本研究では、非アルコール性脂肪性肝疾患(NAFLD)と心筋梗塞(MI)の関係を共発現遺伝子により検討し、トロンボスポンジン1(THBS1)をバイオマーカーとして同定しました。免疫浸潤解析により、CD8+ T細胞と好中球が主要な因子であることが明らかになり、THBS1はNAFLDおよびMIの診断ツールとしての可能性を示しています。
方法論記事
免疫浸潤解析 による 非アルコール性脂肪性肝疾患におけるトロンボスポンジン1の同定のための医療意思決定支援プラットフォーム
この記事について
サマリー
要約
非アルコール性脂肪性肝疾患(NAFLD)と心筋梗塞(MI)は、有病率と死亡率が高い2つの主要な健康負担です。この研究は、NAFLDとMIの関係を理解し、バイオインフォマティクスと機械学習を使用してNAFLD関連のMIの潜在的な重要なバイオマーカーを特定するために、共発現遺伝子を探索することを目的としています。機能濃縮分析を行い、共タンパク質間相互作用(PPI)ネットワーク図を作成し、サポートベクター機械再帰的特徴除去(SVM-RFE)および最小絶対収縮選択演算子(LASSO)技術を用いて、発現差のある遺伝子(DEG)であるトロンボスポンジン1(THBS1)を同定しました。THBS1は、NAFLD患者(AUC = 0.981)とMI患者(AUC = 0.900)の区別において強力なパフォーマンスを示しました。免疫浸潤解析により、NAFLDおよびMI患者ではCD8+ T細胞が有意に低く、好中球レベルが高いことが明らかになりました。CD8+ T細胞と好中球は、NAFLD/MIを健康な対照と区別するのに効果的でした。相関解析の結果、THBS1はNAFLDおよびMI患者において、CCR(ケモカイン受容体)、MHCクラス(主要組織適合遺伝子複合体クラス)、好中球、パラ炎症、およびTfh(濾胞性ヘルパーT細胞)と正の相関を示し、CD8+ T細胞、細胞溶解活性、およびTIL(腫瘍浸潤リンパ球)と負の相関を示しました。THBS1 は、健康な対照と比較して NAFLD/MI を診断するための新しいバイオマーカーとして浮上しました。この結果は、CD8+ T細胞と好中球が、NAFLD/MI患者と健常者を区別するための炎症性免疫機能として機能する可能性があることを示しています。
概要
非アルコール性脂肪肝疾患 (NAFLD) は、有病率が 25% から 30% の公衆衛生上の主要な問題です1。NAFLDは糖尿病患者の間で高い有病率であることが報告されています2。しかし、非糖尿病患者におけるNAFLDの重要性はまだ明らかではありません。研究によると、NAFLDはアテローム性動脈硬化症の病因において独立した役割を果たしていることが示唆されています3,4。さらに、メタアナリシスでは、NAFLD が冠動脈石灰化、内皮機能障害、およびアテローム性動脈硬化症と密接に関連しており、独立した心血管リスク因子5 として浮上していることが示されています。NAFLDと心血管疾患との関連については、まださらなる調査が必要です。
心筋梗塞(MI)は、世界中の患者とその家族に健康を脅かし、大きな経済的負担を強いる壊滅的な病気です6。MIは、NAFLD患者の主要な死因でもあります。British Medical Journalに掲載された臨床研究では、NAFLD患者の心筋梗塞のリスクは、非NAFLD患者の1.17倍であることが示されています7,8。いくつかの研究では、炎症、酸化ストレス、脂質代謝など、NAFLD関連のMI9,10,11に寄与する分子経路が特定されています。しかし、NAFLDとMIを結びつける根本的なメカニズムは不明のままです。NAFLDおよびMIの予後に関連する新規バイオマーカーを特定することは非常に重要です。
NAFLDの有病率の増加は、人口の広範なセグメントに影響を及ぼし、特に糖尿病との関連を考えると、重大な公衆衛生問題を強調しています。しかし、NAFLDが非糖尿病患者に与える影響については、まだ十分に理解されていません。NAFLDはアテローム性動脈硬化症の病因に関与しており、冠動脈石灰化、内皮機能障害、およびアテローム性動脈硬化症と密接に関連している独立した心血管危険因子として認識されています。このような関連性があるにもかかわらず、NAFLDと心筋梗塞(MI)などの心血管疾患を橋渡しする精密なメカニズムについては、さらなる解明が必要です。心筋梗塞は、世界の主要な死亡原因の1つであり、大きな経済的負担を強いています。NAFLD患者のMIのリスクは、NAFLDのない患者よりも著しく高く、これらの状態をつなぐ分子経路をより深く理解する必要性が浮き彫りになっています。炎症、酸化ストレス、脂質代謝が要因として示唆されていますが、正確なメカニズムは不明のままです。NAFLD関連心筋梗塞の予後と管理に関する洞察を提供できる新規バイオマーカーの特定が急務です。
そこで、本研究では、NAFLDとMIの間の差次的に発現する遺伝子(DEG)の相互作用を同定・解析するために、国立生物工学情報センター(National Center for Biotechnology Information-Gene Expression Omnibus, Table of Materials)からNAFLDおよびMIのRNAマイクロアレイデータセットをダウンロードしました。エンリッチメント解析、タンパク質間相互作用(PPI)ネットワーク図の構築、サポートベクター機械再帰的特徴除去(SVM-RFE)、 および最小絶対収縮選択演算子(LASSO)アルゴリズムを使用して、ハブ遺伝子12,13,14,15,16,17,18,19を同定した。免疫浸潤解析を行い、NAFLDおよびMI患者の免疫細胞を調べました。最終的に、これらの方法を統合してNAFLDとMIの関係を解明しました。図1は、この研究で従った設計シーケンスを示しています。本研究では、バイオインフォマティクス、機械学習、免疫浸潤解析を組み合わせることで、新たな医療意思決定支援プラットフォームの開発に貢献することを目指しています。
