Исследовательская статья

Биоинформатическая идентификация кандидатов биомаркеров, связанных с пародонтитом, в стволовых клетках пародонтальной связки, обработанных цитокиноми

DOI:

10.3791/68863

⸱

31 марта 2026 г.

 ,  ,  ,  ,  , 
1Department of Periodontology and Oral Mucosa, The Second Affiliated Hospital of Harbin Medical University, 2Department of Preventive dentistry, Heilongjiang Provincial Stomatological Disease Prevention and Treatment Hospital, 3Department of Stomatology, The First Affiliated Hospital of Harbin Medical University

В этой статье

Краткое содержание

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

Текущее исследование направлено на изучение дисрегулированных генов с помощью биоинформатического анализа в стволовых клетках пародонтальной связки, обработанных цитокином. В этих клетках были выявлены повышенные ERC2-IT1 и пониженные EPB41L4A-AS1 как ключевые молекулы, которые могут служить кандидатами в биомаркеры, потенциально связанные с пародонтитом.

Аннотация

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

Основной целью текущего исследования было изучение потенциального молекулярного механизма, лежащего в основе цитокин-индуцированных стволовых клеток пародонтальной связки (PDLSC). Данные микрочипов из набора данных GSE260558 были получены из базы данных генной экспрессии (GEO). После нормализации были выявлены дисрегулированные гены. Затем различные экспрессированные мРНК (DE-мРНК) подвергались анализу обогащения генной онтологии (GO) и Киотской энциклопедии генов и геномов (KEGG). Впоследствии гены хаба были отсеяны на основе сети взаимодействия белков и белков (PPI). Наконец, с помощью сайта ENCORI были созданы конкурентные регуляторные сети эндогенной РНК (ceRNA), содержащие хаб-гены. Всего было идентифицировано 739 различных экспрессированных lncRNA (DE-lncRNAs) и 809 различных экспрессированных мРНК (DE-mRNAs) с помощью лимма-пакета в языке программирования R. Затем анализы GO и KEGG показали, что DE-мРНК тесно связаны с воспалениями и формированием внеклеточного матрикса в PDLSC, обработанных цитокином. Для DE-мРНК была построена сеть взаимодействия белков и белков (PPI), а хабовые гены получены путём оценки степени. Было проведено скрининг всего 12 генов апрегулированного хаба и 12 генов понижения хаба. Эти гены с повышенной и пониженной регуляцией хаба затем использовались для построения регулирующей сети цеРНК соответственно. В этих сетях ключевыми lncRNA при пародонтите рассматривались апрегуляционный ERC2-IT1 и пониженный EPB41L4A-AS1. В заключение, биоинформатический анализ выявил несколько ключевых генов и регуляторную сеть цеРНК, которые участвовали в прогрессировании цитокин-индуцированных PDLSC. Хотя в этом исследовании было выявлено несколько кандидатов по биомаркерам, связанных с пародонтитом, необходимо провести дальнейшую экспериментальную валидацию на животных моделях или клинических образцах.

Введение

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

По данным Всемирной организации здравоохранения, пародонтит признан шестым по распространённости, повсеместному и необратимому хроническому воспалительному заболеванию среди человека 1,2. В настоящее время она затрагивает почти 15% населениямира 1,2,3. Сообщается, что пародонтит тесно связан с различными факторами, такими как возраст, пол, гигиена полости рта, статус курения, этническая принадлежность, низкий социально-экономический статус и ряд системных заболеваний 2,3,4,5. Пародонтит, который особенно распространён среди пожилых людей, патологически вызван дисбиотическими изменениями субгингивальнай микробиоты, прилипшей кзубам 6,7. Если не лечить, это состояние в конечном итоге приводит к разрушению костей, смещению зубов и, к сожалению, к потерезубов 8. Следовательно, крайне необходимо всестороннее понимание молекулярных механизмов, лежащих в основе пародонтита, и выявление диагностических маркеров заболевания.

Структурная и интерактивная сложность пародонтальной ткани широко считается одним из значимых факторов, способствующих значительной сложности, возникающей в процессе пародонтальнойрегенерации 9,10. Среди разнообразных мезенхимальных стволовых клеток (МСК), используемых для регенерации пародонта, стволовые клетки пародонтальной связки (PDLSC) были полностью доказаны как высоконадежный источник для формирования новых цементоподобных структур в условиях in vivo 11,12. В недавних доклинических исследованиях лечение на основе PDLSC показало чрезвычайно многообещающие результаты в области регенерациитканей 13,14. По сравнению с тканью деснав пациента, анализ транскриптомики PDLSC показал более сильную функциональную ориентацию и терапевтический потенциалтрансформации 13,14.

