Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Onderzoeksartikel

Cholesterol en stearamide mediëren lymfocytapoptose en cytokinesecretie bij systemische lupus erythematosus

531 weergaven

⸱

DOI:

10.3791/69038

⸱

17 oktober 2025

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Anhui University of Science & Technology, The First Hospital, 2Department of Rheumatism and Immunology, Peking University Shenzhen Hospital, 3School of Computer Science and Engineering, Anhui University of Science & Technology, 4Taizhou University of Medicine, 5School of Medicine, Anhui University of Science & Technology, 6Department of Radiotherapy, Shenzhen Traditional Chinese Hospital, the Fourth Clinical Medical College of Guangzhou University of Chinese Medicine, the Clinical Medical Research Center of Shenzhen People's Hospital, 7Anhui Provincial Academician Workstation of Anhui University of Science & Technology for Autoimmune Disease Diagnostic Technology, 8Departments of Nephrology, Shenzhen People's Hospital

In dit artikel

Erratum-melding

Important: There has been an erratum issued for this article. View Erratum Notice

Samenvatting

Hier presenteren we een studie die Mendeliaanse randomisatie met twee steekproeven, op vloeistofchromatografie-massaspectrometrie (LC-MS) gebaseerde metabolomics-validatie en functionele assays integreert met behulp van systemische lupus erythematosus (SLE) patiënt-afgeleide lymfocyten om apoptose en cytokineresponsen na metabolietstimulatie te beoordelen, met als doel lipidegerelateerde biomarkers te identificeren en hun immunoregulerende rol bij SLE te onderzoeken.

Samenvatting

Veranderingen in de samenstelling van serummetabolieten zijn in toenemende mate in verband gebracht met systemische lupus erythematosus (SLE), maar de directe effecten van deze metabolieten op de immuuncelfunctie blijven slecht gedefinieerd. Deze studie had tot doel perifere bloedmetabolieten geassocieerd met SLE te identificeren en hun impact op apoptose en cytokinesecretie in lymfocyten afkomstig van SLE-patiënten te evalueren.

We hebben een Mendeliaanse randomisatieanalyse (MR) met twee steekproeven uitgevoerd om de relatie tussen 565 serummetabolieten en SLE te onderzoeken, met behulp van het inverse-variantiegewogen model als primaire analytische benadering. Significante bevindingen werden gekruist gevalideerd met behulp van eerder gepubliceerde ongerichte metabolomics-gegevens op basis van vloeistofchromatografie-massaspectrometrie (LC-MS). In functionele experimenten werden lymfocyten geïsoleerd uit SLE-patiënten gestimuleerd met doelmetabolieten, gevolgd door beoordeling van apoptose en cytokinesecretie.

MR-analyse identificeerde 28 metabolieten die significant geassocieerd zijn met SLE. Hiervan werden cholesterol (OR = 1,462, 95% BI: 1,100-1,940, P = 0,008) en stearamide (OR = 0,125, 95% BI: 0,020-0,660, P = 0,014) gevalideerd door middel van LC-MS en bleken verhoogd te zijn bij SLE-patiënten. Analyse van de werkingskarakteristiek van de ontvanger toonde sterke diagnostische prestaties aan (AUC = 0,999 voor cholesterol; AUC = 1.000 voor stearamide). Functioneel induceerden beide metabolieten verhoogde apoptose en verhoogde secretie van TNF-α, IFN-γ en TGF-β1 in SLE-lymfocyten.

Samenvattend blijkt uit onze geïntegreerde aanpak die genetische associatie, metabolietprofilering en functionele testen combineert, dat cholesterol kan bijdragen aan immuunontregeling bij SLE. Hoewel stearamide in MR-analyse een negatieve associatie vertoonde met het SLE-risico, weerspiegelden de in-vitro-effecten die van cholesterol, wat een complexe en contextafhankelijke rol suggereert. Deze bevindingen onderstrepen het belang van het lipidenmetabolisme bij SLE en ondersteunen verder mechanistisch en klinisch onderzoek naar de immunologische impact ervan.

