Regulační síť MiRNA–mRNA je spojena s odpovědí na transplantaci při akutním poškození ledvin
Mar 21, 2022
Duan Guo1,2†, Yu Fan3†, Ji-Rong Yue4*a Tao Lin3*
Kontakt:joanna.jia@wecistanche.com
Abstraktní
Pozadí:Akutníledvinazranění(AKI) je život ohrožující komplikace charakterizovaná rychlým poklesem renálních funkcí, ke kterému často dochází po transplantačních operacích. Molekulární mechanismus, který je základem vývoje posttransplantačního (post-Tx) AKI, však stále zůstává neznámý. Rostoucí počet studií prokázal, že určité mikroRNA (miRNA) mají zásadní funkce v AKI. Tato studie se snažila objasnit molekulární mechanismy v post-Tx AKI vytvořením regulační sítě miRNA–mRNA.
Výsledek:Na základě dvou souborů dat (GSE53771 a GSE53769) byly identifikovány tři klíčové moduly, které obsahovaly 55 mRNA, 76 mRNA a 151 miRNA, provedením analýzy vážené genové koexpresní sítě (WGCNA). Mysl IP v4.1 byla použita k predikci interakcí klíčových modulových mRNA a miRNA a páry miRNA–mRNA se spolehlivostí více než 0.2 byly vybrány pro konstrukci regulační sítě miRNA–mRNA pomocí Cytoscape . Síť miRNA–mRNA se skládala z 82 uzlů (48 mRNA a 34 miRNA) a 125 hran. Dvě miRNA (miR-203a-3pa miR-205-5p) a ERBB4 s vyšším stupněm uzlu ve srovnání s jinými uzly mohou hrát ústřední roli v post-Tx AKI. Kromě toho analýza dráhy genové ontologie (GO) a Kjótské encyklopedie genů a genomů (KEGG) ukázala, že tato síť byla zapojena především doledvina-/funkce související s ledvinami a signální dráhy PI3K–Akt/HIF-1/Ras/MAPK.
Závěr:Postavili jsme regulační síť miRNA–mRNA, abychom poskytli nové poznatky o vývoji post-Tx AKI, což by mohlo pomoci objevit nové biomarkery nebo terapeutické léky pro zvýšení schopnosti včasné predikce a intervence a snížení úmrtnosti AKI po transplantaci.
klíčová slova: Akutníledvinazranění, Transplantace ledvin, WGCNA, síť miRNA–mRNA
cistanche propiedadesproledvina
Pozadí
Jako typ klinicky kritického onemocnění s rychlou ztrátou funkce ledvin a vysokou mortalitou,akutníledvinazranění(AKI) se běžně vyskytuje u příjemců transplantátu, což může vést k selhání transplantace a smrti [1]. Včasná diagnostika a léčba jsou zásadní pro zlepšení prognózy pacientů s AKI, ale v současné době jim brání nedostatek specifických indikátorů pro včasnou predikci, odstupňované hodnocení a sledování léčebného účinku. Vzhledem k tomu, že AKI je nejčastějším kritickým onemocněním v multidisciplinárních oborech, bylo v posledních desetiletích hlášeno narůstající množství studií o AKI [2–4]. Patogeneze AKI je však stále nejasná.
MikroRNA (miRNA) je druh malé nekódující RNA obsahující přibližně 22 nukleotidů, která se může vázat na 3′-UTR cílových mRNA na post-transkripční úrovni a vykonávat různé důležité fyziologické a patofyziologické funkce v buňkách [5 ]. Bylo oznámeno, že miRNA jsou schopny regulovat různé savčí mRNA [6], zatímco jediná mRNA by mohla být cílena velkou skupinou miRNA, což ukazuje, že role miRNA v genové regulaci by měla být interpretována komplexními sítěmi [7]. V posledních letech se počet studií zaměřených na síť mRNA–miRNA exponenciálně zvýšil, protože se předpokládá, že pomáhá odhalit molekulární mechanismus různých onemocnění, mezi které patří neuroblastom [8], diabetes 2. typu [9] a spontánní intracerebrální krvácení [10]. Nedávné studie zjistily, že změny v expresi mRNA a miRNA by ovlivnily proliferaci a apoptózu renálních buněk, které souvisí s výskytem a rozvojem AKI [11, 12]. Nicméně je publikováno jen málo údajů o potenciální síti mRNA a miRNA v AKI po transplantaci.
