Method Article

Glial transcriptome profiles를 기반으로 한 Alzheimer's disease의 성별 특이성에 대한 바이오마커 식별

DOI:

10.3791/66552

⸱

May 20th, 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

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 연구는 알츠하이머병(AD)을 앓고 있는 33명의 단일 핵 전사체를 분석하여 신경교세포에서 성별 특이적 DEG를 밝혔습니다. 기능적 농축 분석은 시냅스, 신경 및 호르몬 관련 경로를 강조했습니다. 주요 유전자, 즉 NLGN4Y와 그 조절인자를 규명하고, 성별 특이적 알츠하이머병에 대한 잠재적 치료제 후보를 제시했습니다.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

최근 알츠하이머병(Alzheimer's disease, AD)에서 많은 성별 특이적 바이오마커가 밝혀졌습니다. 그러나 대뇌신경교세포(cerebral glial cell)는 거의 보고되지 않았다. 이 연구는 GEO 데이터베이스에서 33 명의 AD 개인의 전두엽 피질에서 220,095 개의 단일 핵 전사체를 분석했습니다. 성교세포에서 성별 특이적 차등 발현 유전자(DG)가 확인되었으며, 성상교세포에서 243개, 미세아교세포에서 1,154개, 희소돌기아교세포에서 572개가 확인되었습니다. 유전자 온톨로지(GO) 기능 주석 분석과 KEGG(Kyoto Encyclopedia of Genes and Genomes) 경로 농축 분석은 시냅스, 신경 및 호르몬 관련 경로에서 기능적 농도를 밝혀냈습니다. 단백질-단백질 상호작용 네트워크(PPI)는 성상교세포에서 MT3, CALM2, DLG2, KCND2, PAKACB, CAMK2D 및 NLGN4Y, 미세아교세포에서 TREM2, FOS, APOE, APP 및 NLGN4Y, 희소돌기아교세포에서 GRIN2A, ITPR2, GNAS 및 NLGN4Y를 주요 유전자로 식별했습니다. NLGN4Y는 3개의 신경교세포가 공유하는 유일한 유전자로, 알츠하이머병의 성별 특이성에 대한 바이오마커로 확인되었습니다. 유전자-전사인자(Gene-transcription factor, TF)-miRNA 공동조절 네트워크는 NLGN4Y와 그 표적 TCM에 대한 주요 조절인자를 식별했습니다. Ecklonia kurome Okam(Kunbu)과 Herba Ephedrae(Mahuang)를 확인하고 활성 성분이 AD에 미치는 영향을 표시했습니다. 마지막으로, 쿤부(Kunbu)와 마황(Mahuang)에 대한 농축 분석(enrichment analysis)은 이들이 알츠하이머병의 성별 특이성에 대한 치료 후보로 작용할 수 있음을 시사했다.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

알츠하이머병(Alzheimer's disease, AD)은 발병률이 높은 세계적인 질병으로, 치매의 60%-80%를 차지한다1. 높은 발병률에도 불구하고 알츠하이머병의 기계론적 발병기전은 명확하게 규명되지 않았으며, 현재까지 효과적인 치료법이 없다2. 알츠하이머병의 주요 병리학은 신경 세포 위축과 병리학적 파편의 축적, 주로 미세소관 관련 단백질인 Tau와 β-아밀로이드(Aβ)3,4로 확인되었습니다. 알츠하이머병의 발병기전은 비정상적인 자가포식, 산화 스트레스, 미토콘드리아 기능 장애, 염증 및 에너지 대사 장애와 관련이 있다5. 유병률 조사에 따르면 알츠하이머병 환자의 2/3가 여성인 것으로 나타났다6. 알츠하이머병의 성별에 따른 차이는 병인, 임상적 증상, 예방 및 치료에 존재한다. 따라서 알츠하이머병에서 성별에 따른 차이를 유발하는 생물학적 기전을 밝히고 한의학(TCM)을 표적으로 삼는 것은 알츠하이머병의 발병 기전을 이해하고 정확한 치료 전략을 안내하는 데 도움이 되는 보다 포괄적인 이론적 틀을 제공할 수 있습니다.

신경아교세포(neuroglial cell), 특히 미세아교세포(microglia), 성상교세포(astrocyte), 희소돌기아교세포(oligodendrocyte)는 알츠하이머병의 발병에 기여할 수 있습니다. 알츠하이머병에서는 미세아교세포가 활성화되고 유전적으로 변형되어 염증 반응, 식세포작용 및 Aβ 청소에 기여합니다 7,8; 성상세포(astrocyte)는 유전적으로 변형되어 시냅스 활동, 이온 항상성, 에너지 및 지질 대사에 영향을 미친다9; 희소돌기아교세포는 성 특이성에 따라 유전적으로 변형되어 신경 세포 손실, 신경 섬유 엉킴 및 백질 병변에 기여합니다10,11.

이 연구에서는 단핵 RNA 염기서열분석(snRNA-seq)을 우수한 기법으로 사용했습니다. 단일 세포 RNA 염기서열분석(scRNA-seq)과 비교하여 snRNA-염기서열분석은 시료 풍부성, 세포 유형 무결성 및 데이터 신뢰성 측면에서 이점을 제공합니다12,13. SnRNA-seq는 알츠하이머병에 초점을 맞추고 신경교세포의 역할을 탐구하는 연구에서 광범위하게 활용되어 왔습니다 14,15,16. 이러한 연구 분야에서 널리 채택된 것은 알츠하이머병에서 신경교세포의 전사 특성에 대한 귀중한 통찰력을 제공하는 데 있어 그 효과를 강조합니다. snRNA-seq의 장점을 활용하여 연구자들은 알츠하이머병 병리학에서 신경교세포의 관여에 관한 중요한 정보를 발견하고 잠재적인 치료 표적을 식별할 수 있었습니다. 알츠하이머병의 성별 특이적 신경아교세포 전사 특성과 알츠하이머병의 성 특이성에 대한 잠재적 TCM을 탐색하기 위해 이 연구는 NCBI GEO 공개 데이터베이스에서 알츠하이머병 환자의 전두엽 피질에서 얻은 snRNA-seq 데이터를 분석했습니다. 성별 특이적 차등 발현 유전자(DEG), 유전자 온톨로지(GO), 교토 유전자 및 게놈 백과사전(KEGG), 단백질-단백질 상호작용(PPI) 네트워크 및 유전자-TF-miRNA 네트워크를 추가로 분석하여 주요 바이오마커와 잠재적 발병 기전을 밝힙니다. 마지막으로, 잠재적인 TCM을 제안하고, Coremine Medical, TCMIP, TCMSP 데이터베이스를 검색하여 유효성분을 표와 함께 표시했습니다.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

분석의 2단계부터 9단계까지는 R 소프트웨어를 사용하여 구현되었으며( 보충 그림 1 및 보충 파일 1 참조), 나머지 단계는 온라인 플랫폼에서 실행되었습니다. 이 프로토콜에 사용된 데이터베이스의 세부 정보(웹 링크 포함)는 재료 목차에 나와 있습니다.