Inleiding

Systemische lupus erythematosus (SLE) is een chronische auto-immuunziekte, die zich onderscheidt door complexe pathogenese en diverse klinische manifestaties, die wereldwijd miljoenen mensen treft1. De heterogeniteit van SLE - waarbij de symptomen sterk verschillen tussen individuen en in de loop van de tijd evolueren - creëert aanzienlijke uitdagingen bij de diagnose, het monitoren van ziekteactiviteit en het op maat maken van gepersonaliseerde behandelplannen 2,3. Hoewel de 2019 European League Against Rheumatism en American College of Rheumatology (EULAR/ACR) SLE-classificatiecriteria de diagnostische nauwkeurigheid hebben verbeterd4, omvatten deze criteria niet alle ziekteverschijnselen en zijn ze vaak afhankelijk van invasieve procedures zoals nierbiopsie, die onpraktisch en belastend kunnen zijn voor patiënten.

In de afgelopen jaren is het onderzoek naar metabolieten als biomarkers in SLE toegenomen, wat hun enorme potentieel aantoont bij vroege ziektediagnose, typering en prognostische beoordeling 5,6,7. Het translationele potentieel van op metabolieten gebaseerd onderzoek in SLE blijft echter beperkt door verschillende belangrijke uitdagingen. Ten eerste zijn kleine steekproefgroottes een belangrijke beperking8. Bij de meeste metabolomische onderzoeken tot nu toe waren relatief weinig deelnemers betrokken, wat hun vermogen beperkt om de volledige klinische heterogeniteit van SLE vast te leggen. Aangezien SLE kan variëren van milde cutane betrokkenheid tot ernstige renale of neurologische manifestaties, kunnen onderzoeken met onvoldoende steekproefdiversiteit last hebben van slechte reproduceerbaarheid en beperkte generaliseerbaarheid9. Ten tweede ontbreekt de mechanistische diepgang. Hoewel eerdere studies associaties hebben aangetoond tussen specifieke metabolieten en ziekteactiviteit, orgaanschade of bepaalde klinische kenmerken, blijven de meeste bevindingen beschrijvend van aard10. Deze onderzoeken hebben zich grotendeels gericht op kwantitatieve verschillen in metabolietniveaus en hun statistische correlaties met klinische indicatoren, zonder de causale rol van metabolieten in de immunopathologie van SLE te onderzoeken. Aangezien immuunontregeling - inclusief afwijkende lymfocytaboptose en onevenwichtige cytokinesecretie - centraal staat in de pathogenese van SLE, is het van cruciaal belang om te begrijpen hoe metabolieten deze processen beïnvloeden11. Momenteel zijn er maar weinig studies die rechtstreeks hebben onderzocht hoe specifieke metabolieten de apoptose van immuuncellen of de cytokineproductie moduleren in de context van SLE.

Hier heeft deze studie tot doel SLE-geassocieerde metabole biomarkers te identificeren door de integratie van Mendeliaanse randomisatie (MR) en LC-MS ongerichte metabolomics-analyses, en de functionele rol van deze kandidaat-metabolieten bij het moduleren van lymfocytenapoptose en inflammatoire cytokineproductie op te helderen met behulp van gerichte celgebaseerde assays, zoals weergegeven in figuur 1.

Dit is de eerste studie die MR, metabolomische validatie en in vitro functionele assays integreert om de causale en mechanistische rol van lipidemetabolieten - met name cholesterol en stearamide - in de pathogenese van SLE te onderzoeken. Door genetisch, metabolisch en experimenteel bewijs te combineren, biedt dit werk een uitgebreid en gelaagd inzicht in hoe specifieke lipideveranderingen immuunontregeling bij SLE kunnen beïnvloeden. Deze integratieve benadering biedt een nieuw kader voor het identificeren van potentiële metabole biomarkers en therapeutische doelen bij auto-immuunziekten12.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Dit onderzoek is uitgevoerd volgens de EULAR/ACR-classificatiecriteria van 2019. Deze studie werd goedgekeurd door het Shenzhen People's Hospital (goedkeuringsnummer LL-KY-2019514 van de ethische commissie).

Mendeliaanse randomisatie (MR) analyse

GWAS-gegevensbronnen
Genetische associatiegegevens voor SLE en 565 metabolieten werden verkregen uit de OpenGWAS-database (https://gwas.mrcieu.ac.uk/). De GWAS-datasets van de ziekte zijn samengevat in tabel 1, terwijl de bronnen en steekproefgroottes voor de GWAS-gegevens van de metaboliet worden beschreven in tabel 2. Deze datasets vormden de basis voor de MR-analyse om causale verbanden tussen metabolieten en SLE te onderzoeken 13,14,15,16.