この記事の主な貢献は、(1)共発現遺伝子の同定:この研究では、共発現遺伝子を特定することにより、NAFLDとMIの関係を強調し、これら2つの状態間の分子的リンクをより深く理解することができます。(2)バイオインフォマティクスと機械学習の応用:本研究では、サポートベクターの機械再帰的特徴除去(SVM-RFE)17 や最小絶対収縮選択演算子(LASSO)19などのバイオインフォマティクスと機械学習技術を用いて、THBS1を差次的に発現する遺伝子として同定しました。THBS1は、NAFLDおよびMI患者を健康な対照者と区別する上で高い性能を示しています。(3)免疫浸潤分析:この研究では、免疫浸潤分析を実施し、NAFLDおよびMI患者におけるCD8 + T細胞のレベルが有意に低く、好中球のレベルが高いことを明らかにします。 (4)相関分析:この研究では、THBS1がCCR(ケモカイン受容体)、MHCクラスI(主要組織適合遺伝子複合体クラスI)、好中球、 パラ炎症、およびTfh(濾胞性ヘルパーT)細胞。CD8+ T細胞、細胞溶解活性、および腫瘍浸潤リンパ球(TIL)と負の相関があります。
プロトコル
使用したデータベース、ウェブリンク、ソフトウェア/パッケージの詳細は、 資料表に記載されています。使用するシミュレーションパラメータを 表1に示します。
1. RNAマイクロアレイデータセットの取得
- NCBI-GEOデータベースから心筋梗塞(MI)データセットGSE66360をダウンロードします。
- NCBI-GEOデータベースから非アルコール性脂肪肝疾患(NAFLD)データセットGSE89632をダウンロードします。
- ダウンロードしたデータセットに、49 個の MI サンプル、GSE66360 個の 50 個の正常なコントロール、39 個の NAFLD サンプル、および GSE89632 個の 24 個の正常なコントロールが含まれていることを確認します。
2. DEGの同定
- データの前処理とDEGの識別
- 適切な R 関数を使用して、データセットを RStudio に読み込みます。
- R パッケージ limma を使用して、しきい値 P < 0.05P および | log FC | > 1.5 の DEG12 を特定します。
- R パッケージの pheatmap、 ggplot2、 および Venn を使用して、DEG を視覚化するためのヒートマップとベン図を生成します。
- ビジュアライゼーションの作成
- pheatmap を使用して DEG のヒートマップを生成します。
- ggplot2 を使用して、NAFLD と MI の間の DEG のオーバーラップを示すベン図を作成します。
3. 濃縮分析
- GO、KEGG、およびDOエンリッチメント分析の実行
- DEG を R パッケージ clusterProfiler13 に読み込みます。
- Gene Ontology(GO)エンリッチメント解析を実施し、DEGを分子機能、生物学的プロセス、および細胞成分に分類します。
- 京都遺伝子・ゲノム百科事典(KEGG)の経路解析を行い、DEGを生化学的経路にマッピングします。
- Disease Ontology(DO)エンリッチメント解析を使用して、DEGを特定の臨床状態に関連付けます。
4. PPIネットワークの構築によるPPI分析
- STRINGオンラインプラットフォーム14を使用して、信頼スコア0.4のco-DEGのタンパク質間相互作用(PPI)ネットワーク図を作成します。
- Cytoscape15を使用してPPIネットワークを可視化します。
5. 機械学習アルゴリズムを応用した候補ハブDEGsスクリーニング
- RStudio で SVM-RFE (Support Vector Machine-Recursive Feature Elimination) と LASSO (Least Absolute Shrinkage and Selection Operator) 回帰アルゴリズムを使用して、最も関連性の高い DEG16、17、18 を選択します。
- SVM-RFE がフィーチャを反復的にランク付けおよび削除し、LASSO回帰19 が正則化を適用して DEG のスパース セットを識別することを確認します。
6. 診断性能を評価するためのROC曲線の構築
- RStudioを使用して、ROC(Receiver Operating Characteristic)曲線解析20を実行します。
- 重要なco-DEGの曲線下面積(AUC)を計算します。
7. 免疫浸潤を探求するための免疫浸潤解析
- Rパッケージ GSVA および GSEABase を使用して単一サンプルのGene Set Enrichment Analysis(ssGSEA)を実行し、NAFLDおよびMI21の免疫浸潤を解析します。
- NAFLDサンプルとMIサンプル、および健康なコントロールとの間の免疫細胞タイプの相対存在量を比較します。
8. 統計分析
- すべての統計分析を RStudio で実行します。
- ピアソン相関解析を適用して、遺伝子の共発現パターンを調べます。
- P < 0.05で統計的有意性を確保します。
