞は #FF69B4 で強調表示されています。
  4. 性別で層別化された各細胞タイプの比率を計算します。

7. グリア細胞データの抽出

  1. サブセット関数を用いて、統合バルクデータからアストロサイトデータを抽出します。
  2. サブセット機能を用いて、統合バルクデータからミクログリアデータを抽出します。
  3. サブセット関数を用いて、統合バルクデータからオリゴデンドロサイトデータを抽出します。

8. グリア性特異的差次的発現遺伝子(DEG)の捕捉

  1. FindMarkers関数(ident.1 = 男性、ident.2 = 女性、group.by = group.sum、assay = RNA)を使用して、アストロサイトの性特異的なDEGを同定します。これは、p値が0.05<および|avg_log2FC|>30。アップレギュレーションされた DEG をアップ、ダウンレギュレーションされた DEG をダウン、残りを安定とラベル付けします。
    1. 関数 ggplot を使用して DEG を視覚化し、x 軸は 2 つの条件 (pct.1 - pct.2) の差をパーセンテージで表し、y 軸はavg_log2FCを表します。アップレギュレーションされた遺伝子はPaleVioletRed、ダウンレギュレーションされた遺伝子はPink、安定遺伝子はDodgerBlue3で強調されました。
  2. FindMarkers関数(ident.1 = オス、ident.2 = メス、group.by = group.sum、assay = RNA)と閾値(p値 0.05< |avg_log2FC|> 1.アップレギュレーションされた DEG をアップ、ダウンレギュレーションされた DEG をダウン、残りを安定とラベル付けします。
    1. 関数 ggplot を使用して DEG を可視化し、x 軸は 2 つの条件 (pct.1 - pct.2) の差をパーセンテージで表し、y 軸はavg_log2FCを表します。アップレギュレーションされた遺伝子はOrangeRedの色を使用して強調され、ダウンレギュレーションされた遺伝子はLightSalmonで、安定した遺伝子はSteelBlue1で強調表示されました。
  3. FindMarkers関数(ident.1 = 男性、ident.2 = 女性、group.by = group.sum、assay = RNA)と閾値(p値 0.05< |avg_log2FC|>10.アップレギュレーションされた DEG をアップ、ダウンレギュレーションされた DEG をダウン、残りを安定とラベル付けします。
    1. 関数 ggplot を使用して DEG を可視化し、x 軸は 2 つの条件 (pct.1 - pct.2) の差をパーセンテージで表し、y 軸はavg_log2FCを表します。アップレギュレーションされた遺伝子は DeepPinkの色を使用して強調され、ダウンレギュレーションされた遺伝子は HotPinkで、安定した遺伝子は DeepSkyBlue3を使用して強調表示されました。

9. 性特異的DEGの機能強化解析

  1. enrichGO機能を使用して、各グリア細胞タイプの性特異的DEGに対するGene ontology(GO)エンリッチメント解析を実施します。次のパラメーターを設定します: OrgDb = org。Hs.eg.db、keyType = SYMBOL、ont = ALL、pAdjustMethod = BH、pvalueCutoff = 0.01、qvalueCutoff = 0.05です。
  2. function bitrを使用して、遺伝子シンボルを対応する遺伝子IDに変換します。 enrichKEGG 機能を用いて、各グリア細胞種の性特異的DEGの京都遺伝子・ゲノム大百科事典(KEGG)のエンリッチメント解析を行う。設定を次のように調整します: organism = has、keyType = kegg、pAdjustMethod = BH、pvalueCutoff = 0.01、qvalueCutoff = 0.05。

10. go経路とkegg経路におけるglial DEGsの頻度統計、各glial性特異的DEGのベン図、およびPPIネットワークの構築

  1. 頻度ヒストグラムを使用して、GOおよびKEGG経路におけるグリア性特異的DEGの頻度を計算します。
  2. STRING データベースにアクセスして、PPI ネットワークを構築します。
  3. [Multiple proteins] を選択します。検索ボックスで名前のリストを検索します。「Organisms」をホモ・サピエンスとして設定します。
  4. 検索から得られたタンパク質のリストを確認します。 「続行 」をクリックして続行します。
  5. PPIネットワークをエクスポートするには、ダウンロードオプションを選択し、できれば高解像度のPNG形式でエクスポートします。
  6. ベン図を使用して、上位の性特異的遺伝子の共発現の分布を視覚化します。
  7. ベン図解析に基づいて、研究の主要な遺伝子として共有遺伝子を特定します。

