統合的トランスクリプトーム全関連研究とメンデルランダム化により、LYNX1およびMS4A14を骨髄炎の治療標的として特定

Summary

本研究はトランスクリプトーム全体の関連解析とメンデルランダム化を統合し、骨髄炎の薬物標的を体系的に特定します。遺伝データベースを活用し、LYNX1とMS4A14を主要な候補遺伝子として特定し、重要な分子経路を明らかにし、骨感染症管理のための正確な治療戦略を明らかにしました。

Abstract

骨髄炎は、骨および骨髄の重度の炎症を特徴とする重篤な感染症であり、主に 黄色ブドウ球菌 (S. aureus)などの細菌性病原体によって引き起こされます。しかし、現在の治療法は、強力なバイオフィルム形成と細胞内細菌の持続性による抗生物質耐性の出現や再発感染によって大きく妨げられています。したがって、従来の抗菌薬を超えた新たな治療標的を特定する緊急の必要性があります。トランスクリプトーム全体関連研究(TWAS)と要約ベースのメンデルランダム化(SMR)解析を組み合わせた統合計算的アプローチを用いて、骨髄炎の原因となる因果感受性遺伝子を体系的に特定しました。大規模な遺伝的変異は、組織間で遺伝子発現を予測するための道具変数として活用され、これらの標的と疾患リスクとの因果関係の探求が可能となりました。統合的枠組みはLYNX1およびMS4A14を主要な候補遺伝子および治療対象として特定しました。具体的には、LYNX1は骨髄炎の感受性増加と関連している一方で、MS4A14は潜在的な保護特性を示しました。これらの発見は、骨感染時の宿主免疫応答や炎症調節におけるこれらの遺伝子の調節役割を強調しています。本研究は、ゲノム全体の関連性の発見と生物学的解釈のギャップを埋め、骨髄炎の遺伝的基盤の理解を深め、宿主防御を強化し治療抵抗性を克服するための標的型精密医療戦略の開発を支援します。

Introduction

骨髄炎は、骨および骨髄の深刻な炎症を特徴とする重篤な感染症です。これは細菌の侵入によって頻繁に発生し、黄色ブドウ球菌(S. aureus)は急性および慢性の血原性症状で一般的な病原体です^1,2。黄色球菌は顕著ですが、骨髄炎は多発性微生物性が多く、培養不能な微生物の持続や動的なバイオフィルム相互作用のため、黄色酵母単独の根絶だけでは感染が必ずしも解決するわけではありません。^3,4。感受性の宿主では、病原体はマクロファージ内で細胞内に残留し、高密度なバイオフィルムを形成するなど、複雑な回避戦略を用います。これらのバイオフィルムは細胞外DNA、多糖類、特殊なタンパク質で構成され、宿主の免疫防御に抵抗し、従来の抗菌薬の浸透を制限する強力な物理的障壁を作り出します^5,6。したがって、臨床管理では通常、積極的な外科的デブリードメントや長期抗生物質治療が行われますが、強靭なバイオフィルムや多分子微生物群集の存在は治療効果を大幅に低下させ、長期的な罹患率や再発感染を引き起こします ^7,8。宿主と病原体間の相互作用の分子構造の解明は、新規治療標的を特定する上で依然として^{重要です。}

ゲノムワイド関連研究(GWAS)は、疾患感受性に関連する複数の遺伝的遺伝子座を特定することで、骨髄炎の理解を進めました¹⁰。しかし、厳しい多重検査閾値や統計的検出力・サンプルサイズの制限により、骨髄炎の感受性に影響を与える多くの重要な遺伝子座は検出されないままである可能性^{が高い7。}さらに、GWASの発見の解釈は依然として困難であり、同定された多くの変異株は非コード領域や遺伝子間領域に存在しており、タンパク質構造の直接的な変化ではなく遺伝子発現への調節効果を示唆しています¹¹。さらに、一次GWASデータは直接的な組織特異性を欠いており、これらの変異が効果を発揮する細胞文脈を特定するために補完的な下流解析が必要です。トランスクリプトーム全関連研究(TWAS)は、参照パネルからの遺伝子予測遺伝子発現を既存のGWASデータセットに統合することでこれらの限界に対応し、複数の組織にわたる機能的関連疾患関連遺伝子の体系的同定を可能にします¹²。

因果推論を強化するために、メンデルランダム化(MR)は遺伝的変異を計器変数として用い、受精時の対立遺伝子のランダムな割り当てを活用して交絡を減らし、因果関係を逆転させます^13,14。発現定量形質遺伝子座解析(eQTL)はGWAS変異体を遺伝子転写に関連付け、要約ベースのメンデルランダム化(SMR)はGWASとQTLデータセットを統合し、因果遺伝子を優先順位付けし、連鎖不平衡による関連と区別するために異質性検定を行います¹⁶。

本研究は、骨髄炎に特化した統合的TWASおよびMRフレームワークの初の応用であり、GWASの発見と臨床的に実践可能な知見とのギャップを埋めるものです。実験的なトランスクリプトミクスデータと大規模な集団遺伝データを組み合わせることで、疾患感受性遺伝子を体系的にマッピングし、因果関係を推定しました。この統合戦略は、これまで認識されていなかった宿主骨髄炎耐性に関与する分子経路を明らかにし、精密な治療開発のための候補標的を特定することを目的としています。