1. 데이터 수집

  1. 미국 국립생물공학정보센터(National Center of Biotechnology Information)에서 공개적으로 사용 가능한 유전자 발현 옴니버스(GEO) 데이터베이스에 액세스하십시오.
  2. 검색 상자에서 Alzheimer's disease(알츠하이머병 )라는 GEO 데이터를 검색합니다.
  3. 오른쪽에서 Homo sapiens로 Top Organisms를 선택합니다.
    참고: 검색 결과는 호모 사피엔스의 알츠하이머병에 대한 데이터였습니다.
  4. 검색된 정보를 필터링한 후 각 개별 단일 핵 샘플에 대한 features.tsv, barcode.tsv 및 matrix.mtx를 포함하는 GSE167490 및 GSE183068 데이터 파일을 다운로드합니다. 데이터 세트는 전두엽 피질에서 유래한 34개의 알츠하이머병 샘플로 구성되었으며, 17개의 남성 샘플과 17개의 여성 샘플이 균등하게 분포되어 있습니다(보충 표 1).

2. 샘플 병합

  1. 컴퓨터에서 데이터 경로와 샘플 이름을 적절하게 구성합니다. 다운로드된 샘플 34개를 가져오고 함수 이름을 사용하여 샘플에 성별에 따른 이름을 할당합니다.
  2. 함수 목록과 Read10X를 사용하여 배치 처리 방식으로 모든 샘플에 대한 Seurat 객체를 생성하고, 파라미터를 min.cells = 3 및 min.features = 200으로 지정합니다.
  3. RenameCells 함수를 사용하여 샘플 ID를 셀 바코드에 접두사로 추가하여 병합 프로세스 중에 셀 바코드를 보존합니다. 이를 통해 각 세포가 고유한 정체성을 유지하고 병합 후 원래 시료 공급원을 추적할 수 있었습니다.

3. 품질 관리 (QC)

  1. PercentageFeatureSet 함수를 사용하여 각 세포의 미토콘드리아 유전자 비율, 적혈구 유전자 비율 및 리보솜 유전자 비율을 계산합니다.
  2. [[ ]] 연산자를 사용하여 이러한 계산된 비율을 메타데이터에 저장하면 이 정보를 각 셀의 메타데이터에 직접 연결할 수 있습니다.
  3. subset 함수를 사용하여 매개 변수를 nFeature_RNA > 200, nFeature_RNA < 10000, nCount_RNA < 60000, percent.mt < 10, percent.rb < 5 및 %로 지정하여 세포 여과를 수행합니다. HB < 75.
  4. 분석에서 GSM5106107 제외합니다.

4. 배치 효과 검사

  1. 데이터 처리를 수행합니다.
    1. NormalizeData 함수를 사용하여 데이터를 정규화합니다.
    2. FindVariableFeatures 함수를 사용하여 데이터셋에서 상위 2000개의 변수 특징을 식별합니다.
    3. RunPCA를 사용하여 50개의 주성분을 유지하면서 데이터에 대한 주성분 분석(PCA)17을 수행합니다.
    4. ElbowPlot 함수를 사용하여 엘보우 플롯을 생성하여 후속 해석을 위한 최적의 차원 수를 결정합니다. 처음 50개의 차원을 고려합니다.
    5. ScaleData를 사용하여 데이터 크기를 조정하여 모든 기능이 비슷한 규모에 있도록 합니다.
    6. 30개 차원을 기반으로 FindNeighbors 를 사용하여 최근접이웃을 식별합니다.
    7. RunUAP을 사용하여 UMAP 알고리즘을 적용하여 데이터의 차원을 30차원으로 줄입니다.
  2. reduction 파라미터를 umap으로 설정하고 group.by 파라미터를 orig.ident로 설정한 상태에서 DimPlot 함수를 사용하여 처리된 데이터를 시각화합니다.
    참고: 이 단계는 원래 셀 ID로 그룹화된 축소된 UMAP 공간의 데이터를 시각화하는 플롯을 생성할 수 있습니다. UMAP 플롯을 검토한 결과, 배치 효과가 존재한다는 것이 명백해졌습니다. 배치 또는 실험 기원에 기반한 세포의 뚜렷한 클러스터링 또는 분리는 실험 배치가 유전자 발현 프로파일에 영향을 미쳤음을 시사했습니다.

5. 데이터 통합

  1. SCTransform 함수를 사용하여 데이터를 정규화하고 표준화합니다.
  2. 조화 알고리즘18 을 적용하여 나머지 33개의 단핵 데이터를 적분합니다. 적분을 위해 SCT 분석을 사용하고 최대 조화 반복 횟수를 20으로 설정합니다.
  3. 해상도 파라미터가 0.07로 설정된 FindClusters 함수를 사용하여 데이터 내에서 고유한 클러스터를 식별합니다.
  4. 지정된 차원 수(dims = 30)에 RunUMAP 함수를 사용하여 데이터의 차원 수를 더 줄이고 더 낮은 차원 공간에서 군집을 시각화합니다.

6. 셀 유형 주석

  1. 기존 문헌에 대한 광범위한 검토를 통해 세포의 marker 유전자(Supplementary Table 2)를 수집합니다.
  2. 세포 클러스터 이질성을 식별한 후, 특이적으로 발현된 마커 유전자로 각 클러스터 셀의 유형을 분류합니다.
  3. ggplot2 패키지를 사용하여 UMAP 시각화 로 다양한 세포 유형을 제시하며, 이때 희소돌기아교세포는 색상 코드 #DB7093로, 흥분성 뉴런은 #FF69B4, 성상교세포는 #1874CD, 미세아교세포는 #63B8FF, 희소돌기아교세포 전구세포는 #DB7093, 억제성 뉴런은 #FFC0CB, 내피세포는 #FF69B4로 강조되었습니다.
  4. 성별에 따라 층화된 각 세포 유형의 비율을 계산합니다.