11. 多要素規制ネットワークの構築

  1. NetworkAnalyst にアクセスします。
  2. Gene List Inputをクリックし、生物をH. sapiens (human)と指定します。IDタイプを公式遺伝子シンボルとして設定します。検索フィールドに遺伝子名を入力し、[アップロードして続行]をクリックします。
  3. 「Gene-miRNA Interactions」を選択し、「miRTarBase v8.0」を選択します。[OK]をクリックして選択を確定します。
  4. TF-gene Interactionsに進み、ENCODEデータベースを選択します。[OK]をクリックして選択を確定します。
  5. 次に、 TF-miRNA Coregulatory Network に移動し、「 OK 」をクリックして続行します。
  6. 最後に、[ Proceed ] を選択して、遺伝子-miRNA 相互作用と TF-遺伝子相互作用を組み込んだ多因子制御ネットワークを生成します。

12. 遺伝子・標的TCM解析

  1. Coremine Medicalのオンラインデータベースにアクセスします。
  2. 特定の遺伝子名を入力し、接尾辞 gene/protein, human が付いた対応する遺伝子を Explore セクションの下の検索ボックスで選択します。
  3. 「Drugs」セクションに移動し、検索した薬物に関連付けられているTCMを特定します。
    注:統計的に有意な薬物は青色でマークされています。
  4. 治療用TCMとしての「重要性」値に基づいて上位5つのTCMを決定します。

13. 主要遺伝子を標的とするTCM成分の研究概要

  1. Integrative Pharmacology-based Research Platform of Traditional Chinese Medicine(TCMIP)およびTraditional Chinese Medicine Systems Pharmacology Database and Analysis Platform(TCMSP)にアクセスできます。検索バーにハーブの名前を入力して、対応する成分を取得します。
  2. 2023年4月10日までの時間制限付きでPubMedデータベースから成分を取得します。検索語としては、TCMSPの Molecule Name や Chemical Components in TCMIPなど、英語で発表された論文に限定して使用しました。
  3. ADに作用するハーブとそれに対応する成分を要約し、分析します。

14. ADの性特異性におけるTCMの治療機能の標的化の確認

  1. ハーブをTCMIPにインポートし、対応する説明ページに移動します。
  2. データのエクスポート機能を利用し、CSV形式を選択して、GO - Biological Process、GO - Cellular Component、GO - Molecular Function、 およびReactome Pathwayのエンリッチメント条件をダウンロードします。
  3. ダウンロードした各ハーブのエンリッチメント用語を棒グラフで視覚化します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

前頭葉グリアトランスクリプトームプロファイルのSnRNA-seq解析と細胞種のアノテーション
合計で、男性AD17人、女性AD17人の前頭皮質に220,095個の核と32,077個の遺伝子が取得されました(図1A)。UMAPプロットは、次元縮小解析後に異なるタイプの核を示す全単一核前頭トランスクリプトームを視覚化しました(図1B)。性別別に捕捉された注釈付き核の総数が示され、合計には、58,902個のアストロサイト、14,265個のミクログリア、77,466個のオリゴデンドロサイト、3,520個の内皮細胞、25,252個の興奮性ニューロン、31,268個の抑制性ニューロン、および9,422個のオリゴデンドロサイト前駆細胞が含まれていました(図1C)。各グリアの既知の細胞型マーカーの平均発現をUMAPプロットに投影して、細胞集団を特定しました(図1D)。