V éře precizní medicíny mohou vysoce výkonná sekvenační data v kombinaci s účinnou bioinformatickou analýzou identifikovat potenciální cílové geny a mechanismy, které přispívají k pokroku AKI. Síťová analýza vážené genové koexprese (WGCNA) je metoda široce používaná k nalezení hlavních regulátorů onemocnění, protože má schopnost shlukovat geny s podobnými expresními vzory do modulů (kde se běžně vyskytují regulátory jádra) a analyzovat vztah. mezi moduly a specifickými rysy nebo fenotypy [13]. V nově publikované studii cervikální intraepiteliální neoplazie (CIN) byla provedena WGCNA k identifikaci šesti modulů souvisejících s onemocněním, z nichž bylo vyšetřeno 31 kandidátních hub genů pro léčbu CIN [14]. Bioinformatická analýza nejen zlepšuje efektivitu výzkumu biologických funkcí, ale také poskytuje spolehlivé informace pro zkoumání molekulárních mechanismů [15, 16]. Na základě velkých datových souborů profilů exprese mRNA a miRNA u stejného pacienta by prozkoumání regulační sítě miRNA–mRNA mohlo pomoci objasnit molekulární mechanismy onemocnění [17, 18].
V této studii byly expresní datové soubory GSE53769 (mRNA) a GSE53771 (miRNA) v tomto pořadí podrobeny WGCNA k identifikaci klíčových modulů spojených s post-Tx AKI. Dále byla zkonstruována regulační síť miRNA–mRNA, aby objasnila epigenetické mechanismy, které jsou základem progrese post-Tx AKI, a tím poskytly možný směr pro budoucí klinický výzkum.
Výsledek
Identifikace klíčových modulů souvisejících s post-Tx AKI na základě datové sady GSE53769
Podle Pearsonových korelačních a průměrných vazebných algoritmů bylo seskupeno 36 vzorků a dendrogram vzorku a teplotní mapa vlastností jsou znázorněny na obr. 1a; zjistili jsme, že GSM1300317 (která patří do skupiny post-Tx PBX) byla klastrována samostatně a může být potenciální odlehlou hodnotou. Proto byl použit graf at-SNE (t-distributed stochastic soused embedding), aby se zajistilo, že tento vzorek neovlivní následné analýzy. Jak je znázorněno v Dodatečném souboru 2: Obrázek S2, po zmenšení rozměru nedošlo k žádné zjevné odlehlé hodnotě, a proto jsme pokračovali s WGCNA. Jak je znázorněno na obr. 1b, síla měkkého prahu 9 byla zvolena tak, aby byl zaručen charakter sítě koexprese genů bez měřítka (obr. 1b). Histogram síťové konektivity a odpovídající log-log graf jsou uvedeny v doplňkovém souboru 3: Obrázek S3A-B; R2 bylo 0,89, což ukazuje, že byla splněna přibližná topologie bez měřítka. Podrobné informace o indexech měkkého prahu ft včetně k, R2 a přizpůsobeného R2 jsou uvedeny v doplňkovém souboru 10: Tabulka S1. Deset genů s podobnými expresními vzory bylo rozděleno do modulů pomocí průměrného hierarchického shlukování (obr. 1c). Pro lepší rozlišení modulů s různými výrazovými vzory byly každému modulu přiděleny různé barvy. Jak je znázorněno na obr. 1d, byl zkonstruován dendrogram shlukování modulů, který generoval celkem 18 modulů. Šedý modul obsahoval geny, které nelze přiřadit k ostatním 17 modulům. Teplotní mapa popisující korelaci mezi klinickými znaky a moduly je znázorněna na obr. 1e. Mezi těmito moduly vykazoval černý modul nejvyšší kladnou korelaci s post-Tx AKI (P=0.002, R=0.5), zatímco tan modul vykazoval nejsilnější negativní korelaci s post-Tx AKI (P=4e−05, R= −0,63). Tyto dva moduly byly tedy vybrány jako klíčové moduly. Přiřazení mRNA v modulech black and tan jsou uvedeny v doplňkovém souboru 11: Tabulka S2.