注: プロトコルを開始する前に、すべてのソフトウェアと R パッケージが正しくインストールされ、最新バージョンに更新されていることを確認してください。
結果
ここでは、NAFLDとMIの根底にある分子メカニズムを解明するために行われたさまざまな分析を網羅して、提案された研究の主要な結果を示します。
DEGの識別
GSE89632データセットでは、76のアップレギュレーション遺伝子と20のダウンレギュレーション遺伝子がNAFLD-DEGとして同定され(図2B、D)、GSE66360データセットでは118のアップレギュレーション遺伝子と8つのダウンレギュレーション遺伝子がMI-DEGとして同定されました(図2C、E)。その後、NAFLD-DEGとMI-DEGのオーバーラップからco-DEGを導き出し、co-DEGの中で13のアップレギュレーションDEGと1つのダウンレギュレーションDEGを特定しました(図2A)。
NAFLDとMIに特有のDEGと、両方の疾患に共通するDEGを特定することで、これらの疾患の根底にある分子プロセスに関する貴重な洞察が得られます。両疾患に関連する異なる遺伝子発現パターンと共通の遺伝子発現パターンを理解することは、NAFLDとMIの病態生理学を明らかにするのに役立ち、治療介入の潜在的な分子標的を特定するのに役立つ可能性がある。co-DEGsをさらに調査すると、これら2つの障害間の相互作用に不可欠な重要な調節因子または経路が明らかになり、NAFLDおよびMIに関連する健康上の悪影響を軽減することを目的とした標的療法の開発が促進される可能性があります。
エンリッチメント分析
GO解析により、NAFLD DEGは主に、脂肪細胞の分化、リポ多糖への応答、および多細胞生物のプロセス(p < 0.05、 図3A)の生物学的プロセス(BP)で濃縮されていることが明らかになりました。細胞成分(CC)については、NAFLD DEGは主にホスファチジルイノシトール3-キナーゼ複合体、分泌性顆粒内腔、および細胞質小胞内腔と関連していました(p < 0.05、 図3A)。分子機能(MF)に関しては、ホスファチジルイノシトール-3-キナーゼ調節活性、DNA結合転写活性化活性(RNAポリメラーゼ特異的)、および一般的なDNA結合転写活性化活性(p < 0.05、 図3A)が主な活性でした。
MI-DEGについては、BP解析により、白血球の走化性、骨髄性白血球の活性化、および細胞の走化性が濃縮されていることが示されました(p < 0.05、 図3B)。CC分析では、三次顆粒、フィコリン-1-リッチ顆粒、および分泌性顆粒ルーメンの濃縮が強調されました(p < 0.05、 図3B)。MF解析により、パターン認識受容体活性、RAGE受容体結合、免疫受容体活性の濃縮が明らかになりました(p < 0.05、 図3B)。
KEGGの濃縮解析では、NAFLD-DEGはIL-17、AGE-RAGE、TNF、破骨細胞の分化、マラリア、関節リウマチ、シャーガス病、JAK-STATシグナル伝達経路において有意に濃縮されていることが示されました（p < 0.05、図3C)。MI-DEGは、IL-17、TNF、脂質代謝およびアテローム性動脈硬化症、Toll様受容体シグナル伝達、C型レクチン受容体シグナル伝達、レジオネラ症、関節リウマチ、およびNF-κBシグナル伝達経路に富んでいました(p < 0.05、図3D)。Disease Ontology(DO)エンリッチメント解析では、NAFLDとMIの両方の上位3つのDEGが、アテローム性動脈硬化症、動脈硬化性心血管疾患、および動脈硬化と有意に関連していることが示されました(p < 0.05、図3E-F)。
PPIネットワーク図分析
NAFLDのPPIネットワーク図では、92のノードと250のエッジが同定されており、この状態に関連するタンパク質間の相互作用の複雑なネットワークを反映しています。同様に、MIのPPIネットワーク図では、117のノードと587のエッジが明らかになり、心筋梗塞の分子ランドスケープに特徴的なより複雑なネットワークが示されました。さらに、co-DEGのPPIネットワーク図では、14のノードと21のエッジが特定され、NAFLDとMIの間で共有されるタンパク質間の潜在的な重要な相互作用が強調されました(図4A-F)。
PPIネットワークは、治療標的の構築と解析に価値があり、NAFLDとMIの根底にある分子結合に関する重要な洞察を提供します。NAFLDとMIで観察されるユニークなネットワークトポロジーは、これらの疾患に関与する明確な病態生理学的メカニズムを強調しています。さらに、co-DEG間の共有接続の発見は、MIとNAFLDの間の相互作用を媒介する潜在的な共有経路または制御ネットワークを示唆しています。これらの関連性に関するさらなる研究により、介入と治療法開発のための新しい分子標的が明らかになり、これらの複雑な疾患に対する新しい治療オプションが提供される可能性があります。
候補ハブDEGスクリーニング
SVM-RFEアルゴリズム17 を用いて、潜在的に重要なDEGをスクリーニングし、その結果、GSE89632中の6つの遺伝子とGSE66360中の4つの遺伝子が同定された(図5A、B)。同様に、LASSOアルゴリズム19 を使用して、候補の重要なDEGを同定し、GSE89632に4つの遺伝子、GSE66360に5つの遺伝子をもたらした(図5C、D)。特に、ベン図は、SVM-RFE、LASSO、およびco-PPIネットワーク分析によって特定されたハブDEG(THBS1)の交差を示しており、NAFLDとMIの両方の病因におけるその重要性を強調しています(図5F)。