Protocol

メンデルランダム化(MR)およびトランスクリプトーム全関連研究(TWAS)解析で用いられたすべての要約統計は、以前に公開された非識別化されたデータセットから厳密に導き出されています。原研究に対する倫理的承認および個別の同意は、それぞれの出版物に記録されています。その結果、浙江省同徳病院の機関審査委員会(浙江通徳倫申 2024 [燕] 028-JY)により、このデータマイニング研究に対する追加の倫理承認が免除されました。この研究に使用されるツールは 材料表に記載されています。

1. RNA-seqデータ取得と処理

トランスクリプトームデータは、哺乳類種間での自然免疫経路の保存を評価するために、Gene Expression Omnibus(GEO)データベース(GSE272198)から取得されました。初期検証のために¹⁷。骨髄由来のマクロファージ(BMDM)は、S . aureus (感染多重度、MOI = 10)で1時間感染し、その後リソスタフィン(20 μg/mL)およびゲンタミシン(50 μg/mL)による細胞外細菌の除去処置が行われました。リン酸塩緩衝生食塩水(PBS)で3回洗浄した後、BMDMを24時間培養し、全RNA抽出試薬で溶解し、シーケンスを行った。

RNAの品質は自動電気泳動システムを用いて完全性を確保しました。ライブラリは3つの独立した実験から準備され、高スループットのシーケンシングプラットフォーム上でシーケンスされました。生リードはSTAR(v2.7.10a)を用いてマウスゲノム(GRCm38, mm10)にアラインメントされました。DESeq2(v1.38.0)を用いて差異発現遺伝子(DEGs)を同定しました。偽陽性を軽減するために、統計的有意性は調整済みp値(FDR)<0.05および|log₂フォールド変化として定義されました。> 1.遺伝子オントロジー(GO)解析はclusterProfiler(v4.6.0)を用いて行われ、遺伝子セット豊か解析(GSEA)はGseaVis(v0.0.5)を使用して実施されました。ヒートマップはR(v4.2.0)のpheatmapパッケージ(v1.0.12)を使って生成されました。

TWAS解析

全血RNAシーケンシングおよび全ゲノムシーケンシング(WGS)データは、Genotype-Tissue Expression(GTEx)プロジェクト(V8)¹⁸から取得されました。事前学習済みの遺伝子発現モデルは公開リポジトリ(https://doi.org/10.5281/zenodo.3842289)から利用されました。TWASの骨髄炎要約統計はFinnGenコンソーシアムから取得され、2,336件の症例と473,264件の対照群を含みます¹²。

TWASは、関節組織補完(JTI)、PrediXcan¹⁹、UTMOST ^12,20の3つのアルゴリズムを用いて実施されました。JTIは遺伝子発現の類似度およびエピジェネティッククロマチンアクセス性を推定し、予測精度を最適化します。PrediXcanは5重クロス検証を伴う弾性ネット回帰を適用し、UTMOSTはスパースグループLASSOを用いた多組織発現データを活用して精度を向上させます。Zhouらによって記述された修正されたUTMOST(¹²)フレームワークは、偏りのない推定のためのハイパーパラメータを標準化しています。相関係数r > 0.1、予測有意性p < 0.05²¹として定義された安定した交差検証スコアを持つ遺伝子は、インプイタブルとして保持されました。全血トランスクリプトームモデルは、1000ゲノム参照データセットのSNP共分散行列を用いて確立されました。

その後、予測遺伝子発現と骨髄炎リスクとの関連を解析しました。複数検定を考慮するため、TWASの統計的有意性は主に偽発見率(FDR)閾値<0.05を用いて定義されました。この多段階研究の仮説生成性を踏まえ、示唆的(名目上の)閾値p <0.05を満たす遺伝子座は、下流のメンデルランダム化(SMR)および共局在解析にも優先的に採用されました。この統合戦略は、マルチオミッククロスバリデーション(TWAS + SMR)に依存して優先候補の堅牢性を確保しつつ、潜在的な規制要因の捕捉を最大化することを目指しています。

SMR分析

本研究は「疫学における観察研究報告強化(STROBE)」ガイドライン²²に準拠しています。ミトコンドリア機能障害の遺伝的素因を表す表現型(以下「ミトディ」と解析目的で「ミトディ」と呼ぶ)を計算的に定義するために、既知のミトコンドリア関連遺伝子に対応するすべての転写産物をMitoCarta3.0^{データベースから}抽出しました。この遺伝子セットは、その後の多遺伝子リスク予測のための生物学的根拠としてあらかじめ定義されました。「ミトディ」に関するすべての下流の機能的解釈はこの計算的推論から導き出されており、予測的かつ仮説生成的と考えられます。