7. 신경교세포 데이터 추출

  1. subset 함수를 사용하여 통합된 벌크 데이터에서 성상세포(astrocyte) 데이터를 추출합니다.
  2. subset 함수를 사용하여 통합된 벌크 데이터에서 미세아교세포 데이터를 추출합니다.
  3. subset 함수를 사용하여 통합된 벌크 데이터에서 희소돌기아교세포 데이터를 추출합니다.

8. 신경교세포(Glial sex-specific) 차등 발현 유전자(DEGs) 포획

  1. 임계값: p-value < 0.05 및 |avg_log2FC|group.by > 30. 상향 조정된 DEG는 Up으로, 하향 조정된 DEG는 Down으로, 나머지는 Stable로 레이블을 지정합니다.
    1. x축은 두 조건(pct.1 - pct.2) 간의 백분율 차이를 나타내고 y축은 avg_log2FC 나타내는 ggplot 함수를 사용하여 DEG를 시각화합니다. 상향 조절된 유전자는 PaleVioletRed, 하향 조절된 유전자는 Pink, 안정적인 유전자는 DodgerBlue3를 사용하여 강조되었습니다.
  2. 임계값: p-값 < 0.05 및 |avg_log2FC|group.by > 1. 상향 조정된 DEG는 Up으로, 하향 조정된 DEG는 Down으로, 나머지는 Stable로 레이블을 지정합니다.
    1. ggplot 함수를 사용하여 x축은 두 조건(pct.1 - pct.2) 간의 백분율 차이를 나타내고 y축은 avg_log2FC를 나타냅니다. 상향 조절된 유전자는 OrangeRed, 하향 조절된 유전자는 LightSalmon, 안정적인 유전자는 SteelBlue1을 사용하여 강조되었습니다.
  3. 임계값: p-값 < 0.05 및 |avg_log2FC|group.by > 10. 상향 조정된 DEG는 Up으로, 하향 조정된 DEG는 Down으로, 나머지는 Stable로 레이블을 지정합니다.
    1. ggplot 함수를 사용하여 x축은 두 조건(pct.1 - pct.2) 간의 백분율 차이를 나타내고 y축은 avg_log2FC 나타냅니다. 상향 조절된 유전자는 DeepPink라는 색상을, 하향 조절된 유전자는 HotPink를, 안정적인 유전자는 DeepSkyBlue3를 사용하여 강조했습니다.

9. 성별 특이적 DEG의 기능적 농축 분석

  1. enrichGO 함수를 사용하여 각 신경교세포 유형에 대한 성별 특이적 DEG에 대한 유전자 온톨로지(GO) 농축 분석을 수행합니다. OrgDb = org 매개 변수를 설정합니다. Hs.eg.db, keyType = SYMBOL, ont = ALL, pAdjustMethod = BH, pvalueCutoff = 0.01 및 qvalueCutoff = 0.05.
  2. function bitr을 사용하여 유전자 기호를 해당 유전자 ID로 변환합니다. enrichKEGG 기능을 사용하여 각 신경교세포 유형에 대한 성별 특이적 DEG에 대한 KEGG(Kyoto Encyclopedia of Genes and Genomes) 농축 분석을 수행합니다. organism = has, keyType = kegg, pAdjustMethod = BH, pvalueCutoff = 0.01, qvalueCutoff = 0.05로 설정을 조정합니다.

10. go 및 kegg 경로에서 신경교 DEG의 빈도 통계, 각 신경교 성별 특이적 DEG의 벤 다이어그램 및 PPI 네트워크 구성

  1. 빈도 히스토그램을 사용하여 GO 및 KEGG 경로에서 신경교세포(glial sex-specific) DEG의 빈도를 계산합니다.
  2. STRING 데이터베이스에 액세스하여 PPI 네트워크를 구성합니다.
  3. 다중 단백질을 선택합니다. 검색 상자에서 이름 목록을 검색합니다. "유기체"를 호모 사피엔스로 설정하십시오.
  4. 검색에서 얻은 단백질 목록을 검토합니다. 계속하려면 계속 을 클릭하십시오.
  5. 다운로드 옵션을 선택하여 PPI 네트워크를 내보내고, 가급적이면 해상도가 더 높은 PNG 형식으로 내보냅니다.
  6. 벤 다이어그램(Venn diagrams)을 사용하여 상위 성별 특이적 유전자에 대한 공동 발현 분포를 시각화합니다.
  7. 벤 다이어그램 분석을 기반으로 연구에서 공유 유전자를 핵심 유전자로 식별합니다.

11. 다단계 규제 네트워크 구축

  1. NetworkAnalyst에 액세스합니다.
  2. Gene List Input을 클릭하고 organism을 H. sapiens (human)로 지정합니다. ID 유형을 공식 유전자 기호로 설정합니다. 검색 필드에 유전자 이름을 입력한 다음 Upload and Proceed(업로드 및 진행)를 클릭합니다.
  3. Gene-miRNA Interactions를 선택하고 miRTarBase v8.0을 선택합니다. 확인을 클릭하여 선택을 확인합니다.
  4. TF-gene Interactions로 이동하여 ENCODE 데이터베이스를 선택합니다. 확인을 클릭하여 선택을 확인합니다.
  5. 그런 다음 TF-miRNA Coregulatory Network 로 이동하여 OK 를 클릭하여 계속 진행합니다.
  6. 마지막으로 [Proceed ]를 선택하여 유전자-miRNA 상호 작용 및 TF-유전자 상호 작용을 통합하는 다요인 조절 네트워크를 생성합니다.

12. 유전자 및 표적 한의학 분석

  1. Coremine Medical 온라인 데이터베이스에 액세스합니다.
  2. 특정 유전자 이름을 입력하고 접미사 gene/protein, human 이 있는 해당 유전자를 탐색 섹션 아래의 검색 상자에 선택합니다.
  3. Drugs(약물) 섹션을 탐색하고 검색된 약물과 관련된 TCM을 식별합니다.
    참고: 통계적으로 유의한 약물은 파란색으로 표시되었습니다.
  4. 치료용 TCM으로서의 "중요성" 가치에 따라 상위 5개 TCM을 결정합니다.