これらの高度な機械学習アルゴリズムは、MIおよびNAFLDに関連する主要なDEGを特定するための堅牢なフレームワークを提供し、治療または診断標的としての可能性に関する貴重な洞察を提供しました。複数の分析技術を通じてTHBS1をハブ遺伝子として同定したことは、両疾患の根底にある分子経路におけるTHBS1の重要性を浮き彫りにしています。THBS1の機能的意義とco-PPIネットワーク内でのTHBS1の相互作用に関するさらなる研究により、NAFLDとMIを結びつける新たなメカニズムが解明され、標的療法や精密医療戦略への道が開かれる可能性があります。
1 つのハブ DEG の診断値
ROC分析は、NAFLDデータセットとMIデータセットの両方で特定されたハブDEGの診断効率を評価するために実施されました。 図6A、Bに示すように、THBS1は高い識別力を示し、NAFLD患者で0.981(95%CI:0.949-1.000)、MI患者で0.900(95%CI:0.834-0.956)のAUCを示しました。診断用バイオマーカーとしてのTHBS1の優れた性能は、NAFLD、MI、および健康なコントロールを区別する上でのその潜在的な有用性を強調しています。
これらの結果は、THBS1が疾患の状態の貴重なマーカーとして機能し、臨床医にリスク評価と早期発見のための有用なツールを提供する可能性があることを示唆しています。THBS1の臨床診療への統合を促進し、患者のケアと管理を改善するためには、多様な患者集団や臨床現場での診断精度を確認するためのさらなる検証研究が必要です。
免疫浸潤解析
ssGSEAは、NAFLD/MIと対照群(CON)との間の29の免疫関連遺伝子を解析するために実施されました。CON群と比較して、NAFLD群およびMI群では、特にCCR、MHCクラスI、好中球、パラ炎症、およびTfh細胞について、免疫細胞の浸潤が有意に増加しました(p < 0.05、 図7A、B)。逆に、免疫細胞の浸潤は、NAFLD群およびMI群でCON群と比較して顕著に減少し、特にCD8+ T細胞、細胞溶解活性、および腫瘍浸潤リンパ球(TIL)について減少しました(p < 0.05、 図7C、D)。
これらの結果は、NAFLDとMIの両方における免疫細胞浸潤の調節不全を示唆しており、これらの状態に関連する複雑な免疫学的状況を浮き彫りにしています。免疫細胞組成の観察された変化は、これらの疾患の発症と病態生理学の根底にある免疫学的プロセスに関する貴重な洞察を提供します。これらの免疫特性をさらに理解することで、介入のための新しい治療標的が明らかになり、NAFLDおよびMI患者の免疫学的プロファイルに基づく個別の治療計画の開発が支援される可能性があります。
図1:THBS1を特定するための医療意思決定支援システムの設計シーケンス。この図の拡大版を表示するには、ここをクリックしてください。
図 2: ベン図、火山図、ヒート マップ。 (A) GSE89632とGSE66360のベン図。(B)GSE89632における差次的に発現する遺伝子(DEG)の火山図。(C)GSE66360年のDEGの火山図。(D)GSE89632のDEGのヒートマップ図。(E)GSE66360のDEGのヒートマップ図。 この図の拡大版を表示するには、ここをクリックしてください。
図3:差次的に発現する遺伝子(DEG)の濃縮分析 (A)上位5つのNALFD-DEGは、生物学的プロセス(BP)、細胞成分(CC)、および分子機能(MF)における遺伝子オントロジー(GO)を濃縮しました。(B)上位5つのMI-DEGは、BP、CC、MFでGOを強化しました。(C)上位8つのNALFD-DEGは、京都の遺伝子とゲノムの百科事典(KEGG)シグナル伝達経路を充実させた。(D)上位8つのMI-DEGはKEGGシグナル伝達経路を濃縮した。(E)上位5つのNALFD-DEGsは疾患オントロジー(DO)をエンリッチしました。(F) 上位5つのMI-DEGsは、DOを濃縮しました。 この図の拡大版を表示するには、ここをクリックしてください。
図4:タンパク質間相互作用(PPI)ネットワーク図。 (A)Stringオンラインプラットフォームから取得した非アルコール性脂肪性肝疾患(NAFLD)のPPIネットワーク図。(B)Cytoscapeから取得したNAFLDのPPIネットワーク図。(C)Stringオンラインプラットフォームから取得した心筋梗塞(MI)のPPIネットワーク図。(D)Cytoscapeで得られたMIのPPIネットワーク図。(E)タンパク質相互作用のPPIネットワーク図。(F)IL1BとFOSのPPIネットワーク図。 この図の拡大版を表示するには、ここをクリックしてください。
図5:候補ハブDEGのスクリーニング。 (A)NAFLDのSVM-RFEによって得られた6つの重要なDEG。(B)心筋梗塞(MI)においてSVM-RFEによって得られた4つの重要なDEG。(C)NAFLDでLASSOによって得られた4つの重要なDEG。(D) ミシガン州のLASSOによって得られた5つの重要なDEG. (E) 上記から得られたDEGは、ベン図に1つだけ含まれている。 この図の拡大版を表示するには、ここをクリックしてください。
図6:1つのハブの診断値差次的に発現する遺伝子(DEG)：(A)NAFLDのROC曲線。(B) MIの中ROC曲線。この図の拡大版を見るには、ここをクリックしてください。
図7:非アルコール性脂肪性肝疾患(NAFLD)および心筋梗塞(MI)における浸潤免疫細胞の分布とTHBS1と浸潤免疫細胞との相関。(B)MIにおける浸潤免疫細胞の分布 (C)NAFLDにおけるTHBS1と浸潤免疫細胞との相関。(D)THBS1とMIの浸潤免疫細胞との間の相関関係この図の拡大版を表示するには、ここをクリックしてください。