Selectie van instrumentele variabelen
Genetische varianten geassocieerd met bloedmetabolieten en SLE werden geselecteerd als instrumentele variabelen (IV's) voor de MR-analyse. De IV's werden gekozen op basis van de drie kernaannames van MR: relevantie, onafhankelijkheid en uitsluitingsbeperking17. In het bijzonder werden single nucleotide polymorfismen (SNP's) geassocieerd met metabolieten met een genoombrede significantiedrempel van P < 5 × 10-8 geselecteerd18. Om de onafhankelijkheid van de IV's te waarborgen, werd koppelingsonevenwichtigheid (LD) klontering uitgevoerd met een drempel van r2 < 0,001 en een fysieke afstand van 10.000 kb met de Europese bevolking als referentiepanel19. Dit proces minimaliseerde redundantie en zorgde ervoor dat elk infuus unieke informatie opleverde voor de MR-analyse.

Statistische analyses
De primaire statistische benadering voor de MR-analyse was de inverse-variantiegewogen (IVW)-methode, die de effecten van meerdere IV's combineert om het causale effect van metabolieten op SLE20 te schatten. Om rekening te houden met mogelijke pleiotropie werden gevoeligheidsanalyses uitgevoerd met behulp van MR-Egger-regressie21. De sterkte van elke IV werd beoordeeld aan de hand van F-statistieken, waarbij alleen SNP's met F > 10 werden behouden om een robuuste instrumentsterkte22 te garanderen. SNP's met lagere F-statistieken werden uitgesloten om zwakke instrumentbias te voorkomen. De uiteindelijke MR-analyses werden alleen uitgevoerd als er geen significante heterogeniteit of pleiotropie werd gedetecteerd, wat de betrouwbaarheid van de causale schattingen garandeerde23.

Gevoeligheidsanalyses
Er werden verschillende gevoeligheidsanalyses gebruikt om de robuustheid van de MR-bevindingen te beoordelen. Heterogeniteit tussen de IV's werd geëvalueerd met behulp van de Cochran's Q-test, terwijl pleiotropie werd beoordeeld via de MR-Egger-regressie24. Daarnaast werd een leave-one-out-analyse uitgevoerd om te bepalen of de MR-resultaten onevenredig werden beïnvloed door een enkele SNP25. Er werden bospercelen gegenereerd om de individuele en gecombineerde effecten van de IV's te visualiseren. Deze analyses zorgden er gezamenlijk voor dat de MR-resultaten niet vertekend waren door pleiotrope effecten of uitschieters SNP's.

Gegevensbron Metabolomics
De metabolomics-gegevens die in dit onderzoek zijn gebruikt, zijn afgeleid van een eerder gepubliceerd onderzoek van onze onderzoeksgroep10. In die studie voerden we metabolomics-analyses uit op serummonsters van 121 SLE-patiënten en 106 gezonde individuen. Ongerichte metabolomics-profilering werd uitgevoerd met behulp van ultra-high-performance vloeistofchromatografie in combinatie met massaspectrometrie (UHPLC-MS). De gegevens werden verwerkt met behulp van standaard metabolomics-workflows, waaronder piekdetectie, uitlijning en normalisatie, om metabolieten te identificeren die significant geassocieerd zijn met SLE. Deze metabolieten werden vervolgens vergeleken met de resultaten van de MR-analyse om overlappende metabolieten te identificeren. Meer gedetailleerde informatie is te vinden in de vorige publicatie10. Metabolieten die significant geassocieerd waren in de metabolomics-analyse en metabolieten met significante causale associaties in de MR-analyse werden in kaart gebracht op hun respectievelijke HMDB-ID's met behulp van het MetaboAnalyst-platform. De gemeenschappelijke metabolieten werden vervolgens geïdentificeerd door de twee sets HMDB-ID's te kruisen.

Cytokinemetingen en apoptose-test
In totaal werden 3 SLE-patiënten geïncludeerd (Tabel 3), in overeenstemming met de EULAR/ACR-classificatiecriteria van 2019.

