폐 선암과 관련된 원발성 쇼그렌 증후군: 잠재적인 공통 병원성 메커니즘 조사 및 실험적 검증
September 20th, 2024
이 원고는 생물정보학 분석 및 실험적 검증을 통해 원발성 쇼그렌 증후군과 폐 선암을 연결하는 잠재적인 공통 병원성 메커니즘을 조사하기 위한 운영 절차와 예방 조치를 설명합니다.
제 연구는 생물정보학에 대한 통찰력과 실험적 검증을 통해 원발성 쇼그렌 증후군과 선암종을 연결하는 잠재적인 공통 병원성 메커니즘을 탐구합니다. 나는 이러한 조건들이 어떻게 끼어들는지, 그리고 그 관계에 기여하는 근본적인 요인들을 이해하는 것을 목표로 한다. 제 연구는 원발성 쇼그렌 증후군과 선암종 사이의 연관성을 이해하는 데 있어 격차를 다루고 공유되는 병원성 메커니즘을 강조합니다.
이러한 통찰력은 영향을 받은 환자를 위한 미래의 진단 및 치료 전략에서 비롯되었습니다. 향후 연구에서는 흉부외과와 협력하여 pSS 환자로부터 폐 수술 샘플을 얻어 림프구 침투에서 종양 근위 부위로의 진행을 설명할 수 있기를 희망합니다.먼저 유전자 발현 옴니버스 또는 GEO 데이터베이스를 열고 원발성 쇼그렌 증후군 및 폐 선암종을 키워드로 사용하여 유전자 발현 프로파일을 검색합니다. GEO DataSets 데이터베이스에서 결과를 클릭하고 Top Organisms에서 Homo sapiens를 선택합니다.
관심 있는 데이터 세트를 선택하고 해당 플랫폼 정보와 함께 다운로드합니다. 그런 다음 GeneCard 데이터베이스를 열고 원발성 쇼그렌 증후군 및 폐 선암종을 키워드로 사용하여 pSS 및 LUAD와 관련된 유전자를 얻습니다. 질병 유전자의 스프레드시트를 다운로드하십시오.
R 소프트웨어를 사용하여 조정된 P 값이 0.05 미만이고 폴드 변화가 1.2보다 크거나 0.83 미만인 차등적으로 발현된 유전자 또는 DEG를 식별하고 시각화할 수 있습니다. 이러한 데이터 세트 간의 유전자 발현을 비교하고 분석합니다. GeneCard 데이터베이스에서 pSS 및 LUAD와 관련된 발현 수준이 20 이상인 유전자를 선택합니다.
GEO 데이터베이스와 GeneCard 데이터베이스 모두에서 pSS 및 LUAD와 연결된 DEG를 병합합니다. R 소프트웨어에 Venn Diagram 패키지를 설치한 후 pSS 및 LUAD와 연결된 DEG를 얻고 시각화합니다. Metascape 웹 사이트에서 파일 선택을 클릭하고 pSS-LUAD-DEG의 xlsx 형식 파일을 업로드합니다.
Input as species(종으로서의 입력)와 Analysis as species(종으로서의 분석) 모두에 대해 Homo sapiens를 선택합니다. Custom Analysis(사용자 지정 분석)를 클릭한 다음 Enrichment(보강)를 클릭하고 KEGG pathway를 선택합니다. 다른 옵션의 선택을 취소합니다.
Enrichment Analysis(보강 분석)를 클릭하고 완료되면 Analysis Report Page(분석 보고서 페이지)를 클릭합니다. All in One Zip File을 클릭하여 결과를 다운로드합니다. _FINAL_GO에 액세스합니다.
CSV 파일을 Enrichment_GO 파일을 열어 결과를 확인합니다. R 소프트웨어의 ggplot2 패키지를 사용하여 KEGG 시각화 프로그램을 수행합니다. 유전자 온톨로지 또는 GO 농축 분석의 경우 pSS-LUAD-DEG의 텍스트 형식 목록을 R로 가져옵니다.GO 농축 분석 및 결과 시각화를 위해 클러스터 프로파일러 및 보강 플롯 패키지를 실행합니다.
분석에서 통계적 유의성을 0.05 미만의 조정된 P 값으로 설정합니다. STRING 데이터베이스에 액세스하고 찾아보기를 클릭한 다음 pSS-LUAD-DEG 파일을 업로드합니다. Organisms(유기체)에서 Homo sapiens(호모 사피엔스)를 선택한 다음 Search(검색)를 클릭합니다.
계속을 클릭한 후 결과를 사용할 수 있게 되면 설정을 클릭합니다. 기본 설정 및 필요한 최소 상호 작용 점수에서 높은 신뢰도 0.7을 선택합니다. Advanced Settings(고급 설정)에서 네트워크에서 연결이 끊긴 노드 숨기기를 선택한 다음 Update(업데이트)를 클릭합니다.