Síť gen-gen a analýza funkčního obohacení v modulech black and tan
Jak ukazuje obr. 2a, korelační koeficient členství v modulu (MM) vs. genová významnost (GS) v černém modulu byl 0,57 s P=5,5e−38. V černém modulu bylo identifikováno celkem 14 hub genů, které zahrnovaly CLIC5, PCOLCE2, NDNF, ESRP1, ENPEP, RASAL2, SLIT2, PSAT1, NOX4, GDA, CNTN3, CFAPP221, CA2 a ZNF311 (obr. 2b). Deset, analýza obohacení GO a KEGG dráhy byla provedena na genech v černém modulu. Jak je znázorněno na obr. 2c, zjistili jsme, že nejvíce obohacené termíny GO v kategorii biologického procesu (GO-BP) bylyledvinavývoj, vývoj renálního systému a regulace kaskády ERK1/2. Nejvíce obohacenými GO termíny v ostatních kategoriích (GO-CC a GO-MF) byly apikální část vazby buňky a buněčné adhezní molekuly (obr. 2d, e). Pro analýzu KEGG dráhy byly tyto geny obohaceny hlavně o signální dráhy MAPK a signální dráhy Raq1 (obr. 2f).
The genes of the tan module underwent the same analysis. Te scatter plots of MM versus GS in the tan module (cor=0.6, P=4.2e−18) are shown in Fig. 3a. The gene-gene network centered on hub genes in this module is depicted in Fig. 3b. As we can see, the tan module contained 12 hub genes including DMXL1, MAF, GPHN, MYOF, CDK14, and QDPR. The functional annotation of genes in the tan module is depicted in Fig. 3c–f, indicating that the black module genes were primarily enriched in functions of the coenzyme metabolic process, the extrinsic component of the plasma membrane, and coenzyme binding, as well as pathways of folate (FA) biosynthesis. Detailed information of differentially expressed genes (defined by log2 fold change>0.1 a p-hodnota<0.05 when="" comparing="" their="" expression="" in="" post-tx="" aki="" group="" to="" that="" in="" zero-hour="" aki="" group)="" in="" black="" module="" and="" the="" tan="" module="" is="" provided="" in="" additional="" file="" 4:="" figure="" s4="" and="" additional="" file="" 5:="" figure="" s5,="">
Identifikace klíčových modulů souvisejících s post-Tx AKI na základě datové sady GSE53771
Abychom prozkoumali role miRNA v post-Tx AKI, provedli jsme také WGCNA pro miRNA na základě datového souboru GSE53771. Konstrukční kroky koexpresní sítě pro miRNA byly podobné jako u mRNA. Vzorový dendrogram a teplotní mapa rysů jsou zobrazeny na obr. 4a. Pro zajištění sítě bez měřítka byl výkon měkkého prahu nastaven na 6 (obr. 4b). Histogram síťové konektivity a odpovídající log-log graf jsou uvedeny v doplňkovém souboru 3: Obrázek S3C-D; R2 bylo 0.98, což znamená, že byla splněna přibližná topologie bez měřítka. Podrobné informace o soft-threshold ft indexech včetně k, R2 a přizpůsobeného R2 jsou uvedeny v doplňkovém souboru 10: Tabulka S1. Byly identifikovány celkem tři moduly miRNA, které byly na sobě nezávislé (obr. 4c, d). Deset, byla analyzována korelace modulů miRNA s klinickými znaky a výsledek ukázal, že modrý modul miRNA byl jediným modulem významně korelujícím s post-Tx AKI (P=0.003, R= − 0,36) (obr. 4e). Proto byl modrý modul miRNA, který se skládal ze 76 miRNA, vybrán jako klíčový modul miRNA pro následnou analýzu. Podrobné informace o těchto miRNA jsou uvedeny v doplňkovém souboru 11: Tabulka S2.
Síť MiRNA–miRNA a analýza funkčního obohacení v modulu modré miRNA
Jak je znázorněno na obr. 5a, korelační koeficient MM versus GS v modrém modulu miRNA byl 0.32 s P=5.8e−5. Interakční síť modulových miRNA ukázala, že v modrém miRNA modulu bylo identifikováno 17 hub miRNA (obr. 5b). K dalšímu prozkoumání biologických rolí miRNA v tomto modulu byly cílové geny těchto miRNA použity k provedení analýzy funkčního obohacení. Výsledky anotace funkce jsou uvedeny na obr. 5c–e, což naznačuje, že miRNA modrého modulu miRNA byly významně spojeny s GO termíny transdukce zprostředkované malou GTPázou, vývojem žlázy, aktivitou koregulátoru transkripce a spojením adherentů, stejně jako KEGG položky signální dráhy MAPK a infekce virem lidské T-buněčné leukémie 1.