Perifere bloedafname en isolatie van lymfocyten
Perifere bloedmonsters (3-6 ml) werden verzameld van deelnemers met behulp van vacuümbuisjes met heparinenatrium als antistollingsmiddel. Perifere mononucleaire bloedcellen (PBMC's) werden geïsoleerd via Ficoll-Paque-dichtheidsgradiëntcentrifugatie (400-800 × g gedurende 20-30 minuten). De geïsoleerde cellen werden tweemaal gewassen met fosfaatgebufferde zoutoplossing (PBS, HyClone) via centrifugatie met lage snelheid (250 × g gedurende 10 minuten) en opnieuw gesuspendeerd in volledig RPMI-1640-medium aangevuld met 10% foetaal runderserum. De celdichtheid werd aangepast naar 1 × 106 cellen/ml, zoals geverifieerd door een automatische cellenteller. De celsuspensie werd in kweekplaten gezaaid en gedurende 2 uur bij 37°C in een atmosfeer van 5% CO2 voorgebroed om de hechting te bevorderen. Na de pre-incubatie werden de niet-aanhangende cellen in het kweeksupernatans zorgvuldig verzameld en onderworpen aan lymfocytenisolatie. De verzamelde suspensie werd voorzichtig over Ficoll-Paque gelaagd en opnieuw gecentrifugeerd bij 400 × g gedurende 20 minuten zonder rem. De mononucleaire cellaag op het grensvlak tussen plasma en Ficoll werd zorgvuldig aangezogen, tweemaal gewassen met fosfaatgebufferde zoutoplossing (PBS) en opnieuw gesuspendeerd in RPMI-1640-medium dat 10% foetaal runderserum bevatte. De levensvatbaarheid en concentratie van de cellen werden beoordeeld met behulp van de automatische celteller en de lymfocyten werden vervolgens gebruikt voor downstream-toepassingen.

Celbehandeling en kweek
De cellen werden voor behandeling in vijf groepen verdeeld: Controlegroep: Behandeld met een gelijk volume DMSO. Cholesterolbehandelingsgroep: Behandeld met cholesterol in een concentratie van 1,5 mmol/L. De 1,5 mmol/L-concentratie van vrij cholesterol die in dit onderzoek werd gebruikt, werd geselecteerd om een lipiderijke micro-omgeving te simuleren die verder gaat dan fysiologische niveaus. Circulerend vrij cholesterol bij gezonde personen varieert doorgaans van 0,9-1,3 mmol/L. De licht verhoogde concentratie die in deze experimenten werd gebruikt, was bedoeld om pathologische lipidenaccumulatie na te bootsen die kan optreden in ontstoken of metabolisch verstoorde weefsels bij SLE. Stearamide behandelingsgroepen: Behandeld met stearamide in concentraties van 5 μmol/L en 10 μmol/L. De concentraties stearamide (5 en 10 μmol/L) werden geselecteerd op basis van een eerder rapport26, waarin werd gesuggereerd dat stearamidespiegels in het bereik van 5-10 μmol/L verhoogde lipidaccumulatie onder pathologische omstandigheden kunnen nabootsen. De bedoeling hier was om de pro-apoptotische en immunomodulerende effecten van blootstelling aan lipiden met hoge concentratie op SLE-lymfocyten te onderzoeken, waarbij inflammatoire of metabolisch ontregelde toestanden werden gesimuleerd. Cholesterol en stearamide werden eerst opgelost in DMSO om stockoplossingen met een hoge concentratie te bereiden, die vervolgens werden verdund in kweekmedium om de doelconcentraties te bereiken. De uiteindelijke DMSO-concentratie in alle groepen was niet hoger dan 0,1% (v/v). Na het toevoegen van de respectievelijke behandelingen werden de platen voorzichtig geschud om een gelijkmatige verdeling te garanderen en gedurende 48 uur bij 37 °C geïncubeerd in een omgeving met 5% CO2 .