...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

性別特異性は、AD19の疫学、病理学、および臨床症状で特定されています。本研究では、AD患者の性別特異的グリア遺伝子と関連経路から、「ホルモン-シナプス-ニューロン軸」の病態メカニズムの可能性を確認しました。NLGN4Yは、3つのグリアで唯一共有される遺伝子であり、ADの性別特異性のバイオマーカーとして選択されました。NLGN4Yを調節するTFおよびmiRNAは、性差と神経系の発達と強く関連していました。さらに、標的であるTCMであるKunbuとMahuangは、「ホルモン-シナプス-ニューロン」軸に影響を与える可能性があると考えられており、性別特異性の調節によりADの治療候補として作用することが確認されました。

Harmonyアルゴリズムは、希少細胞のデータを統合し、大規模なサンプルのメモリ使用量と計算速度を最適化し、多様な細胞源と技術プラットフォーム18による複雑な実験デザインに対応することにより、他の統合アルゴリズムに比べて明確な利点を提供しました。QCとデータ統合セクションは、分...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

この原稿には利益相反はなく、すべての著者が出版のための投稿を承認しています。

謝辞

著者は、GSE167490データセットを提供してくれた Jessica S Sadick、Michael R O'Dea、Philip Hasel などに感謝しています。著者らは、Faten A Sayed、Lay Kodama、Li FanなどがGSE183068データセットを提供していることを高く評価しています。著者は、データ分析の支援を提供してくれたShuqing Liuと、データ分析プラットフォームを提供してくれたWen Yangに感謝します。この研究は、中国国立自然科学基金会(82174511)、成都伝統中国医学大学アプリコットグローブ奨学生、規律人材研究強化プログラム(QJJJ2022001)、遼寧活性化人材プログラム(XLYC 1807083)、四川行政局中医薬薬薬基金(2023MS578)、全国学部イノベーションおよび起業家精神トレーニングプロジェクト(202310633003X)、および科学研究実践の革新的なトピックの支援を受けました成都中国伝統医学大学(ky-2023100)の大学生向け。Hanjie LiuとHui Yangは、研究のデザイン、データの収集、データの解釈、原稿の起草と改訂に貢献しました。Shuqing LiuとSiyu Liは、研究のデザイン、データの収集、原稿の起草に参加しました。ウェン・ヤンとアンワル・アイシャは、データの収集と解釈を担当しました。Xin Tanは図や表を用意しました。Cen Jiang、Yi Liu、Lushuang Xieが研究を考案し、原稿をレビュー/編集しました。すべての著者が記事に貢献し、提出されたバージョンを承認しました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
Database
Coremine Medicalデータベースノルウェー、中国科学院、中国医学院、米国国立医学図書館、その他の機関CoreMine Medicalで概念を探索すると、重要な概念を関連付けるように構造化されたデータベースにアクセスし、統計的関連性によってランク付けされます。 あなたのトピックに。たとえば、「アルツハイマー病」と入力すると、その病気について説明するドキュメントやリソースを取得するだけでなく、クエリの概念が他の生物医学の概念とどのように関連しているかを示すネットワークやリストを表示することができます。これは、検索に関連する概念の概要を提供するだけでなく、これらの概念に関する情報をナビゲートするためのインターフェースでもあります.
Weblink:
https://coremine.com/medical/ Gene Expression Omnibus (GEO)National Center for Biotechnology Information in the United States (NCBI)GEOは、MIAME準拠のデータ提出をサポートする公開機能ゲノミクスデータリポジトリです。配列ベースおよびシーケンスベースのデータを使用できます。
Weblink: https://www.ncbi.nlm.nih.gov/geo/