| 略称 | 命名法 |
| AUCの | カーブ下面積 |
| BPの | 生物学的プロセス |
| CC | セルラーコンポーネント |
| 詐欺 | コントロール |
| 度 | 差次的に発現する遺伝子 |
| する | 疾患オントロジー |
| 行く | 遺伝子オントロジー |
| ケッグ | 京都遺伝子・ゲノム大百科事典 |
| 投げ縄 | 最小絶対収縮および選択演算子 |
| エフティ | 分子機能 |
| ミ | 心筋梗塞 |
| NAFLDの | ノンアルコール性脂肪肝疾患 |
| PPIの | タンパク質間相互作用 |
| 中華民国 | レシーバー オペレーター特性曲線 |
| ssGSEA(英語) | 単一サンプルの遺伝子セットエンリッチメント解析 |
| SVM-RFEの | サポート ベクター マシン - 再帰的特徴の除去 |
| タイバーツ1 | トロンボスポンジン1 |
表1:実験で使用したシミュレーションパラメータ。
ディスカッション
この研究で説明した方法は、NAFLDとMIの根底にある分子メカニズムの研究に重要な意味を持っています。THBS1 などの主要なバイオマーカーを特定することにより、提案されたプロトコルは、診断介入と治療介入の両方の潜在的な標的を提供します。このアプローチは、複数の経路や免疫応答が関与する他の複雑な疾患にも拡張でき、新しいバイオマーカーや治療標的の発見を促進します。さらに、バイオインフォマティクスと機械学習技術の統合により、個別化医療のための汎用性の高いフレームワークが提供され、個々の分子プロファイルに基づいてカスタマイズされた治療戦略が可能になります。この方法は、臨床現場での使用にも適応させ、的を絞った介入を通じて診断精度を高め、患者の転帰を改善することができます。
NAFLDと心筋梗塞(MI)は、有病率と死亡率が高い2つの主要な健康負担です。NAFLDは、肝臓に脂質が蓄積することを特徴としています1。NAFLDは、特にMI 22,23,24の文脈において、心臓の構造的完全性だけでなく、その機能にも悪影響を与えることを示唆する証拠が増えています。さらに、NAFLDとアテローム性動脈硬化症との間に強い相関関係があることを示す説得力のある証拠があります。研究によると、非糖尿病性心筋梗塞患者におけるNAFLDの有病率と重症度は冠動脈疾患に関連していることがわかっています25。中等度から重度のNAFLDは独立した危険因子であることが示されており、多発性冠状動脈病変のリスクを3倍に増加させます4。しかし、これらの研究は主にNAFLDとMIに焦点を当てており、NAFLDとアテローム性動脈硬化症との関連についての根本的なメカニズムはまだ不明です。したがって、NAFLD関連の心筋梗塞を予防するためには、これらのメカニズムを探求することが重要です。
本研究では、NCBI-GEOから2つのデータセットを求めました。分析の結果、NAFLDとMIの間で13のアップレギュレーションDEGと1つのダウンレギュレーションDEGが明らかになりました。ファンクショナルエンリッチメント分析が実行され、co-PPIネットワーク図が作成され、2つの機械学習アルゴリズムがハブDEGを特定しました。その結果、THBS1は、NAFLDとMIの両方に対して優れた診断効率を持つ新しいバイオマーカーとして同定されました。再帰的特徴除去(RFE)は、サンプルから最も重要な遺伝子を選択するのに役立ちます。LASSO回帰アルゴリズム19は、予測精度を向上させるために正則化を適用する。これらのアルゴリズムをco-DEGsと組み合わせることで、最適なDEGを選別することができました。
2つの機械学習アルゴリズムとco-DEGを用いた解析に基づき、Thrombospondin 1(THBS1またはTSP1)が主要な診断ハブDEGとして同定された。THBS1は細胞外マトリックスタンパク質のメンバーであり、トロンビン刺激に応答して血小板で最初に検出された26。内皮細胞、肝星状細胞、平滑筋細胞などの種々の細胞は、THBS1を産生し、細胞外空間に分泌することができる27、28、29。THBS1は、既知のリガンドであるCD36と相互作用し30、CD36を調節することにより抗血管新生効果を発揮し、心血管疾患におけるその重要な役割を強調しています。さらに、THBS1は、受容体やCD47などのタンパク質との相互作用を通じて血管新生と血小板凝集を調節でき、トランスフォーミング成長因子β、インテグリン32。これは、THBS1がMI33,34,35中の血栓形成、脆弱なプラーク破裂、およびその後の心室リモデリングに重要な役割を果たす可能性があることを示唆しています。
さらに、NAFLDの発症は、循環中の分泌タンパク質の合成と密接に関連しています。EBioMedicine誌に掲載された重要な研究では、THBS1が分泌タンパク質としてNAFLDの新規バイオマーカーとして役立つ可能性があることが示されました。この研究では、外因性THBS1投与が脂質合成経路を阻害することにより、肝臓の脂質沈着を改善することもわかりました36。特に、CD36はNAFLDに対するTHBS1の効果の重要な受容体として同定されました。さらに、THBS1のペプチド類似体であるABT-526は、肝細胞における脂質合成を阻害することが示されています。これらの知見は、NAFLDの診断と治療に関する新たな知見をもたらし、THBS1がNAFLDとMIの両方の新しいバイオマーカーとなり、迅速で簡便かつアクセス可能な診断ツールを提供する可能性があることを示唆しています。