Apoptose-test
Voor de apoptose-experimenten werden 1 × 106 tot 3 × 106 cellen verzameld en tweemaal gewassen met voorgekoelde PBS. Een positieve controlegroep werd bereid door cellen te suspenderen in 500 μl voorgekoelde apoptose-positieve controleoplossing en gedurende 30 minuten op ijs te incuberen, gevolgd door nog een PBS-wasbeurt. Experimentele groepen werden behandeld zoals beschreven in rubriek 1.7, met controle-, cholesterol- (1,5 mmol/l) en stearamide (10 μmol/l) behandeling. Na de behandeling werden 1-10 × 105 cellen (inclusief die van de kweeksupernatant) verzameld en opnieuw gesuspendeerd in 500 μL 1× bindingsbuffer (bereid door 5× stockoplossing te verdunnen met dubbel gedestilleerd water). Elk monster werd gemengd met een gelijk aantal onbehandelde levende cellen en het volume werd aangepast naar 1,5 ml met voorgekoelde 1× bindingsbuffer. De suspensie werd vervolgens verdeeld in drie buizen: één voor blank control en twee voor single-stain compensatie (Annexin V-FITC en PI). Aan elke experimentele buis werd 5 μL Annexin V-FITC en 10 μL PI-kleuringsoplossing toegevoegd, gevolgd door vortexing en incubatie bij kamertemperatuur in het donker gedurende 5 minuten. Flowcytometrie werd uitgevoerd met behulp van een excitatielaser van 488 nm om Annexin V-FITC (emissie bij 530 nm) en PI (emissie bij 615 nm) te detecteren. De lege stuurbuis werd gebruikt om voorwaartse verstrooiing (FSC), zijverstrooiing (SSC) en fluorescentiekanaalspanningen in te stellen, terwijl de buizen met enkele kleuring werden gebruikt voor fluorescentiecompensatie. Apoptose werd geanalyseerd met behulp van spreidingsdiagrammen met twee parameters om het aandeel apoptotische cellen te beoordelen 27,28.

Detectie van immuunfactoren
Na de incubatie van 48 uur werden de celsuspensies gecentrifugeerd (250 × g gedurende 5 minuten) om de kweeksupernatanten te verzamelen, die tot analyse bij -80 °C werden bewaard. Cytokinekwantificering werd uitgevoerd met behulp van een commercieel Human Essential Immune Response Panel, volgens de instructies van de fabrikant met optimalisaties voor het instrument. In het kort werden 25 μL assaybuffer en 25 μL standaarden (variërend van 2,4 tot 10.000 pg/ml) of monsters toegevoegd aan elk putje van een microplaat. Het kralenmengsel werd gedurende 30 s gevortexeerd en aan de putten toegevoegd, waardoor het totale reactievolume op 75 μL kwam. De plaat werd geïncubeerd door te schudden (800 tpm) bij kamertemperatuur gedurende 2 uur in het donker. Na twee geautomatiseerde wasbeurten (1× wasbuffer, 250 × g gedurende 5 min) werd 25 μL gebiotinyleerd detectie-antilichaam aan elk putje toegevoegd en gedurende 1 uur geïncubeerd. Vervolgens werd gedurende 30 minuten 25 μL streptavidine-fycoerythrine (SA-PE) toegevoegd om het signaal te versterken.

De gegevensverzameling werd uitgevoerd met behulp van een flowcytometer uitgerust met een excitatielaser van 488 nm en een filter van 575/26 nm voor PE-detectie. Voorafgaand aan elk experiment werden kalibratiekralen gebruikt om de spanningen van de fotomultiplicatorbuis en spectrale compensatie te optimaliseren. Gegevens werden geanalyseerd met behulp van LEGENDplex-software v8.0, waarbij cytokineconcentraties werden bepaald via logistieke aanpassing met vijf parameters (5PL) curve. De detectielimieten voor elk cytokine varieerden van 0,68 pg/ml tot 1,97 pg/ml, en experimenten werden in tweevoud uitgevoerd om precisie te garanderen (variatiecoëfficiënt tussen de putten <10%). De resultaten werden uitgedrukt als gemiddelde ±± standaarddeviatie en statistische verschillen tussen groepen werden beoordeeld met behulp van eenrichtings-ANOVA, gevolgd door de post-hoctest van Tukey in een geschikte statistische analysesoftware. De incubatietijd van 48 uur werd gekozen op basis van de dynamische veranderingen in de cytokinesecretie om de immuunrespons volledig vast te leggen. Dagelijkse kalibratie van het instrument en controle van de DMSO-concentratie (≤0,1%) zorgden voor de betrouwbaarheid en reproduceerbaarheid van de resultaten 29,30,31.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Associatie tussen belangrijke metabolieten en klinische manifestaties bij SLE

