Summary

Идентификация биомаркеров гендерной специфичности болезни Альцгеймера на основе профилей глиального транскриптома

Published: May 20, 2024
doi:

Summary

В этом исследовании были проанализированы одноядерные транскриптомы тридцати трех человек с болезнью Альцгеймера (БА), в результате чего были выявлены специфичные для пола ДЭГ в глиальных клетках. Анализ функционального обогащения выявил синаптические, нервные и гормональные пути. Были идентифицированы ключевые гены, а именно NLGN4Y и его регуляторы, а также предложены потенциальные терапевтические кандидаты для гендерно-специфичной БА.

Abstract

При болезни Альцгеймера (БА) в последнее время было выявлено множество биомаркеров, специфичных для пола; Тем не менее, о глиальных клетках головного мозга сообщалось редко. В этом исследовании было проанализировано 220 095 одноядерных транскриптомов из лобной коры тридцати трех человек с болезнью Альцгеймера в базе данных GEO. Специфичные для пола дифференциально экспрессируемые гены (DEG) были идентифицированы в глиальных клетках, в том числе 243 в астроцитах, 1154 в микроглии и 572 в олигодендроцитах. Анализ функциональных аннотаций Gene Ontology (GO) и анализ обогащения путей Киотской энциклопедии генов и геномов (KEGG) выявили функциональную концентрацию в синаптических, нервных и гормональных путях. Сеть белок-белковых взаимодействий (PPI) идентифицировала MT3, CALM2, DLG2, KCND2, PAKACB, CAMK2D и NLGN4Y в астроцитах, TREM2, FOS, APOE, APP и NLGN4Y в микроглии, а также GRIN2A, ITPR2, GNAS и NLGN4Y в олигодендроцитах в качестве ключевых генов. NLGN4Y был единственным общим геном для трех глий и был идентифицирован как биомаркер гендерной специфичности AD. Корегуляторная сеть ген-фактор транскрипции (TF)-miRNA идентифицировала ключевые регуляторы NLGN4Y и его целевых ТКМ. Были идентифицированы Ecklonia kurome Okam (Kunbu) и Herba Ephedrae (Mahuang), а также было показано влияние активных ингредиентов на AD. Наконец, обогащенный анализ Кунбу и Махуанга показал, что они могут выступать в качестве терапевтических кандидатов на предмет гендерной специфичности болезни Альцгеймера.

Introduction

Болезнь Альцгеймера (БА) — это глобальное заболевание с высокой заболеваемостью, на долю которого приходится 60%-80% деменции1. Несмотря на высокую распространенность, механистический патогенез БА четко не очерчен, и до настоящего времени не существовало эффективных методов лечения2. Основными патологиями при БА были выявлены атрофия нейронов и накопление патологического мусора, в основном ассоциированного с микротрубочками белка Tau и β-амилоида (Aβ)3,4. Патогенез БА связан с аномальной аутофагией, окислительным стрессом, митохондриальной дисфункцией, воспалением и нарушением энергетического обмена5. Обследования распространенности показали, что две трети пациентов с болезнью Альцгеймера составляли женщины6. Половые различия при БА существуют в этиологии, клинических проявлениях, профилактике и лечении. Таким образом, выявление биологического механизма, вызывающего половые различия при болезни Альцгеймера, и нацеливание на традиционную китайскую медицину (ТКМ) потенциально может обеспечить более всестороннюю теоретическую основу для понимания патогенеза болезни Альцгеймера и дальнейшего руководства точной стратегией лечения.

Нейроглиальные клетки, особенно микроглии, астроциты и олигодендроциты, потенциально вносят свой вклад в патогенез БА. При БА микроглия активируется и генетически изменяется, что способствует воспалительной реакции, фагоцитозу и клиренсу Aβ 7,8; астроциты генетически изменены, что влияет на синаптическую активность, ионный гомеостаз, энергетический и липидный обмен9; Олигодендроциты генетически изменены с учетом половой специфичности, что способствует потере нейронов, нейрофибриллярным клубкам и поражениям белого вещества10,11.