13. 핵심유전자를 표적으로 하는 한의학적 성분에 대한 연구요약

  1. TCMIP(Integrative Pharmacology-based Research Platform of Traditional Chinese Medicine) 및 TCMSP(Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform)에 액세스합니다. 검색 창에 허브의 이름을 입력하여 해당 성분을 검색하십시오.
  2. 2023년 4월 10일까지 시간 제한으로 PubMed 데이터베이스에서 성분을 검색하십시오. 사용된 검색어는 TCMSP의 Molecule Name과 TCMIP의 Chemical Components를 포함하였으며, 영어로 출판된 논문으로 제한하였다.
  3. 알츠하이머병에 작용하는 허브와 그에 상응하는 성분을 요약하고 분석합니다.

14. 알츠하이머병의 성별 특이성에 대한 중의학자의 치료 기능 확인

  1. 허브를 TCMIP로 가져오고 해당 설명 페이지로 이동합니다.
  2. Export data 기능을 활용하고 CSV 형식을 선택하여 GO - Biological Process, GO - Cellular Component, GO - Molecular Function 및 Reactome Pathway의 농축 용어를 다운로드합니다.
  3. 막대 차트를 사용하여 각 허브에 대해 다운로드된 농축 용어를 시각화합니다.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

전두엽 신경교세포 전사체 프로파일의 SnRNA-seq 분석 및 세포 유형 주석
총 220,095개의 핵과 32,077개의 유전자가 남성 AD 17명과 여성 AD 17명의 전두엽 피질에서 얻어졌다(그림 1A). UMAP 플롯은 차원 축소 분석 후 뚜렷한 유형의 핵을 표시하는 총 단일 핵 전두엽 전사체를 시각화했습니다(그림 1B). 성별에 따라 포획된 주석이 달린 핵의 총 수를 보여주었으며, 그 합계는 58,902개의 성상교세포, 14,265개의 미세아교세포, 77,466개의 희소돌기아교세포, 3,520개의 내피세포, 25,252개의 흥분성 뉴런, 31,268개의 억제성 뉴런 및 9,422개의 희소돌기아교세포 전구세포를 포함했습니다(그림 1C). 각 신경교세포에 대해 알려진 세포 유형 마커의 평균 발현을 UMAP 플롯에 투영하여 세포 집단을 식별했습니다(그림 1D).

성상교세포(astrocyte)의 성별 특이적 DEG
58,902개의 성상세포핵이 분석되었으며(그림 2A), 남성 알츠하이머병 27,504개(46.69%), 여성 알츠하이머병 31,398개(53.31%)가 분석되었습니다. 성별에 따른 DEG는 DST, CACNA2D3 및 AC016831.7을 포함한 138개 유전자의 상향조절, CNTN5, RORA, RASSF8 및 CADM2를 포함한 105개 유전자의 하향조절, 그리고 변하지 않은 4995개의 유전자를 보여주었습니다(그림 2B). 또한, GO와 KEGG의 분석에 따르면 이러한 DEG는 주로 뉴런, 시냅스 및 호르몬의 경로에 집중되어 있으며, 뉴런 프로젝트 발달 조절, 뉴런 척추 등을 포함한 뉴런 경로, 시냅스 조직 및 글루타마테린/콜린 시냅스를 포함한 시냅스 경로, 갑상선 호르몬 합성 및 인슐린 분비를 포함한 호르몬 경로가 있습니다(그림 2C,D). 빈도가 가장 높은 유전자 30개가 얻어졌으며(그림 2E), PLCB1이 첫 번째였습니다. PPI 네트워크는 이러한 유전자 간의 관계를 탐색하기 위해 구성되었으며(그림 2F) DLG2, CAMK2D, CALM2 및 PRKACB를 핵심 유전자로 식별했습니다. UMAP 플롯은 선택된 DEG의 차이를 표시했습니다: KCND2, CAMK2D, MT3, LINC00278 및 XIST는 여성 AD에서 더 높고 남성 AD에서 더 낮았던 반면, NLGN4Y, DLG2, PRKACB, CALM2, UTY 및 TTTY14는 그 반대였습니다(그림 2G). MT3, CALM2, DLG2, KCND2, PRKACB, CAMK2D 및 NLGN4Y는 표 1과 같이 성상세포의 성별 특이적 DEG로 최종적으로 결정하였다.

미세아교세포의 성별 특이적 DEG
14,265개의 미세아교세포핵(그림 3A)을 분석하였으며, 남성 알츠하이머병은 5,327개(37.34%), 여성 알츠하이머병은 8,938개(62.66%)를 기록했다. 성별별 DEG는 KCNIP4 및 LRRTM4를 포함한 224개 유전자의 상향조절과 APOE, MT-CO3, FTL을 포함한 930개 유전자의 하향조절, 13,111개의 유전자는 변하지 않은 것으로 나타났다(그림 3B). 또한, GO와 KEGG의 분석에 의하면, 이러한 DEG는 주로 뉴런, 식세포, 호르몬 등의 경로에 집중되어 있으며, 뉴런-뉴런 시냅스를 포함한 뉴런 경로, 파고솜을 포함한 식세포 경로 및 식세포작용 조절을 포함하는 식세포 경로, 에스트로겐 신호전달 경로, 옥시토신 신호전달 경로 등을 포함하는 호르몬 경로, 염증 반응, 학습 또는 기억의 조절, 아밀로이드-베타 청소를 포함하는 기타 경로를 포함하며, (그림 3C,D). 최고 빈도를 가진 30개의 유전자가 얻어졌으며 TLR2와 TREM2가 공동 2위를 차지했습니다(그림 3E). PPI 네트워크는 이러한 유전자 간의 관계를 탐색하기 위해 구성되었으며(그림 3F) ACTB, APP 및 FYN을 핵심 유전자로 식별했습니다. UMAP 플롯은 선택된 DEG의 차이를 표시했습니다: APP, FOS, XIST 및 CTSD는 여성 AD에서 더 높고 남성 AD에서 더 낮았던 반면, NLGN4Y, TREM2, LINC0028, APOE, UTY 및 TTTY14는 그 반대였습니다(그림 3G). TREM2, FOS, APOE, APP 및 NLGN4Y는 표 2와 같이 최종적으로 미세아교세포의 성별 특이적 DEG로 결정되었습니다.