Технологии биоинформатики и методы биоинформатического анализа позволяют исследователям выявлять потенциальные биологические процессы и ассоциации с протеомной, геномной и метаболомнойстатистикой 15,16. Кроме того, высокопроизводительный характер биоинформатики позволяет исследователям анализировать крупномасштабные биологические наборы данных, такие как те, что получены в результате секвенирования следующего поколения и экспериментов смикрочипами 17,18. Эта возможность позволяет выявлять потенциальные биомаркеры для диагностики и прогноза заболевания19,20. Например, дезинтегрин и металлопротеиназа 28 (ADAM28), а также дезинтегриноподобный и металлопротеазный домен с тромбоспондиновыми мотивами-похожими на тромбоспондин-тип-3 (ADAMTSL3) были выявлены как новые биомаркеры в тканях десна у пациентов с пародонтитом в ходе комплексного анализа на основе биоинформатики21. Кроме того, несколько генов, связанных с ферроптозом, включая коактиватор ядерного рецептора 4 (NCOA4), переносчик растворённых веществ 1A5 (SLC1A5) и тепловой белок B1 (HSPB1), были отмечены как более диагностические свойства припародонтите 22. Однако молекулярный механизм пародонтита заслуживает дальнейшего изучения. В настоящем исследовании учёные стремятся использовать биоинформатические технологии для изучения хабовых генов в цитокин-индуцированных PDLSC и выявления возможных биологических процессов и путей, связанных с пародонтитом. Биоинформатический анализ PDLSC, обработанных цитокином, фиксирует транскрипционные программы, связанные с воспалением, и имеют отношение к дисфункции PDLSC, которые устраняют разрыв между дисфункцией PDLSC и пародонтитом. Эти основные гены и пути в цитокин-индуцированных PDLSC дают ценные данные о объединённых механизмах, лежащих в основе пародонтита.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

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

1. Набор данных

Этот анализ использовал публично доступные данные и не включал людей или животных, в соответствии с институциональными и этическими рекомендациями JoV. Вся информация, связанная с использованными платформами, доступна в Таблице материалов.

  1. Выберите всего 6 образцов (GSM8119437, GSM8119438, GSM8119439, GSM8119440, GSM8119441 и GSM8119442) из набора данных GSE260558 (National Center of Biotechnology Information Gene Expression Omnibus, https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE260558) для биоинформатического анализа.
  2. В этих образцах культурируют стволовые клетки пародонтальной связки (PDLSC) в нормальной среде или в среде, содержащей воспалительные цитокины, в течение 7 дней.
  3. Извлекать всю РНК из PDLSC и подвергать её высокопроизводительномусеквенированию 23. Процесс биоинформатического анализа показан на рисунке 1.

2. Идентификация DEG

  1. Проанализировать экспрессионные профили lncRNA и mRNA с помощью программного обеспечения limma (версия: 3.46.0), как описано ранее24.
  2. Проведите парные сравнения цитокинов и нормальных групп.
  3. Используйте коррекцию коэффициента ложного обнаружения (FDR) со стандартным порогом < 0,05 для выявления значительно дифференцированно экспрессированных генов. Используйте скорректированные p-значения (FDR) для контроля доли ложноположительных результатов среди статистически значимых результатов.
  4. Используйте скорректированный порог P-значения < 0,05 и порог изменения сложного сбора > 1 для выявления значительно дисрегулированных lncРНК или мРНК.
  5. Представлена дифференциальная экспрессия генов на вулканических графиках (ggplot2: версия 3.4.1), которые были сгенерированы с помощью программного обеспечения R (версия 4.0.4).
  6. Перечислите топ-10 дисрегулированных lncRNA и mRNA в таблицах.

3. Анализ функционального обогащения

  1. Проведите анализ обогащения GO DE-mRNA с помощью онлайн-базы данных DAVID (Database for Annotation, Visualization and Integrated Discovery, https://david.ncifcrf.gov/).
    1. Отправьте дисрегулированные гены на сайт и выберите термины GO, включая молекулярную функцию (MF), биологические процессы (BP) и клеточные компоненты (CC), чтобы провести анализ GO.
    2. Отправьте дисрегулированные гены в плагин Cytoscape (версия 3.8.2) ClueGO [16]+ и приложение Cluepedia.
    3. Примените коррекцию Бенджамини-Хохберга для множественных сравнений и установите порог значимости на скорректированном P-значении < 0,05.
    4. Скачайте результаты с Cytoscape. Ранжуйте обогатения в убывающем порядке на основе P-значения и представите топ-5 обогащений в каждой категории.
  2. Киотская энциклопедия генов и геномов (KEGG) является ценным ресурсом базы данных для понимания высокоуровневых функций и воздействия биологических систем (http://www.genome.jp/kegg/).
    1. Проведите анализ KEGG аналогичным способом, выбрав KEGG-PATHWAY на сайте.
    2. Установите порог значимости на скорректированном P-значении < 0,05 и представите топ-10 обогащений в данном исследовании. Проведите эти анализы обогащения согласно опубликованным исследованиям 25,26.