In deze studie identificeerde MR-analyse van 565 metabolieten met SLE significante causale associaties. Zoals te zien is in figuur 2, werden in totaal 28 metabolieten geïdentificeerd die significant geassocieerd zijn met SLE, waaronder categorieën zoals peptiden, aminozuren, energie, lipiden, koolhydraten en vetzuren. Peptiden zoals gamm...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Onze studie toont aan dat 1,5 mmol/L cholesterol, 5 μmol/L stearamide en 10 μmol/L stearamide vergelijkbare patronen van apoptose en cytokinesecretie induceren in lymfocyten van SLE-patiënten, hoewel variaties in omvang werden waargenomen. In het bijzonder verhoogden zowel 1,5 mmol/L cholesterol als 5 μmol/L stearamide de apoptose in SLE-lymfocyten aanzienlijk. Bovendien verbeterde behandeling met 1,5 mmol/L cholesterol in combinatie met 5 μmol/L of 10 μmol/L stearamide de secretie van r...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs verklaren dat ze geen concurrerende belangen hebben.

Dankbetuigingen

Dit onderzoek werd ondersteund door het Graduate Innovation Fund Project van de Anhui University of Science & Technology (nr. 2024cx2204), het Anhui Provincial Academician Workstationthe (Anhui Provincial Academician Workstation (diagnostische technieken voor auto-immuunziekten), Anhui University of Science & Technology, Huainan, Anhui 232001, China) (Document nr. 317 [2023], uitgegeven door het Department of Science and Technology van de provincie Anhui), Fonds voor fundamenteel en toegepast fundamenteel onderzoek van de provincie Guangdong (nr. 2021A1515110250), Nationale Stichting voor Natuurwetenschappen van China (nr. 82271824).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Annexin V-FITC/PI Apoptosis KitMulti SciencesAP101Voor detectie van apoptose via flowcytometrie
CholesterolShanghai Jinpan Biotech Co., Ltd.JP1210051Gebruikt voor stimulatie-experimenten in PBMC's (10 g)
Counterwell InsertCorningCBG10001Wordt gebruikt om cellen fysiek te scheiden in cocultuurexperimenten
Flow CytometerBeckman CoulterCytoFLEXFlowcytometrische analyse
GraphPad Prism SoftwareGraphPadStatistische analyse en grafische weergave
LEGENDplex Human Essential Immune Response PanelBioLegend740390Multiplex detectie van immuungerelateerde cytokinen
Micropipette SetEppendorfVariousVloeistofhantering en volumeoverdracht (0.1–10 μL, 10–100 μL, 100–1000 μL)
Peripheral Blood Lymphocyte Separation MediumDomestic ManufacturerB1.1420AGebruikt voor PBMC-isolatie (200 mL)
RPMI-1640 MediumGibcoC22400500BTKweekmedium voor PBMC's
StearamideShanghai Jinpan Biotech Co., Ltd.1267285Gebruikt voor lipidestimulatie van PBMC's (100 g)
Steriele 24-well PlateDomestic ManufacturerBLJ182AVoor celcultuur
CountStarShanghai Ruiyu BiotechnologyCS200Automatische celteller
PBSHyclone10010023Celwassing
Ficoll-PaqueCytiva17-5442-03Isolatie van synoviale cellen
LEGENDplex softwareBioLegendVersion 8Flowcytometriegegevensanalyse
GraphPad Prism 9.0GraphPad SoftwareVersion 9Statistische analyse