희소돌기아교세포의 성별 특이적 DEG
77,466개의 희소돌기아교세포핵이 분석되었으며(그림 4A), 남성 알츠하이머병 42,469개(54.82%), 여성 알츠하이머병 34,997개(45.18%)가 분석되었습니다. 성별에 따른 DEG는 PCDH9, MT-CO1, NEAT1 및 NPAS3를 포함한 384개 유전자의 상향조절, FRMD4A, PLP1 및 LSAMP를 포함한 188개 유전자의 하향조절, 나머지 76,894개 유전자는 변하지 않은 것으로 나타났습니다(그림 4B). 또한, GO와 KEGG 분석은 이러한 DEG가 주로 뉴런, 시냅스 및 호르몬의 경로에 집중되어 있음을 확인했으며, 뉴런 척추를 포함한 뉴런 경로, 뉴런 간 시냅스 및 글루타마테르기/도파민 시냅스를 포함한 시냅스 경로, 뉴로트로핀 신호 경로, 알도스테론 합성 및 분비, 칼슘 신호 경로 등을 포함한 호르몬 경로와 함께 나타났습니다(그림 4C, D). 최고 빈도를 가진 30개의 유전자가 얻어졌으며(그림 4E), GRIN2A와 PSEN1이 공동 2위를 차지했습니다. PPI 네트워크는 이러한 유전자 간의 관계를 탐색하기 위해 구성되었으며(그림 4F) GRIN2A와 GRIA2를 핵심 유전자로 식별했습니다. GRIN2A, ITPR2, GNAS 및 XIST는 여성 AD에서 더 높고 남성 AD에서 더 낮았던 반면, NLGN4Y, UTY 및 TTTY14는 그 반대였습니다(그림 4G). GRIN2A, ITPR2, GNAS 및 NLGN4Y는 표 3과 같이 희소돌기아교세포의 성별 특이적 DEG로 최종적으로 결정하였다.

주요 유전자와 신경교세포의 상위 30개 유전자 간의 상호 작용, 그리고 공통 공유 유전자인 NLGN4Y
벤 다이어그램과 PPI 네트워크는 각 신경교세포의 주요 유전자(그림 5A,B)와 상위 30개 유전자(그림 5C, D) 간의 긴밀한 상호 작용에 대한 개요를 제공했습니다. 그 결과, ACYB, APP, JUN, PRKACB 및 DLG2가 PPI 네트워크의 핵심에 있으며, NLGN4Y는 모든 신경교세포에서 성별 특이적 DEG에 대한 공통 공유 유전자인 것으로 나타났습니다.

Gene-TF-miRNA 네트워크 구축
NLGN4Y-TF-miRNA 네트워크에는 13개의 노드와 12개의 에지가 포함되어 있습니다(그림 6A). NLGN4Y는 1 TF, 즉 CTCF와 has-miR-185, has-miR-137 및 has-miR-9를 포함한 11개의 miRNA에 의해 조절되었습니다.

NLGN4Y의 타겟 약물 및 TCM을 네트워크로 표시
Coremine Medical에서 총 1개의 NLGN4Y 표적 약물과 64개의 간접 표적 TCM을 회수했습니다. 결과에서 통계적 유의성이 있는 한의사는 파란색으로 표시했다. 약물 항트롬빈 III와 네트워크가 있는 5개의 TCM, 즉 헤이쿤부(Heikunbu), 우링지(Wulingzhi), 샤지차오(Xiazhicao), 수이지(Shuizhi) 및 마황(Mahuang)을 시각화했으며, 이는 통계적으로 유의한 것으로 간주되었습니다(그림 6B).

타겟 TCM과 해당 활성 성분이 AD에 미치는 영향
쿤부의 경우 TCMIP의 10가지 성분과 TCMSP의 48가지 성분을 채취하였다. PubMed 데이터베이스 검색을 통해 알츠하이머병과 관련된 5가지 성분인 푸코스테롤, 사링고스테롤, 티아민, 스테아리돈산, 플로로푸코푸로에콜-A를 검색했으며, 이 중 처음 2개의 경구용 생체이용률(OB)은 ≥30%로 약물인 성(DL)과 유사한 성분은 ≥0.18이었습니다. 자세한 내용은 표 4에 나와 있습니다. Mahuang의 경우 TCMIP에 28개 성분, TCMSP에 363개 성분이 추출되었습니다. 쿤부와 같은 방법으로 알츠하이머병과 관련된 25가지 성분을 채취했습니다. 그 중 OB≥30%, DL≥0.18이 있는 6가지 성분인 퀘르세틴, 에리오딕티올, 나린제닌, 탁시폴린, 스티그마스테롤, 루테올린이 표 5의 상단에 나열되어 있습니다.

Hurb-gene-disease 네트워크 및 농축 분석
Hurb-gene-disease 네트워크는 그림 6C에 나와 있습니다. 쿤부와 마황의 공통 표적 유전자는 ACE로, 관련 질환은 알츠하이머병과 인지 장애였다. 쿤부의 표적 유전자는 ALKBH3와 ELOVL4였는데, 각각 노화와 뇌 위축과 관련된 질환이었다.