4. Сеть PPI

  1. Предсказать и построить сеть взаимодействий белок-белок (PPI) с помощью инструмента поиска взаимодействующих генов (STRING, версия 12.0).
  2. Отправьте 318 апрегулированных мРНК или 465 пониженных мРНК на сайт STRING для построения сети PPI.
  3. Экспортируйте данные взаимодействия из сети PPI и отправляйте их в программное обеспечение Cytoscape.
  4. Скрыть отдельный узел в сети PPI. Скачайте сеть PPI, представленную в этом исследовании.
  5. Вычислите топологические свойства сети, включая распределение степеней, с помощью приложения CentiScaPe, плагина Cytoscape.
  6. Количественно определите локальную топологию каждого гена, суммируя количество его соседних генов, и подсчитывайте взаимодействия для данного узла.
  7. Ранжуйте все гены из сети PPI в убывающем порядке на основе степени их связности.
  8. Выберите топ-12 генов с повышенной регулировкой и 12 самых пониженных из этого списка в качестве центральных генов.

5. Регуляторная сеть miRNA-mRNA

ПРИМЕЧАНИЕ: база данных ENCORI (версия 12.0, https://rnasysu.com/encori/) использовалась для прогнозирования регуляторных ассоциаций между микроРНК (миРНК) и DE-lncРНК (или хаб-генами).

  1. Отправьте в ENCORI повышенные или подавленные хаб-гены и установите программу критерия ≥5 в общей сложности шесть программ, включая PITA, RNA22, miRmap, miRanda, PicTar и TargetScan, для анализа прогнозирования в ENCORI.
  2. Скачайте предсказанные миРНК и отправьте их в ENCORI для получения потенциальных lncRNA.
  3. Скачайте прогнозируемые lncRA и определите перекрывающиеся lncRNA между шагом 5.2 и рисунком 2.
  4. Отправьте хаб-гены, miRNA, полученные в разделе 5.1, и lncRNA, полученные на шаге 5.3, в программное обеспечение Cytoscape (версия 3.4.0) для создания сети ceRNA.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

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

Идентификация DEG
Программное обеспечение limma R использовалось для анализа дифференциальных экспрессийных профилей lncRNA и mRNA. Различия между двумя группами определялись с помощью непарного t-теста. Как показано на диаграмме вулкана (рисунок 2), было идентифицировано в общей сложности 739 различных экспрессированных lncRNA (DE-lncRNAs, значение p<0,05, |log2FC|>1). Среди этих DE-lncRNA было выявлено 340 апрегулированных lncR...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

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

Стволовые клетки пародонтальной связки (PDLSC) считаются ключевыми клетками, играющими ключевую роль в подавлении повреждения пародонта как на этапе прогрессирования, так и на этапе восстановленияпри пародонтите 32,33. Значительные данные ясно показали, что инкубация при воспалительном состоянии может значительно ускорить старение PDLSC34,35. Однако стоит отметить, что яв...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

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

Авторы заявляют, что в этом исследовании нет конкурирующих интересов.

Благодарности

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

Мы благодарны за поддержку Второй аффилированной больницы Харбинского медицинского университета, Фонда естественных наук провинции Хэйлунцзян (LH2023H037) и Национального фонда естественных наук (82201070).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
RR Foundation для статистических вычислений4.0.4Основная открытая среда для статистических вычислений. Служит основой для всех последующих анализов. Обычно используется с RStudio.
ЛиммаСообщество биопроводников (ведущий разработчик: Walter & Eliza Hall Institute)3.46.0Специализированный пакет для анализа дифференциальной экспрессии микрочипов и РНК-последовательностей. 
ЦитоскейпКонсорциум Cytoscape3.8.2Открытая платформа для визуализации сети. Требует отдельной установки; поддерживает плагины, такие как ClueGO и cytoHubba, через App Store.
СТРУНАЕвропейская лаборатория молекулярной биологии12Крупнейшая в мире база данных по предсказанным и известным взаимодействиям белков и белков (PPI). Доступ осуществляется через веб или плагин Cytoscape; предоставляет оценки доверия.
ЭНКОРИУниверситет Сунь Ятсена3Публичная база данных, ориентированная на ceRNA сети (miRNA-mRNA-lncRNA).

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

ceGOKEGG

Похожие статьи