Referenties

  1. Barber, M. R., et al. Global epidemiology of systemic lupus erythematosus. Nat Rev Rheumatol. 17 (8), 515-532 (2021).
  2. Owen, K. A., Grammer, A. C., Lipsky, P. E. Deconvoluting the heterogeneity of SLE: the contribution of ancestry. J Allergy Clin Immunol. 149 (1), 12-23 (2022).
  3. Allen, M. E., Rus, V., Szeto, G. L. Leveraging heterogeneity in systemic lupus erythematosus for new therapies. Trends Mol Med. 27 (2), 152-171 (2021).
  4. Aringer, M., et al. European League against Rheumatism (EULAR)/American College of Rheumatology (ACR) SLE classification criteria item performance. Ann Rheum Dis. 80 (6), 775-781 (2021).
  5. Yoon, N., Jang, A. K., Seo, Y., Jung, B. H. Metabolomics in autoimmune diseases: Focus on rheumatoid arthritis, systemic lupus erythematous, and multiple sclerosis. Metabolites. 11 (8), 812(2021).
  6. Liang, J., et al. Targeted metabolomics combined with machine learning to identify and validate new biomarkers for early SLE diagnosis and disease activity. Clin Immunol. 264, 110235(2024).
  7. Liu, Y., Yang, X. A review on the novel biomarkers of systemic lupus erythematosus discovered via metabolomic profiling. Front Immunol. 15, 1443440(2024).
  8. Cheng, S., et al. Uncovering potential biomarkers and metabolic pathways in systemic lupus erythematosus and lupus nephritis through integrated microbiome and metabolome analysis. BMC Microbiol. 25 (1), 275(2025).
  9. Júnior, V. F. A. J. A., Silva, S. M., Amaral, A. L., Perini, J. V. deF. V., dos Santos, J. E. N. Systemic lupus erythematosus (SLE): Most common clinical manifestations and renal complications. Braz J Implantol Health Sci. 6, 647-660 (2024).
  10. He, J., et al. Serum proteome and metabolome uncover novel biomarkers for the assessment of disease activity and diagnosing of systemic lupus erythematosus. Clin Immunol. 251, 109330(2023).
  11. Moysidou, E., et al. Lymphocytes change their phenotype and function in systemic lupus erythematosus and lupus nephritis. Int J Mol Sci. 25, 10905(2024).
  12. Deng, P., Li, Z., Yi, B., Leng, Y. A Mendelian randomization study to assess the genetic liability of type 1 diabetes mellitus for IgA nephropathy. Front Endocrinol. 13, 874562(2022).
  13. Wang, Y. F., et al. Identification of 38 novel loci for systemic lupus erythematosus and genetic heterogeneity between ancestral groups. Nat Commun. 12, 772(2021).
  14. Hom, G., et al. Association of systemic lupus erythematosus with C8orf13-BLK and ITGAM-ITGAX. N Engl J Med. 358, 900-909 (2008).
  15. Shin, S. Y., et al. An atlas of genetic influences on human blood metabolites. Nat Genet. 46, 543-550 (2014).
  16. Kettunen, J., et al. Genome-wide study for circulating metabolites identifies 62 loci and reveals novel systemic effects of LPA. Nat Commun. 7, 11122(2016).
  17. Moodie, E. E., le Cessie, S. Instrumental variables analysis and mendelian randomization for causal inference. J Infect Dis. 231 (3), 556-558 (2025).
  18. Zhang, S., Zhang, W., Sun, H., Xue, R., Lv, Q. Therapeutic potential of single-nucleotide polymorphism-mediated interleukin-6 receptor blockade in cancer treatment: A Mendelian randomization study. Heliyon. 9, (2023).
  19. Yuan, S., Larsson, S. C., Gill, D., Burgess, S. Concerns about instrumental variable selection for biological effect versus uptake of proton pump inhibitors in Mendelian randomisation analysis. Gut. 74, e6-e6 (2025).
  20. Lin, Z., Deng, Y., Pan, W. Combining the strengths of inverse-variance weighting and Egger regression in Mendelian randomization using a mixture of regressions model. PLoS Genet. 17 (1), e1009922(2021).
  21. Markozannes, G., et al. Systematic review of Mendelian randomization studies on risk of cancer. BMC Med. 20, 41(2022).
  22. Li, Y., et al. The effects of coagulation factors on the risk of endometriosis: a Mendelian randomization study. BMC Med. 21, 195(2023).
  23. Grant, A. J., Burgess, S. Pleiotropy robust methods for multivariable Mendelian randomization. Stat Med. 40 (25), 5813-5830 (2021).
  24. Wang, C., Zhang, J., Han, F., Liu, D., Han, Y. No evidence for a causal link between Helicobacter pylori infection and irritable bowel syndrome: a Mendelian randomization study. Front Microbiol. 14, 1268492(2024).