쿤부(그림 7A, 그림 8A, 그림 9A) 및 마황(그림 7B, 그림 8B, 그림 9B)에 대한 GO 강화(BP, MF 및 CC) 결과가 막대 차트로 표시됩니다. Kunbu(그림 10A) 및 Mahuang(그림 10B)에 대한 리액톰 경로도 표시됩니다. 화살표로 표시된 풍부한 용어는 쿤부에서 스테로이드 호르몬 수용체 활성, 뉴런 투영 및 스테로이드 호르몬 매개 신호 경로와 같은 "호르몬-시냅스-뉴런" 축과 관련이 있었고 마황에서는 화학적 시냅스 전달, 에스트로겐 의존성 유전자 발현 및 신경계 과정과 관련이 있었습니다.

figure-results-1
그림 1: 유전자 발현 데이터 획득, 단핵 RNA-seq 프로파일링 및 세포 유형 특성 분석. (A) 분석 준비를 위해 GEO DataSet에서 얻은 샘플. (B) 합 핵의 2차원 UMAP 플롯(남성의 경우 N = 116,101; N = 여성의 경우 103,994). (C) 성별로 분할된 각 유형의 셀에 대한 비율. (D) UMAP 플롯에 투영된 5개의 잘 정립된 세포 유형 마커의 평균 발현. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-2
그림 2: 성상세포는 이질적이며 알츠하이머병에서 성별 특이적 전사체 변화를 보입니다. (A) 성상세포핵의 UMAP 플롯(N = 59,010). (B) 성별에 따른 DEG. (씨,디) 서클 플롯은 GO 및 KEGG 데이터베이스(GO: C, KEGG: D)에서 얻은 성상세포성 DEG의 기능적으로 강화된 유의한 항을 보여주었습니다. (E) GO 및 KEGG 경로에서 가장 빈번한 성상세포-성별 DEG 상위 30개. (F) GO 및 KEGG 경로에서 가장 빈번한 성상세포-성 DEG 상위 30개의 PPI 네트워크. (G) UMAP 플롯에 투영된 현저한 성별 특이적 DEG의 평균 발현. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-3
그림 3: 미세아교세포는 이질적이며 알츠하이머병에서 성별에 따른 전사체 변화를 보입니다. (A) 소교세포핵의 UMAP 플롯(N = 14,265). (B) 성별에 따른 DEG. (씨,디) 서클 플롯은 GO 및 KEGG 데이터베이스(GO: C, KEGG: D)에서 얻은 미세아교세포 DEG의 기능적으로 강화된 유의한 항을 보여주었습니다. (E) GO 및 KEGGpathways에서 가장 빈번한 미세아교세포 DEG 상위 30개. (F) GO 및 KEGG 경로에서 가장 빈번한 미세아교세포-성 DEG 상위 30개의 PPI 네트워크. (G) UMAP 플롯에 투영된 현저한 성별 특이적 DEG의 평균 발현. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-4
그림 4: 희소돌기아교세포는 이질적이며 알츠하이머병에서 성별 특이적 전사체 변화를 보입니다. (A) 희소돌기아교세포핵의 UMAP 플롯(N = 77,466). (B) 성별에 따른 DEG. (씨,디) 서클 플롯은 GO 및 KEGG 데이터베이스(GO: C, KEGG: D)에서 얻은 희소돌기아교세포 DEG의 기능적으로 강화된 유의한 용어를 보여주었습니다. (E) GO 및 KEGG 경로에서 가장 빈번한 희소돌기아교세포-성별 DEG 상위 30개. (F) GO 및 KEGG 경로에서 가장 빈번한 희소돌기아교세포-성 DEG 상위 30개의 PPI 네트워크. (G) UMAP 플롯에 투영된 현저한 성별 특이적 DEG의 평균 발현. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-5
그림 5: 최고 주파수 DEG의 DEG 및 PPI 네트워크의 중복. (A,B) 각 신경교세포의 주요 유전자와 해당 PPI 네트워크를 보여주는 벤 다이어그램. (씨,디) GO 및 KEGG 경로와 해당 PPI 네트워크에서 풍부한 각 신경교세포에 대한 상위 30개의 빈번한 성별 특이적 DEG를 보여주는 벤 다이어그램. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-6
그림 6: NLGN4Y와 이를 대상으로 하는 TCM을 코어로 하는 네트워크 다이어그램. (A) 유전자-TF-miRNA 공동 조절 네트워크. (B) NLGN4Y에 대한 유전자-약물-TCM 네트워크. (C) 쿤부(Kunbu)와 마황(Mahuang)의 한의학 유전자 질환 네트워크. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-7
그림 7: 쿤부(Kunbu)와 마황(Mahuang)에 대한 GO(BP) 농축 분석. (A) 쿤부의 상위 20개 농축 생물학적 과정. (B) Mahuang의 상위 20개 농축 생물학적 과정. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-8
그림 8: Kunbu 및 Mahuang에 대한 GO(MF) 농축 분석. (A) Kunbu의 상위 20개 강화 분자 기능. (B) Mahuang의 상위 20개 강화 분자 기능. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-9
그림 9: 쿤부(Kunbu)와 마황(Mahuang)에 대한 GO(CC) 농축 분석. (A) 쿤부(Kunbu)의 상위 20개 농축 세포 성분. (B) Mahuang의 상위 20개 농축 세포 구성 요소. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-10
그림 10: 쿤부(Kunbu)와 마황(Mahuang)의 리액톰(Reactome) 경로. (A) 쿤부(Kunbu)의 리액톰(Reactome) 경로. (B) Mahuang의 리액톰 경로. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

표 1: 성상세포(astrocyte)에서 성별 특이적 DEG의 주요 유전자. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 2: 미세아교세포에서 성별 특이적 DEG의 주요 유전자. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 3: 희소돌기아교세포에서 성별 특이적 DEG의 주요 유전자. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 4: AD에 대한 Kunbu' 활성 성분. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 5 : AD에 대한 Mahuang의 활성 성분. 이 표를 다운로드하려면 여기를 클릭하십시오.

추가 그림 1: R 소프트웨어 사용에 대한 스크린샷. 이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 1: 샘플 정보. 이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 2: 마커 유전자. 이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 파일 1: R CODE. 이 파일을 다운로드하려면 여기를 클릭하십시오.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

성별 특이성은 AD19의 역학, 병리학 및 임상 증상에서 확인되었습니다. 여기에서는 알츠하이머병 환자의 성별 특이적 신경교세포(glial gene) 및 관련 경로로부터 "호르몬-시냅스-뉴런 축(hormone-synapse-neuron axis)"의 잠재적인 병리학적 기전을 확인했다. NLGN4Y는 3개의 신경교세포에서 유일하게 공유되는 유전자였으며 알츠하이머병의 성별 특이성에 대한 바이오마커로 선택되었습니다. NLGN4Y를 조절하는 TF와 miRNA는 성별 차이 및 신경계의 발달과 밀접한 관련이 있었습니다. 또한, 표적 한의사인 쿤부(Kunbu)와 마황(Mahuang)은 "호르몬-시냅스-뉴런" 축에 잠재적으로 영향을 미칠 수 있는 것으로 간주되었으며, 성별 특이성 조절에 의해 알츠하이머병의 치료 후보로 작용하는 것으로 확인되었습니다.