発現定量形質遺伝子座(eQTL)インストゥルメントは、1000 kb以内のコード配列(シス-eQTL)のバリアントを用いて生成されました。要約統計はeQTLGenコンソーシアムおよびGTEx V8²⁴から提供されています。合計8,932,843個のSNPが、ゲノム全体の有意性閾値P<5E-8に基づき、1,013件のミトイジー関連転写産物に結びつきました。骨髄炎アウトカムの基礎GWAS統計はFinnGen²⁰から取得されました。

SMR(バージョン1.0.3)を用いて、遺伝子発現形質と骨髄炎アウトカム間の多面性関連を推定するために、SMR(バージョン1.0.3)を用いた要約データベースのランダム化解析を実施しました。因果効果beta_mitodys–骨髄炎は、ミトコンドリア機能障害が骨髄炎に与える推定対数オッズ効果の大きさを表し、次のように計算されます。

オッズ比(OR)は、標準化された遺伝子発現レベルの1単位自然対数増加あたりの変化を示します。共局在はさらに、依存機器の異質性(HEIDI)検定を用いて評価されました。

Results

バルクRNAシーケンスおよび機能的濃縮の特性評価

未感染(対照)とS . aureus感染のBMDMを分離する方法に従い、実験群で3,775のDEGが同定され、1,686のアップレギュレーション遺伝子と2,089のダウンレギュレーション遺伝子が含まれました。GO解析により、自然免疫反応の正の調節(GO:0045089)および活性化(GO:0002218)を含む、自然免疫活性化に強く強化されたネットワークが明らかになり、これは典型的なサイトカイン駆動の病原体防御機構を反映しています。白血球増殖の調節(GO:0070661)は、主要な免疫効果の動態を浮き彫りにしました。特に、ウイルス刺激への応答(GO:0009615)も豊かにされ、細菌感知が重なり合う病原体関連分子パターン(PAMP)シグナル伝達カスケードを活性化する交差反応の可能性を示しました。これらの発見に沿い、GSEAはTNF、NOD様受容体およびToll様受容体シグナル伝達経路の活性化を確認し、骨髄炎における...

Discussion

翻訳データセットにわたるTWASおよびSMR解析を統合することで、本研究は骨髄炎の表現型に関連する遺伝的遺伝子座のコアネットワークを特定しました。LYNX1およびMS4A14を候補遺伝子標的として同定したことは、トランスクリプトムの文脈を取り入れることで従来のGWASの発見を超えた機構的洞察を提供する重要な貢献です。この統合的アプローチは、重度の骨感染症の臨床管理を進展させる精密医療戦略の可能性を強調しています。

方法論的には、遺伝子発現と骨髄炎の因果関係を推定するためにメンデルランダム化を用いることは、重要な解析的優位性を示しています。遺伝的変異は受精時にランダムに割り当てられるため、MRはランダム化試験の構造を近似し、観察研究に内在する交絡因子や逆因果の影響を軽減します^。

中心的な発見は、MS4A14とLYNX1がそれぞれ骨髄炎の潜在的な保護因子およびリスク関連因子として同定されたことです。しかし、これらの遺...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
clusterProfiler	Guangchuang Yu's Team (Sun Yat-sen University)	NA	遺伝子発現の差異がある遺伝子のGene Ontology (GO)機能豊富化分析に使用。
DESeq2	Bioconductor Project (Open Source)	NA	遺伝子発現の差異（DEG）を識別するために使用。
GSEA / GseaVis	Broad Institute / Open Source Community	NA	遺伝子セットの豊富化分析（GSEA）に使用し、協調的に発現している遺伝子セットを特定。GseaVisは可視化に使用される可能性が高い。
HEIDI (Heterogeneity in Dependent Instruments) test	SMRソフトウェア内の統合機能	NA	SMRで観察された関連性が、共有因果変数ではなく連鎖不平衡によって引き起こされているかを検定するために使用。P_HEIDI > 0.05は主要な不均一性がないことを示す
JTI (Joint-Tissue Imputation)	Zhou et al. (Open Source Model)	NA	遺伝子発現の類似性とエピジェネティックなクロマチンアクセシビリティを推定して予測精度を最適化するためのTWASアルゴリズム。
pheatmap	Raivo Kolde (R package)	NA	遺伝子発現の差異のヒートマップを生成し、データ可視化に使用。
PrediXcan	Gamazon et al. (Open Source Model)	NA	五分の一交差検証を使用して弾性ネット回帰を適用し、遺伝子発現を推定して病気のリスクとの関連を検定するためのTWASアルゴリズム。
SMR (Summary-data-based Mendelian Randomization)	復旦大学のチームが開発 (Open Source Software)	NA	遺伝子発現と骨髄炎のリスクとの間の因果関連を探索するために、サマリーベースのメンデリアン無作為化分析を行うために使用。バージョン1.0.3が使用された。
STAR	Alexander Dobin (Cold Spring Harbor Laboratory)	NA	RNA-seqリードを基準ゲノム（マウスゲノムGRCm38/mm10）にアラインするために使用。
UTMOST	Hu et al. (Open Source Model)	NA	疎なグループLASSOフレームワークを使用して、多組織発現データを活用して予測精度を向上させるTWASアルゴリズム。