В этом исследовании мы использовали секвенирование одноядерных РНК (snRNA-seq) в качестве превосходного метода. По сравнению с секвенированием РНК одиночных клеток (scRNA-seq), snRNA-seq имеет преимущества с точки зрения богатства образцов, целостности типа клеток и надежности данных12,13. SnRNA-seq широко используется в исследованиях, посвященных болезни Альцгеймера и изучающим роль глиальных клеток 14,15,16. Его широкое применение в этих областях исследований подчеркивает его эффективность в получении ценной информации о транскрипционных характеристиках глиальных клеток при болезни Альцгеймера. Используя преимущества snRNA-seq, исследователи смогли раскрыть важную информацию об участии глиальных клеток в патологии болезни Альцгеймера и определить потенциальные терапевтические мишени. Чтобы изучить специфичные для пола нейроглиальные транскрипционные характеристики при БА и потенциальные ТКМ для половой специфичности БА, в этом исследовании были проанализированы данные snRNA-seq из лобной коры пациентов с БА из общедоступной базы данных NCBI GEO. Специфичные для пола дифференциально экспрессируемые гены (DEGs), онтология генов (GO), Киотская энциклопедия генов и геномов (KEGG), сеть белок-белковых взаимодействий (PPI) и сеть ген-TF-miRNA дополнительно анализируются для выявления ключевых биомаркеров и потенциального патогенеза. Наконец, были предложены потенциальные ТКМ, а их активные ингредиенты были отображены в виде таблиц путем поиска в базах данных Coremine Medical, TCMIP и TCMSP.

Protocol

Шаги со 2 по 9 анализа были реализованы с использованием программного обеспечения R (см. Дополнительный рисунок 1 и Дополнительный файл 1), в то время как остальные шаги были выполнены на онлайн-платформах. Подробная информация о базах данных, используемых в этом протоко?…

Representative Results

SnRNA-seq анализ профилей фронтального глиального транскриптома и аннотация типов клетокВсего было получено 220 095 ядер и 32 077 генов в лобной коре 17 мужчин с БА и 17 женщин с БА (рис. 1А). График UMAP визуализировал общее количество одноядерных фронтальных транскриптомо…

Discussion

Гендерная специфичность была выявлена в эпидемиологии, патологии и клинических проявленияхБА 19. Здесь мы подтвердили потенциальный патологический механизм «ось гормон-синапс-нейрон» из гендерно-специфических глиальных генов и связанных с ними путей у пациентов с болезн…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Авторы выражают благодарность Джессике С. Садик, Майклу Р. О’Ди, Филипу Хейзелу и т. д. за предоставление GSE167490 набора данных. Авторы ценят то, что Фатен А Сайед, Лэй Кодама, Ли Фань и т.д. предлагают GSE183068 набор данных. Авторы благодарят Шуцин Лю за помощь в анализе данных и Вэнь Яна за предоставление платформы для анализа данных. Это исследование было поддержано Национальным фондом естественных наук Китая (82174511), Университетом традиционной китайской медицины Чэнду Apricot Grove Scholars, Программой повышения квалификации талантов в области дисциплин (QJJJ2022001), Программой возрождения талантов Ляонин (XLYC 1807083), Фондом китайской медицины и трав Сычуаньского административного бюро (2023MS578), Национальным проектом обучения инновациям и предпринимательству для студентов (202310633003X) и Инновационными темами научно-исследовательской практики для студентов колледжа Университета традиционной китайской медицины Чэнду (ky-2023100). Ханьцзе Лю и Хуэй Ян внесли свой вклад в разработку исследования, сбор, интерпретацию данных, составление и редактирование рукописи. Шуцин Лю и Сию Ли участвовали в разработке исследования, сборе данных и составлении рукописи. Вэнь Ян и Анвар Айеша отвечали за сбор и интерпретацию данных. Синь Тан подготовил рисунки и/или таблицы. Цэнь Цзян, И Лю и Лушуан Се задумали исследование и проанализировали/отредактировали рукопись. Все авторы внесли свой вклад в статью и одобрили представленный вариант.