Harmony 알고리즘은 희귀 세포의 데이터를 통합하고, 대규모 샘플에 대한 메모리 사용 및 계산 속도를 최적화하고, 다양한 세포 소스 및 기술 플랫폼을 사용하여 복잡한 실험 설계를 수용함으로써 다른 통합 알고리즘에 비해 뚜렷한 이점을 제공했습니다18. QC 및 데이터 통합 섹션은 분석의 정확성과 신뢰성을 높이는 데 중요한 구성 요소였으며, 이를 통해 연구자들은 AD 및 기타 신경 퇴행성 질환의 생물학에 대한 보다 심층적인 통찰력을 얻을 수 있었습니다. 이러한 단계의 세심한 실행은 단일 핵 RNA 염기서열 분석 실험에서 파생된 결과의 전반적인 품질과 타당성을 달성하는 데 중추적인 역할을 합니다.

이 프로토콜에서 이루어진 수정 사항 중 하나는 SCTransform 함수를 사용하여 데이터20을 정규화하고 표준화하는 것입니다. 이 단계에서는 추가 분석을 위해 데이터를 비교할 수 있고 표준화했습니다. 배치 효과를 완화하기 위해 데이터 통합의 추가 단계를 수행하여 배치 효과를 수정하고 결과의 정확도를 개선하는 데 도움이 되었습니다. 샘플 중 하나(GSM5106107)가 다른 샘플에 비해 비정상적인 성능을 보였을 때 문제 해결이 수행되었으며 분석에서 제외되었습니다.

이 연구의 한 가지 한계는 상대적으로 작은 표본 크기가 사용되었다는 것인데, 이는 더 넓은 모집단에 대한 연구 결과의 대표성을 제한할 수 있습니다. 또한 여러 실험실 및 연구 그룹의 데이터를 활용하면 고유한 이질성이 발생하여 결과의 재현성과 일반화 가능성이 제한될 수 있습니다. NLGN4Y에 대한 주요 조절 인자의 식별은 유전자-TF-miRNA 공동 조절 네트워크를 통해 이루어졌지만, 이러한 조절 인자에 기인하는 기능적 역할과 기본 메커니즘을 확인하기 위해 추가 실험적 검증이 필요했습니다. 농축 분석에서는 Mahuang과 Kunbu가 성별에 따른 알츠하이머병 치료의 잠재적 후보로 제시되었지만, 생물정보학 예측에만 의존하는 것만으로는 효능과 안전성을 입증하기에 충분하지 않았습니다. 이러한 유망한 약물의 치료 효과를 검증하기 위해 추가 실험과 임상 연구가 필수적이었습니다.

이 연구에서 설명한 접근 방식은 다양한 연구 영역, 특히 AD의 신경교세포 내 성별 특이적 DEG를 식별하는 데 상당한 잠재력을 보여주었습니다. 이러한 연구는 남성과 여성 개체 간의 미묘한 병원성 차이를 해명할 수 있는 가능성을 가지고 있으며, 결과적으로 성별에 따른 치료 개입의 공식화를 용이하게 합니다. 또한, 이 방법의 적용 가능성은 다른 신경 퇴행성 상태로 확장되어 성별 특정 DEG를 식별하고 질병의 기본 메커니즘에 대한 이해를 증강할 수 있는 기회를 제공합니다.

결론적으로, 이 연구는 알츠하이머병 환자의 단핵 RNA 염기서열 분석 데이터를 분석하기 위한 포괄적이고 강력한 프로토콜을 제시했으며, 잠재적으로 맞춤형 치료 중재 개발을 위한 길을 열었습니다. 또한, 이 연구에서 사용된 방법론은 다른 신경퇴행성 질환으로 확장될 수 있으며, 성별 특이적 유전자 발현 패턴을 밝히고 이러한 복잡한 질병에 대한 이해를 심화할 수 있는 기회를 제공할 수 있습니다.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 원고에는 이해 상충이 없으며, 모든 저자가 출판을 위한 제출을 승인했습니다.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