最近の証拠は、NAFLDおよびMIの進行における免疫炎症反応の重要な役割を強調しています。Wabitschらは、メトホルミンがNAFLDマウスのCD8+ T細胞の発現を阻害することにより、肝保護を付与することを実証した37。Dolejsiらは、CD8+ T細胞の減少および心筋修復能力の有意な減少を報告した38。Qinらは、好中球が全身性免疫炎症指数の一部として、NAFLD患者の尿中アルブミン排泄と関連していることを発見した39。Zhangらは、好中球の浸潤と脱顆粒がMI27中の損傷と回復の両方のプロセスに関与していることを示しました。
これらの知見に沿って、現在の結果では、CCR、MHCクラスI、好中球、パラ炎症、およびTfh細胞の浸潤が増加し、CD8+ T細胞、細胞溶解活性、およびTILは、健康な対照と比較してNAFLDおよびMI患者で減少したことが明らかになりました。さらに、相関分析により、THBS1はNAFLDおよびMI患者において、CCR、MHCクラスI、好中球、パラ炎症、およびTfh細胞と正の相関があり、CD8 + T細胞、細胞溶解活性、およびTILと負の相関があることが示されました。これらの観察結果は、THBS1が、NAFLDおよびMIの発症および進行中にCD8+ T細胞、細胞溶解活性、およびTILを減少させながら、CCR、MHCクラスI、好中球、パラ炎症、およびTfh細胞を増加させることにより、免疫応答の調節に寄与する可能性があることを示唆しています。しかし、これらの推測は、これらのプロセスにおけるTHBS1の正確な役割を確認するために、さらなる調査が必要です。
本研究は、NAFLDとMIの分子的つながりを、包括的なバイオインフォマティクスと機械学習のアプローチを用いて解明することを目的としています。その結果、NAFLDで96の差次的に発現する遺伝子(DEG)とMIで126のDEGが同定され、14のDEGが2つの条件間で重複していました。機能濃縮解析により、これらのDEGは、脂肪細胞の分化、白血球の走化性、IL-17、TNF、NF-κBなどのさまざまなシグナル伝達経路などの重要な生物学的プロセスと経路に関与していることが明らかになりました。これらの結果は、NAFLDとMIにおける炎症経路と代謝経路の複雑な相互作用を強調しています。タンパク質間相互作用(PPI)ネットワーク図の構築と機械学習解析(SVM-RFEおよびLASSO)を組み合わせることで、THBS1が重要なハブ遺伝子であることが特定されました。THBS1は、NAFLDで0.981、MIで0.900の曲線下面積(AUC)という優れた診断性能を示し、両疾患の堅牢なバイオマーカーとしての可能性を示唆しています。
さらに、免疫浸潤解析により、NAFLD患者とMI患者では、健康な対照と比較して異なる免疫細胞プロファイルが明らかになりました。具体的には、NAFLDおよびMI患者は、CCR、MHCクラスI、好中球、パラ炎症、およびTfh細胞への浸潤の増加を示し、CD8 + T細胞、細胞溶解活性、およびTILのレベルの低下を示しました。これらの免疫特徴は、両方の疾患の炎症性を強調し、免疫応答の調節におけるTHBS1の役割を強調しています。
この研究は、NAFLDとMIの根底にある共通の分子メカニズムに関する新たな洞察を提供し、THBS1は診断のための新しいバイオマーカーおよび潜在的な治療標的として浮上しています。この知見は、これらの相互に関連する疾患を持つ患者に対する標的的介入と個別化治療戦略に関する将来の研究への道を開くものである。バイオインフォマティクス、機械学習、免疫浸潤解析を統合することで、NAFLDやMIの臨床管理の改善を目指した医療意思決定支援プラットフォームの開発に貢献しています。
謝辞
本研究は、中国国家自然科学基金会(U21A200949年62271511号)、南方戦区司令部玉才総合病院基金会(2022NZC011)、広州科学技術プログラムプロジェクト(2023A03J0170)、国立老年医学臨床研究センター(NCRCG-PLAGH-2023006)、広東省基礎応用基礎研究基金会(No.2020A1515010288、No.2021A1515220101)の支援を受けて行われました。
材料
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| Cytoscape | Cytoscape Consortium | Version 3.6.1 | タンパク質間相互作用(PPI)ネットワークの可視化に使用 |
| MIデータセットGSE66360 (https://www.ncbi.nlm.nih.gov/geo/)。 | NCBI-GEOデータベース | - | 解析用RNAマイクロアレイデータセットの収集 |
| RパッケージclusterProfiler | Bioconductor | - | GO、KEGG、DO濃縮解析に使用 |
| Rパッケージggplot2 | >CRAN | ベン | 図などの可視化に使用 |
| RパッケージGSEABase) | Bioconductor | - | 遺伝子セット濃縮解析にGSVAと組み合わせて使用 |
| RパッケージGSVA | Bioconductor | - | 単一サンプル遺伝子セット濃縮解析(ssGSEA) |
| Rパッケージlimma | Bioconductor | - | 差次的に発現する遺伝子(DEG)の同定に使用 |
| Rパッケージpheatmap | CRAN | - | ヒートマップの生成に使用 |