  25. Zhu, K., Shi, J., Yang, R., Zhou, C., Liu, Z. Evidence based on Mendelian randomization: causal relationship between mitochondrial biological function and lung cancer and its subtypes. Neoplasia. 46, 100950(2023).
  26. Lin, F., Wang, Z., Xiang, L., Deng, L., Cui, W. Charge-guided micro/nano-hydrogel microsphere for penetrating cartilage matrix. Adv Funct Mater. 31, 2101132(2021).
  27. Chen, L. J., et al. Long non-coding RNA 01614 hyperactivates WNT/β-catenin signaling to promote pancreatic cancer progression by suppressing GSK-3β. Int J Oncol. 61, 116(2022).
  28. Zhao, J., Liang, K., Zhong, H., Liu, S., He, R., Sun, P. A cold-water polysaccharide-protein complex from Grifola frondosa exhibited antiproliferative activity via mitochondrial apoptotic and Fas/FasL pathways in HepG2 cells. Int J Biol Macromol. 218, 1021-1032 (2022).
  29. Tovar Acero, C., et al. IL-4, IL-10, CCL2 and TGF-β as potential biomarkers for severity in Plasmodium vivax malaria. PLoS Negl Trop Dis. 16, e0010798(2022).
  30. Strengert, M., et al. Cellular and humoral immunogenicity of a SARS-CoV-2 mRNA vaccine in patients on haemodialysis. EBioMedicine. 70, 103524(2021).
  31. Bhandi, S., et al. Modulation of the dental pulp stem cell secretory profile by hypoxia induction using cobalt chloride. J Pers Med. 11, 247(2021).
  32. Mao, C., et al. Alpha-ketoglutarate alleviates systemic lupus erythematosus-associated periodontitis in a novel murine model. J Clin Periodontol. 52, 457-470 (2025).
  33. Vaishnav, P., Yoo, Y. J., Yoon, Y. J., Demain, A. L. Immunosuppressants: Remarkable Microbial Products. Bioactive Nat. Prod. Chem. Biol. , 43-82 (2014).
  34. Shi, W., et al. Causal effect of three autoimmune diseases on brain functional networks and cerebrospinal fluid metabolites to underlie the pathogenesis of autoimmune psychosis: a two-sample Mendelian randomization analysis. J Transl Med. 23, 440(2025).
  35. Baig, S., Vanarsa, K., Ding, H., Titus, A., McMahon, M., Mohan, C. Baseline elevations of leukotriene metabolites and altered plasmalogens are prognostic biomarkers of plaque progression in systemic lupus erythematosus. Front Cardiovasc Med. 9, 861724(2022).
  36. Warda, M., et al. Lipid rafts: novel therapeutic targets for metabolic, neurodegenerative, oncological, and cardiovascular diseases. Lipids Health Dis. 24, 147(2025).
  37. Hu, C., Wu, H., Zhu, Q., Cao, N., Wang, H. Cholesterol metabolism in T-cell aging: accomplices or victims. FASEB J. 37, e23136(2023).
  38. Song, Y., Liu, J., Zhao, K., Gao, L., Zhao, J. Cholesterol-induced toxicity: an integrated view of the role of cholesterol in multiple diseases. Cell Metab. 33, 1911-1925 (2021).
  39. Wei, Y., Wang, D., Topczewski, F., Demain, A. L. Saturated fatty acids induce endoplasmic reticulum stress and apoptosis independently of ceramide in liver cells. Am J Physiol-Endocrinol Metab. 291 (2), E275-E281 (2006).
  40. Rámek, J., Němcová-Fürstová, V., Pavlíková, N., Kovář, J. Effect of saturated stearic acid on MAP kinase and ER stress signaling pathways during apoptosis induction in human pancreatic β-cells is inhibited by unsaturated oleic acid. Int J Mol Sci. 18 (11), 2313(2017).
  41. Westerterp, M., et al. Cholesterol accumulation in dendritic cells links the inflammasome to acquired immunity. Cell Metab. 25 (6), 1294-1304.e6 (2017).
  42. Chen, J., et al. UPLC-MS/MS-based plasma lipidomics reveal a distinctive signature in systemic lupus erythematosus patients. MedComm (2020). 2 (2), 269-278 (2021).
  43. López, P., et al. Low-density granulocytes and monocytes as biomarkers of cardiovascular risk in systemic lupus erythematosus. Rheumatology (Oxford). 59 (7), 1795(2020).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Erratum


Formal Correction: Erratum: Cholesterol and Stearamide Mediate Lymphocyte Apoptosis and Cytokine Secretion in Systemic Lupus Erythematosus
Posted by JoVE Editors on 11/18/2025. Citeable Link.

This corrects the article 10.3791/69038

Tags

SerummetabolietenMendeliaanse randomisatiecholesterolmetabolismeeffecten van stearamidevloeistofchromatografie massaspectrometrieimmuundysregulatielipidemetabolisme
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.