저자는 GSE167490 데이터 세트를 제공한 Jessica S Sadick, Michael R O'Dea, Philip Hasel 등에게 감사를 표합니다. 저자는 Faten A Sayed, Lay Kodama, Li Fan 등이 GSE183068 데이터 세트를 제공한다는 점을 높이 평가합니다. 저자는 데이터 분석에 도움을 준 Shuqing Liu와 데이터 분석 플랫폼을 제공한 Wen Yang에게 감사를 표합니다. 이 연구는 중국국립자연과학재단(National Natural Science Foundation of China, 82174511), 청두(Chengdu) 중의과대학 살구숲 장학생(Apricot Grove Scholars), 수련 인재 연구 향상 프로그램(Discipline Talent Research Enhancement Program, QJJJ2022001), 랴오닝 활성화 인재 프로그램(LiaoNing Revitalization Talents Program, XLYC 1807083), 쓰촨 중앙약초 관리국 기금(2023MS578), 국가 학부 혁신 및 기업가 정신 교육 프로젝트(202310633003X), 과학 연구 실습 혁신 주제의 지원을 받았습니다. Chengdu University of Traditional Chinese Medicine (ky-2023100) 대학생용. Hanjie Liu와 Hui Yang은 연구의 설계, 수집, 데이터 해석, 초안 작성 및 원고 수정에 기여했습니다. Shuqing Liu와 Siyu Li는 연구 설계, 데이터 수집 및 원고 초안 작성에 참여했습니다. 웬 양(Wen Yang)과 안와르 아이샤(Anwar Ayesha)는 데이터 수집 및 해석을 담당했습니다. Xin Tan은 그림 및/또는 테이블을 준비했습니다. 첸 장(Cen Jiang), 이 리우(Yi Liu), 루솽 시에(Lushuang Xie)가 연구를 구상하고 원고를 검토/편집했다. 모든 저자가 논문에 기여하고 제출된 버전을 승인했습니다.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Database
Coremine Medical database노르웨이, 중국과학원, 중국의학원, 미국 국립의학도서관 및 기타 기관CoreMine Medical에서 개념을 탐색할 때 통계적 관련성에 따라 순위가 매겨진 중요한 개념과 관련되도록 구조화된 데이터베이스에 액세스합니다. 당신의 주제에. 예를 들어 "알츠하이머병"을 입력하면 알츠하이머병에 대해 논의하는 문서 및 리소스를 검색할 수 있을 뿐만 아니라 쿼리 개념이 다른 생물 의학 개념과 어떻게 관련되어 있는지 보여 주는 네트워크 및 목록을 볼 수 있습니다. 이는 검색과 관련된 개념에 대한 개요와 이러한 개념에 대한 정보를 탐색하기 위한 인터페이스입니다.
Weblink: https://coremine.com/medical/
Gene Expression Omnibus (GEO)National Center for Biotechnology Information in the United States (NCBI)GEO는 MIAME 준수 데이터 제출을 지원하는 공개 기능 유전체학 데이터 저장소입니다. 배열 및 시퀀스 기반 데이터가 허용됩니다. 사용자가 실험 및 선별된 유전자 발현 프로파일을 쿼리하고 다운로드하는 데 도움이 되는 도구가 제공됩니다.
Weblink: https://www.ncbi.nlm.nih.gov/geo/
Integrative Pharmacology-based Research Platform of Traditional Chinese Medicine (TCMIP, version: 2.0)없음Introduction to the Integrated Pharmacology Based Network Computational Research Platform for Traditional Chinese Medicine [TCMIP v2.0], http://www.tcmip.cn/ ) 지능형 데이터 마이닝입니다. 의료 빅 데이터 관리 및 약리학 컴퓨팅 서비스를 통합하는 ETCM(Encyclopedia of Traditional Chinese Medicine)의 온라인 데이터베이스를 기반으로 하는 플랫폼입니다. 그것은 전통 한의학 이론의 과학적 의미와 전통 중국 의학에서 독창적인 사고의 과학적 가치를 밝히고, 유명한 의사의 경험을 요약 및 전달하고, 전통 한의학의 품질을 관리하고, 전통 한의학 작용의 원리를 설명하고, 새로운 한의학의 연구 개발, 특히 현대 약물 조합의 발견 및 최적화를 설명합니다. 강력한 데이터 기반 및 분석 도구를 제공합니다. TCMIP v1.0을 기반으로 5개의 주요 데이터베이스와 7개의 기능 모듈을 포함하는 포괄적인 업그레이드가 구현됩니다. 시스템 통합 및 모듈 통합을 통해 "질병 증후군 처방" 상호 작용 네트워크의 다단계 상관 관계에 대한 포괄적인 분석을 신속하게 달성할 수 있습니다. 지능형 데이터 마이닝 플랫폼인 TCMIP v2.0은 전통 한의학 이론의 과학적 의미와 전통 중국 의학에 대한 독창적인 사고의 과학적 가치를 밝히고, 유명 의사의 경험을 요약 및 계승하고, 전통 중국 의학의 품질 관리, 전통 중국 의학 행동의 원리를 설명하고, 새로운 전통 한의학 약물, 특히 현대 약물 조합 발견 및 최적화의 연구 개발.
Weblink: http://www.tcmip.cn/TCMIP 
NetworkAnalyst없음Networkanalyze는 유전자 발현 분석 및 메타 분석을 위한 온라인 시각화 분석 플랫폼입니다. 유전자 발현의 비교, 정량, 차등 및 농축 분석, 단백질-단백질 상호 작용 분석, 여러 데이터 세트의 통합 분석을 수행할 수 있으며 PCA, 단백질-단백질 상호 작용 네트워크 다이어그램, 히트맵, 화산 다이어그램, 웨인 다이어그램 등과 같은 고부가가치 이미지를 그릴 수도 있습니다.
Weblink: https://www.networkanalyst.ca/NetworkAnalyst/
PubMed 데이터베이스미국 국립 생명공학 정보 센터(NCBI)Pubmed 데이터베이스는 미국 국립 의학 도서관(NLM)에서 유지 관리하는 생물 의학 문헌 데이터베이스로, 전 세계 과학자, 의사, 연구원 및 학생에게 최신 의학 연구 결과를 제공하는 것을 목표로 합니다. 이 데이터베이스는 저널 기사, 논문, 서적 등을 포함하여 전 세계의 생물 의학 문헌을 수집합니다. 현재 Pubmed 데이터베이스는 3천만 개 이상의 기사를 수집했으며 매주 지속적으로 업데이트됩니다.
Weblink: https://pubmed.ncbi.nlm.nih.gov/
R 소프트웨어Ross Ihaka and Robert GentlemanR은 통계 컴퓨팅 및 그래픽을 위한 언어 및 환경입니다. 이것은 Bell Laboratories (이전의 AT& T, now Lucent Technologies)를 저술했습니다. R은 S의 다른 구현으로 간주될 수 있습니다. 몇 가지 중요한 차이점이 있지만><, S용으로 작성된 많은 코드는 R.
Weblink에서 변경되지 않고 실행됩니다: https://www.r-project.org/
Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform (TCMSP)Zhejiang Jiuwei Health Co., LtdTCMSP는 데이터 저장소일 뿐만 아니라 사용자가 전통 한의학(TCM)을 종합적으로 연구할 수 있는 분석 플랫폼이기도 합니다. 활성 성분의 식별, 약물 표적의 스크리닝 및 화합물-표적-질병 네트워크의 생성뿐만 아니라 약물 유사성(DL), 경구 생체 이용률(OB), 혈액-뇌 장벽(BBB), 장 상피 투과성(Caco-2), ALogP, 분획 음성 표면적(FASA-) 및  의 수와 관련된 자세한 약물 약동학 정보를 포함합니다. H-본드  기증자/수용자   (Hdon/Hacc). 지금까지 TCMSP는 광범위한 관심을 끌었으며 여러 그룹에서 약 1년 이내에 TCMSP 데이터베이스를 사용하여 10개 이상의 논문을 발표했습니다.
Weblink: https://tcmsp-e.com
이 공동으로 개발

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Reprints and Permissions

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Biomarker IdentificationAlzheimer s DiseaseGender SpecificityGlial TranscriptomeSingle nuclei TranscriptomesBioinformatics AnalysisSex specific BiomarkersDifferentially Expressed Genes DEGsSynaptic PathwaysProtein protein Interaction Network PPINLGN4YAcupuncture TherapyTCM CandidatesFunctional Enrichment Analysis