제목 표시줄에서 내보내기를 클릭하여 단백질-단백질 상호 작용 또는 PPI 관계 텍스트를 TSV 형식으로 다운로드합니다. Cytoscape 3.7.1 소프트웨어에서 파일, 파일에서 가져오기 및 네트워크를 차례로 클릭하여 PPI 네트워크를 구성하기 위한 TSV 형식 파일을 가져옵니다. NetworkAnalyzer 툴을 사용하여 네트워크의 토폴로지 파라미터를 분석하고 제어판의 스타일 표시줄을 통해 노드 크기와 색을 최적화합니다.
메뉴 모음에서 도구 및 네트워크 분석을 선택합니다. 테이블 패널에서 Degree를 클릭하여 구성요소를 각도별로 내림차순으로 정렬합니다. 허브 유전자의 식별 및 검증을 위해 허브 유전자의 텍스트 형식 목록을 PROC 패키지가 로드된 R로 가져옵니다.
허브 유전자의 수신기 작동 특성 또는 ROC 곡선을 플롯하고 ROC 곡선 값 아래의 면적을 계산합니다. pSS DEG와 LUAD DEG 간의 총 233개의 공유 DEG는 분석 후 Venn 다이어그램을 사용하여 시각화되었습니다. pSS LUAD DEG에 대한 상위 10개의 중요한 KEGG 경로가 확인되었으며 주로 PI3K-Akt, MAPK 및 사이토카인-사이토카인 수용체 상호 작용을 포함한 대사 경로와 관련이 있습니다.
pSS LUAD DEG의 GO 농축 분석은 바이러스에 대한 반응 및 선천성 면역 반응, 세포 구성 요소 범주, 사이토카인 수용체 결합 및 활성과 같은 분자 기능을 포함한 중요한 생물학적 과정을 밝혔습니다. PPI 네트워크는 99개의 노드와 466개의 엣지로 구성되어 있으며, STAT3, STAT1 및 TP53을 상위 허브 유전자로 식별합니다. TNF, IL6 및 EGFR을 포함하여 PPI 네트워크에서 더 높은 정도를 가진 상위 20개 유전자를 시각화했습니다.
먼저 생물정보학 분석을 수행하여 원발성 쇼그렌 증후군과 폐 선암종의 동시 발생에서 염증 경로를 확인합니다. 동물 모델을 개발하기 위해 마취된 쥐를 복부가 위를 향하고 머리를 들고 꼬리를 45도 각도로 내린 상태로 작은 동물 조련기에 놓습니다. 가는 실을 사용하여 마우스의 위쪽 앞니를 둥글게 감싸고 위로 당기고 실을 동물 홀더의 나사에 고정하여 마우스의 구강을 완전히 노출시킵니다.
차가운 빛을 켠 후amp, 집게를 사용하여 마우스의 혀를 부드럽게 당겨 성문을 완전히 노출시킵니다. 18게이지 정맥 내주 바늘을 마우스 기관에 삽입하고 바늘 코어를 당겨 빼냅니다. 바늘의 바깥쪽 끝에 면실을 놓고 마우스의 가슴 움직임에 따라 실이 움직일 때 성공적인 삽입을 확인합니다.
1밀리리터 주사기를 사용하여 0.2밀리리터의 공기를 흡입한 다음 0.1밀리리터의 PM 2.5 현탁액, 마지막으로 0.2밀리리터의 공기를 흡입합니다. 18게이지 정맥 내주 바늘을 통해 혼합물을 기관에 주입합니다. 내주침을 뽑은 후 동물사육장을 똑바로 세우고 시계방향, 반시계방향으로 30회 회전시켜 PM 2.5 현탁액을 폐에 고르게 분포시킵니다.
쥐의 목을 곧게 펴고 옆으로 눕혀 질식을 방지하고 회복되도록 합니다. 29일 후, 안락사된 쥐를 깨끗한 해부 보드에 누운 자세로 놓습니다. 가위와 집게를 사용하여 복부, 흉부, 목 부위를 덮고 있는 피부와 근육을 제거합니다.
흉강 양쪽의 갈비뼈 가장자리를 따라 절개하여 흉강을 노출시킵니다. 쇄골을 잘라 폐엽을 검사할 수 있을 만큼 충분히 넓은 구멍을 만듭니다. 흉골과 갈비뼈에서 턱까지 뻗어 있는 목 근육을 절제합니다.
갈비뼈 앞쪽 가장자리 아래에 가위를 삽입하고 양쪽을 절개하여 기관을 덮고 있는 뼈 부분을 제거합니다. 턱 근처의 기관을 겸자로 잡고 집게 위에 놓인 가위를 사용하여 완전히 가로 절개합니다. 그런 다음 집게로 기관을 부드럽게 당겨 올리고 흉부 조직 전체가 몸에서 제거될 때까지 가위로 복부 조직 연결을 자릅니다.
폐를 평평하게 놓고 표면을 식염수로 헹굽니다. 건조시킨 후 조직을 극저온 튜브에 분취하여 향후 생화학적으로 사용할 수 있도록 섭씨 영하 80도에서 보관합니다.