| Rパッケージvenn | CRAN | - | ベン図RNA |
| マイクロアレイデータセットの作成に使用(GSE66360、GSE89632) | NCBI-GEO | - | 一般に公開されているRNAマイクロアレイデータセット |
| 解析RStudio | に使用RStudio, PBC | Version 1.4.1717 | 統合開発環境 R |
| Stringデータベース | STRING (www.string-db.org/) | - | PPIネットワーク構築用オンラインツール |
参考文献
- de Alwis, N. M. W., Day, C. P. Non-alcoholic fatty liver disease: The mist gradually clears. J Hepatol. 48 (Suppl), S104-S112 (2008).
- Adams, L. A., Anstee, Q. M., Tilg, H., Targher, G. Non-alcoholic fatty liver disease and its relationship with cardiovascular disease and other extrahepatic diseases. Gut. 66 (6), 1138-1153 (2017).
- Bhatia, L. S., Curzen, N. P., Calder, P. C., Byrne, C. D. Non-alcoholic fatty liver disease: A new and important cardiovascular risk factor. Eur Heart J. 33 (9), 1190-1200 (2012).
- Boddi, M., et al. Non-alcoholic fatty liver in non-diabetic patients with acute coronary syndromes. Eur J Clin Invest. 43 (4), 429-438 (2013).
- Oni, E. T., et al. A systematic review: Burden and severity of subclinical cardiovascular disease among those with non-alcoholic fatty liver; should we care. Atherosclerosis. 230 (2), 258-267 (2013).
- Reed, G. W., Rossi, J. E., Cannon, C. P. Acute myocardial infarction. Lancet. 389 (10070), 197-210 (2017).
- Stahl, E. P., et al. Non-alcoholic fatty liver disease and the heart: JACC state-of-the-art review. J Am Coll Cardiol. 73 (8), 948-963 (2019).
- Alexander, M., et al. Non-alcoholic fatty liver disease and risk of incident acute myocardial infarction and stroke: findings from matched cohort study of 18 million European adults. BMJ. 367, 1934578X221093907(2019).
- Cobbina, E., Akhlaghi, F. Non-alcoholic fatty liver disease (NAFLD)-pathogenesis, classification, and effect on drug metabolizing enzymes and transporters. Drug Metab Rev. 49 (2), 197-211 (2017).
- Pawlak, M., Lefebvre, P., Staels, B. Molecular mechanism of PPARα action and its impact on lipid metabolism, inflammation and fibrosis in non-alcoholic fatty liver disease. J Hepatol. 62 (3), 720-733 (2015).
- Katsiki, N., Mikhailidis, D. P., Mantzoros, C. S. Non-alcoholic fatty liver disease and dyslipidemia: An update. Metabolism. 65 (8), 1109-1123 (2016).
- Ritchie, M. E., et al. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 43 (7), e47(2015).
- Yu, G., Wang, L. G., Han, Y., He, Q. Y. clusterProfiler: An R package for comparing biological themes among gene clusters. Omics. 16 (5), 284-287 (2012).