Integrative Pharmacology-based Research Platform of Traditional Chinese Medicine (TCMIP, version: 2.0)なしIntegrated Pharmacology Based Network Computational Research Platform for Traditional Chinese Medicine [TCMIP v2.0], http://www.tcmip.cn/ ) インテリジェントなデータマイニングです医療ビッグデータ管理と薬理学的コンピューティングサービスを統合したEncyclopedia of Traditional Chinese Medicine(ETCM)のオンラインデータベースに基づくプラットフォーム。それは、伝統的な漢方薬理論の科学的な意味合いと伝統的な漢方薬における独創的な思考の科学的価値を明らかにし、有名な医師の経験を要約して伝え、伝統的な漢方薬の品質を制御し、伝統的な漢方薬の行動の原則を説明し、新しい漢方薬の研究開発、特に現代の薬物の組み合わせの発見と最適化、 強力なデータ基盤と分析ツールを提供します。TCMIP v1.0 をベースとして、5 つの主要なデータベースと 7 つの機能モジュールを含む包括的なアップグレードが実装されています。システム統合とモジュール統合により、「疾患症候群処方」相互作用ネットワークのマルチレベル相関の包括的な分析を迅速に達成できます。インテリジェントなデータマイニングプラットフォームとして、TCMIP v2.0は、伝統的な漢方薬理論の科学的意味合いと伝統的な漢方薬における独自の思考の科学的価値を明らかにするための強力なデータ基盤と分析プラットフォームを提供し、有名な医師の経験を要約して継承し、伝統的な漢方薬の品質管理を行い、伝統的な漢方薬の行動の原則を解明します。 新しい伝統的な漢方薬、特に現代の薬剤の組み合わせの発見と最適化の研究開発.
Weblink: http://www.tcmip.cn/TCMIP 
NetworkAnalystNoneNetworkanalyzeは、遺伝子発現解析およびメタアナリシスのためのオンライン可視化解析プラットフォームです。遺伝子発現の比較、定量、差分、濃縮分析、タンパク質間相互作用分析、複数のデータセットの統合分析を行うことができ、PCA、タンパク質間相互作用ネットワーク図、ヒートマップ、火山図、ウェイン図などの高価値画像も描画できます
Weblink:
https://www.networkanalyst.ca/NetworkAnalyst/ PubMedデータベース米国国立バイオテクノロジー情報センター(NCBI)Pubmedデータベースは、米国国立医学図書館(NLM)が管理する生物医学文献データベースで、最新の医学研究成果を世界中の科学者、医師、研究者、学生に提供することを目的としています。このデータベースは、ジャーナル記事、論文、書籍など、世界中の生物医学文献を収集しています。現在、Pubmedのデータベースには3000万件以上の記事が収集されており、毎週更新されています
Weblink: https://pubmed.ncbi.nlm.nih.gov/
RソフトウェアのRoss IhakaとRobert GentlemanRは、統計計算とグラフィックスのための言語と環境です。これは、ベル研究所(旧AT&)で開発されたS言語と環境に似たGNUプロジェクトです。T、現在のLucent Technologies)ジョン・チェンバースと同僚による。R は、S の異なる実装と見なすことができます。いくつかの重要な違いがありますが><、S用に書かれた多くのコードは、R.
Weblinkの下で変更されずに実行されます:
https://www.r-project.org/ Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform（TCMSP)Zhejiang Jiuwei Health Co., LtdTCMSPは、データリポジトリであるだけでなく、ユーザーが伝統的な漢方薬(TCM)を包括的に研究するための分析プラットフォームでもあります。 有効成分の同定、薬物標的のスクリーニング、化合物-標的-疾患ネットワークの生成、および薬物類似性(DL)、経口バイオアベイラビリティ(OB)、血液脳関門(BBB)、腸上皮透過性(Caco-2)、ALogP、フラクショナルネガティブ表面積(FASA-)および の数を含む詳細な薬物動態情報が含まれます。Hボンド ドナー/アクセプター  (Hdon/Hacc)。これまでのところ、TCMSPは幅広い注目を集めており、いくつかのグループは、約1年以内にTCMSPデータベースを使用して10以上の論文を発表しています https://tcmsp-e.com><。
が共同で開発

参考文献

  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).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

さらに記事を探す

性別特異的バイオマーカー単一核トランスクリプトーム発現変動遺伝子アストロサイトバイオマーカーミクログリアバイオマーカーオリゴデンドロサイトバイオマーカーUMAP可視化バイオインフォマティクス解析
グリアトランスクリプトームプロファイルに基づくアルツハイマー病の性別特異性のためのバイオマーカー同定
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。