개요
이 원고는 생물정보학 분석과 실험적 검증을 통해 일차성 쇼그렌 증후군과 폐 선암종을 연결하는 공통 병원성 메커니즘을 탐구합니다. 이 연구는 이러한 상태 간의 관계에 대한 이해의 격차를 메우는 것을 목적으로 합니다.
주요 연구 구성 요소
과학 분야
- 신경과학
- 종양학
- 생물정보학
배경
- 일차성 쇼그렌 증후군은 자가면역 질환입니다.
- 폐 선암종은 폐암의 한 유형입니다.
- 그들의 연결을 이해하면 환자 결과를 개선할 수 있습니다.
- 연구는 공유된 병원성 메커니즘을 강조합니다.
연구 목적
- 일차성 쇼그렌 증후군과 폐 선암종 간의 관계를 조사합니다.
- 공통 병원성 메커니즘을 식별합니다.
- 미래의 진단 및 치료 전략을 알려줍니다.
사용된 방법
- 유전자 발현 프로파일의 생물정보학 분석.
- 발견 사항의 실험적 검증.
- 샘플 수집을 위한 흉부 외과 협력.
- 유전자 발현 오므니버스(GEO) 데이터베이스의 활용.
주요 결과
- 두 조건을 연결하는 유전자 발현 프로파일의 식별.
- 림프구 침윤에서 종양으로의 진행에 대한 통찰력.
- 향후 연구 협력의 가능성.
- 환자 진단 및 치료에 대한 시사점.
결론
- 일차성 쇼그렌 증후군과 폐 선암종 사이에 공유된 병원성 메커니즘이 존재합니다.
- 연구 결과는 환자 관리 개선으로 이어질 수 있습니다.
- 이러한 연결을 더 잘 탐구하기 위해 향후 연구가 필요합니다.
자주 묻는 질문
Executive Industry Relevance
Integrating bioinformatics with experimental validation, this study addresses the mechanistic overlap between primary Sjogren's syndrome (pSS) and lung adenocarcinoma (LUAD), focusing on inflammation-driven carcinogenesis. The identification of shared molecular pathways and hub genes informs early discovery and target validation, supporting risk-adjusted portfolio decisions in immuno-oncology and autoimmune disease pipelines. These insights enable translational continuity from hypothesis generation to preclinical model development for dual-disease risk mitigation.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Bioinformatics-driven identification of shared DEGs enables mechanistic de-risking for both autoimmune and oncology targets.
- PPI network analysis clarifies pathway convergence, supporting functional target validation.
- Hub gene ROC analysis provides predictive confidence for prioritizing candidate targets.
Screening & Assay Development
- Validated animal models and molecular assays (qPCR, ELISA, western blot) establish reproducible systems for downstream screening.
- Quantitative cytokine and gene expression outputs enable assay standardization and cross-study comparability.
- Pathway activation markers (e.g., JAK2/STAT3) support screening readiness for pathway-modulating compounds.
Translational & Preclinical Research
- Inflammatory microenvironment modeling in vivo aligns with disease-relevant systems for translational biomarker exploration.
- Gene and protein expression data bridge discovery findings to preclinical validation in autoimmune-oncology overlap.
- Risk-adjusted advancement decisions are informed by mechanistic links between chronic inflammation and tumorigenesis.
Pipeline & Workflow Integration
This workflow spans early discovery through preclinical model validation, integrating bioinformatics, molecular profiling, and in vivo experimentation for dual-disease risk assessment.
- Discovery Biology: Hypothesis testing of shared inflammatory and oncogenic pathways supports biological de-risking.
- Screening: Quantitative molecular outputs enable reproducible assay development for pathway-targeted interventions.
- Analytics: Statistical enrichment, PPI network metrics, and ROC analyses provide robust comparative readouts.
- Translational Research: In vivo inflammatory models facilitate biomarker alignment and translational continuity.
- Enterprise Reuse: The integrated workflow is adaptable for other autoimmune-cancer comorbidity investigations.
Operational & Enterprise Impact
- Scientific Value: Enhanced predictive confidence and mechanistic clarity for target validation in complex disease intersections.
- Operational Value: Standardized, scalable bioinformatics and experimental protocols improve reproducibility and cross-team integration.
- Strategic Value: Informed go/no-go decisions and capital allocation for dual-indication programs.
- Portfolio Impact: Supports risk-adjusted prioritization of assets targeting inflammation-driven oncogenesis.
Implementation Considerations
- Requires expertise in bioinformatics, molecular biology, and in vivo model development.
- Demands access to high-throughput gene expression platforms and analytical software (R, Cytoscape, Metascape).
- Cross-functional standardization is essential for data integration and reproducibility.
- Model adaptation may be needed for other autoimmune or cancer contexts.
- Interpretation of pathway activation and biomarker data must consider disease heterogeneity.
Biopharma FAQs
Chapters in this video
0:00
Introduction
1:09
Bioinformatics Analysis of Shared Inflammatory Mechanisms in Primary Sjogren's Syndrome and Lung Adenocarcinoma
7:07
Developing an Animal Model for Verifying Common Pathogenic Mechanisms Linking Primary Sjogren's Syndrome and Lung Adenocarcinoma Identified Through Bioinformatics