Materials

Database
Coremine Medical database Jointly developed by Norway, the Chinese Academy of Sciences, the Chinese Academy of Medical Sciences, the National Medical Library of the United States and other institutions When you explore concepts in CoreMine Medical you access a database that is structured to relate important concepts, ranked by statistical relevance, to your topic. For example, if you type in "Alzheimer disease," in addition to retrieving documents and resources that discuss the disease, you will be able to view networks and lists that show how your query concept is related to other bio-medical concepts. This provides an overview of concepts that relate to your search as well as being an interface for navigating information on these concepts.
Weblink: https://coremine.com/medical/
Gene Expression Omnibus (GEO) National Center for Biotechnology Information in the United States (NCBI) GEO is a public functional genomics data repository supporting MIAME-compliant data submissions. Array- and sequence-based data are accepted. Tools are provided to help users query and download experiments and curated gene expression profiles.
Weblink: https://www.ncbi.nlm.nih.gov/geo/
Integrative Pharmacology-based Research Platform of Traditional Chinese Medicine (TCMIP, version: 2.0) None Introduction to the Integrated Pharmacology Based Network Computational Research Platform for Traditional Chinese Medicine [TCMIP v2.0], http://www.tcmip.cn/ ) It is an intelligent data mining platform based on the online database of the Encyclopedia of Traditional Chinese Medicine (ETCM), which integrates medical big data management and pharmacological computing services. It aims to reveal the scientific connotation of traditional Chinese medicine theory and the scientific value of original thinking in traditional Chinese medicine, summarize and pass on the experience of famous doctors, control the quality of traditional Chinese medicine, explain the principles of traditional Chinese medicine action, research and development of new Chinese medicine, especially the discovery and optimization of modern drug combinations, Provide a strong data foundation and analytical tools. Based on TCMIP v1.0, a comprehensive upgrade is implemented, including five major databases and seven functional modules. Through system integration and module integration, a comprehensive analysis of the multi-level correlation of the "disease syndrome prescription" interaction network can be quickly achieved. As an intelligent data mining platform, TCMIP v2.0 will provide a strong data foundation and analysis platform for revealing the scientific connotation of traditional Chinese medicine theory and the scientific value of original thinking in traditional Chinese medicine, summarizing and inheriting the experience of famous doctors, quality control of traditional Chinese medicine, elucidating the principles of traditional Chinese medicine action, research and development of new traditional Chinese medicine drugs, especially modern drug combination discovery and optimization.
Weblink: http://www.tcmip.cn/TCMIP 
NetworkAnalyst None Networkanalyze is an online visualization analysis platform for gene expression analysis and meta-analysis. It can perform comparative, quantitative, differential and enrichment analysis of gene expression, protein-protein interaction analysis, integration analysis of multiple datasets, and can also draw high-value images such as PCA, protein-protein interaction network diagram, heatmap, volcano diagram, Wayne diagram, etc.
Weblink: https://www.networkanalyst.ca/NetworkAnalyst/
PubMed database National Center for Biotechnology Information in the United States (NCBI) The Pubmed database is a biomedical literature database maintained by the National Library of Medicine (NLM) in the United States, aimed at providing the latest medical research results to scientists, doctors, researchers, and students worldwide. This database collects biomedical literature from around the world, including journal articles, papers, books, etc. As of now, the Pubmed database has collected over 30 million articles and is continuously updated every week.
Weblink: https://pubmed.ncbi.nlm.nih.gov/
R software Ross Ihaka and Robert Gentleman R is a language and environment for statistical computing and graphics. It is a GNU project which is similar to the S language and environment which was developed at Bell Laboratories (formerly AT&T, now Lucent Technologies) by John Chambers and colleagues. R can be considered as a different implementation of S. There are
some important differences, but much code written for S runs unaltered under R.
Weblink: https://www.r-project.org/
STRING database (STRING, version 11.0)  Swiss Institute of Bioinformatics STRING is a database of known and predicted protein interactions. The interactions include direct (physical) and indirect (functional) associations
Weblink: https://string-db.org/
Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform (TCMSP) Zhejiang Jiuwei Health Co., Ltd TCMSP is not only a data repository, but also an analysis platform for users to comprehensively study Traditional Chinese Medicines (TCM): including identification of active components, screening of drug targets and generation of compounds-targets-diseases networks, as well as the detailed drug pharmacokinetic information involving drug-likeness (DL), oral bioavailability (OB), blood-brain barrier (BBB),intestinal epithelial permeability (Caco-2), ALogP,fractional negative surface area (FASA-) and number of  H-bond donor/acceptor  (Hdon/Hacc). So far, TCMSP has attracted broad attentions and several groups have published more than 10 papers by using our TCMSP database within about one year.
Weblink: https://tcmsp-e.com

References

  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).

Play Video

Cite This Article
Liu, H., Yang, H., Liu, S., Li, S., Yang, W., Ayesha, A., Tan, X., Jiang, C., Liu, Y., Xie, L. Biomarker Identification for Gender Specificity of Alzheimer’s Disease Based on the Glial Transcriptome Profiles. J. Vis. Exp. (207), e66552, doi:10.3791/66552 (2024).

View Video