- Szklarczyk, D., et al. The STRING database in 2021: Customizable protein-protein networks, and functional characterization of user-uploaded gene/measurement sets. Nucleic Acids Res. 49 (D1), D605-D612 (2021).
- Sriroopreddy, R., Sajeed, R., Raghuraman, P., Sudandiradoss, C. Differentially expressed gene (DEG) based protein-protein interaction (PPI) network identifies a spectrum of gene interactome, transcriptome and correlated miRNA in nondisjunction Down syndrome. Int J Biol Macromol. 122, 1080-1089 (2019).
- Engebretsen, S., Bohlin, J. Statistical predictions with glmnet. Clin Epigenetics. 11, 123(2019).
- Ma, H., Ding, F., Wang, Y. A novel multi-innovation gradient support vector machine regression method. ISA Trans. 130, 343-359 (2022).
- Han, Y., Huang, L., Zhou, F. A dynamic recursive feature elimination framework (dRFE) to further refine a set of OMIC biomarkers. Bioinformatics. 37 (12), 2183-2189 (2021).
- Colombani, C., et al. Application of Bayesian least absolute shrinkage and selection operator (LASSO) and BayesCπ methods for genomic selection in French Holstein and Montbéliarde breeds. J Dairy Sci. 96 (2), 575-591 (2013).
- Gamper, M., et al. Gene expression profile of bladder tissue of patients with ulcerative interstitial cystitis. BMC Genomics. 10 (1), 1-17 (2009).
- Hänzelmann, S., Castelo, R., Guinney, J. GSVA: Gene set variation analysis for microarray and RNA-seq data. BMC Bioinformatics. 14, 1-15 (2013).
- Valbusa, F., et al. Non-alcoholic fatty liver disease and increased risk of all-cause mortality in elderly patients admitted for acute heart failure. Int J Cardiol. 265, 162-168 (2018).
- Zhang, Q., et al. Identification of hub biomarkers of myocardial infarction by single-cell sequencing, bioinformatics, and machine learning. Front Cardiovasc Med. 9, 939972(2022).
- Zhang, Q., et al. 7-Hydroxyflavone alleviates myocardial ischemia/reperfusion injury in rats by regulating inflammation. Molecules. 27 (17), 5371(2022).
- Zhang, Q., Guo, Y., Zhang, D. Network pharmacology integrated with molecular docking elucidates the mechanism of wuwei yuganzi san for the treatment of coronary heart disease. Nat Prod Commun. 17 (1), 1934578X221093907(2022).
- Baenziger, N. L., Brodie, G., Majerus, P. W. A thrombin-sensitive protein of human platelet membranes. Proc Natl Acad Sci USA. 68 (2), 240-243 (1971).
- Zhang, N., Aiyasiding, X., Li, W. J., Liao, H. H., Tang, Q. Z. Neutrophil degranulation and myocardial infarction. Cell Commun Signal. 20 (1), 50(2022).
- Lawler, J. Thrombospondin-1 as an endogenous inhibitor of angiogenesis and tumor growth. J Cell Mol Med. 6 (1), 1-12 (2002).
- Kaur, S., et al. Functions of thrombospondin-1 in the tumor microenvironment. Int J Mol Sci. 22 (9), 4570(2021).
- Asch, A. S., et al. Isolation of the thrombospondin membrane receptor. J Clin Invest. 79 (4), 1054-1061 (1987).
- Armstrong, L. C., Bornstein, P. Thrombospondins 1 and 2 function as inhibitors of angiogenesis. Matrix Biol. 22 (1), 63-71 (2003).
- Roberts, D. D., Isenberg, J. S. CD47 and thrombospondin-1 regulation of mitochondria, metabolism, and diabetes. Am J Physiol Cell Physiol. 321 (1), C201-C213 (2021).
- Emre, A., et al. Impact of non-alcoholic fatty liver disease on myocardial perfusion in non-diabetic patients undergoing primary percutaneous coronary intervention for ST-segment elevation myocardial infarction. Am J Cardiol. 116 (11), 1810-1814 (2015).
- Mouton, A. J., et al. Fibroblast polarization over the myocardial infarction time continuum shifts roles from inflammation to angiogenesis. Basic Res Cardiol. 114 (1), 1-16 (2019).
- Liu, Y., et al. Atherosclerotic conditions promote the packaging of functional microRNA-92a-3p into endothelial microvesicles. Circ Res. 124 (4), 575-587 (2019).
- Bai, J., et al. Thrombospondin 1 improves hepatic steatosis in diet-induced insulin-resistant mice and is associated with hepatic fat content in humans. EBioMedicine. 57 (1), 102-111 (2020).
- Wabitsch, S., et al. Metformin treatment rescues CD8+ T-cell response to immune checkpoint inhibitor therapy in mice with NAFLD. J Hepatol. 77 (4), 748-760 (2022).
- Dolejsi, T., et al. Adult T-cells impair neonatal cardiac regeneration. Eur Heart J. 43 (27), 2698-2709 (2022).
- Qin, Z., et al. Systemic immune-inflammation index is associated with increased urinary albumin excretion: a population-based study. Front Immunol. 13, 863640(2022).
再版と許可
タグ