Detailed information of differentially expressed miRNAs (defined by log2 fold change>0.1 a p-hodnota<0.05 when="" comparing="" their="" expression="" in="" post-tx="" aki="" group="" to="" that="" in="" zero-hour="" aki="" group)="" in="" the="" blue="" module="" is="" provided="" in="" additional="" file="" 6:="" figure="">
Ošiditkonstrukce z regulační miRNA–mRNA síť in poSvatý-Tx AKI
Geny a miRNA, které tvořily klíčové moduly a klíčový modul miRNA, byly použity k vytvoření regulační sítě miRNA–mRNA. Celkem 1048 predikovaných párů miRNA–mRNA ve třídě vysoké spolehlivosti bylo získáno z miRDIP v4.1 a použito ke konstrukci sítě pomocí Cytoscape (Dodatečný soubor 7: Obrázek S7). Funkční anotace mRNA v této síti je znázorněna v doplňkovém souboru 8: Obrázek S8, který ukazuje, že tyto mRNA se podílely hlavně na adhezi buňka-substrát, vývoji urogenitálního systému, vazbě heparinu, vazbě kolagenu, signální dráze AGE-RAGE u diabetiků komplikace, stejně jako signální dráhu PI3K–Akt. Poté, abychom získali síť, která může hrát klíčové role v patogenezi post-Tx AKI, vybrali jsme páry miRNA–mRNA s jistotou více než 0.2, abychom vytvořili regulační síť miRNA–mRNA (obr. 6). Regulační síť miRNA–mRNA se skládala z 82 uzlů (48 mRNA a 34 miRNA) a 125 hran. Po analýze sítě jsme našli miR-203a-3p, miR-205-5p a ERBB4 s vyššími stupni uzlů ve srovnání s ostatními uzly a podrobnosti o kvantifikaci jsou uvedeny v dalším souboru 12 : Tabulka S3. Deset funkčních analýz odhalilo, že celkem 48 mRNA bylo obohaceno hlavně o GO z hlediska morfogeneze epiteliální trubice, vývoje nefronu, vývoje urogenitálního systému a transmembránové receptorové proteinkinázy (obr. 7a–c). Nebyly zde žádné významně obohacené KEGG dráhy, protože jejich p-hodnoty byly vyšší než 0,05 (obr. 7d). Pro křížovou validaci jsme porovnali naše aktuální výsledky získané z databáze miRDIP s výsledky z databáze miRNet. Celkem bylo po minutě identifikováno 75 699 párů miRNA–mRNA a mezi výsledky databáze miRNet a databáze miRDIP došlo k průniku 117 párů miRNA–mRNA; odpovídající regulační síť je zobrazena v doplňkovém souboru 9: Obrázek S9B. Analýzy obohacení 117 párů miRNA–mRNA ukázaly, že se převážně podílely na negativní regulaci organizace buněčné složky, odpovědi na organickou látku v kategorii GO-BP; komplex eukaryotického translačního iniciačního faktoru 4F a jaderné těleso v kategorii GO-CC; Aktivita SNAP receptoru, vazba proteinového komplexu, aktivita proteinové tyrosinfosfatázy v kategorii GO-MF, stejně jako KEGG dráhy spojené se signalizací karcinomu ledvin, signalizací prolaktinu a reakcí na oxidativní stres zprostředkovanou NFR2-. Vzhledem k tomu, že výše uvedené výsledky funkčního obohacení byly založeny na párech miRNA–mRNA předpovídaných databázemi miRNet i miRDIP, mohly by být více reprezentativní pro epigenetické mechanismy, které jsou základem post-Tx AKI.
Diskuse
Post-Tx AKI je častou komplikací po transplantační operaci, která se vyznačuje rychlým poklesem renálních funkcí a vysokou mortalitou [19]. Uchopení nejlepší doby pro včasnou diagnostiku a intervenci post-Tx AKI je náročné kvůli nedostatku specifických indikátorů pro včasnou předpověď, hodnocení a monitorování účinnosti. Pro překonání těchto problémů je zásadní prozkoumání patomechanismů a potenciálních biomarkerů post-Tx AKI. V roce 2014 Wilfingseder et al. provedli mikročipovou analýzu miRNA a mRNA na základě bioptického vzorku ledvinového transplantátu s AKI a dále identifikovali molekulární podpis specifický pro AKI pomocí analýzy diferenciální genové exprese (DEA) [20]. DEA však může snadno vyloučit některé důležité geny, jejichž úroveň exprese se mění jen málo, ale hrají zásadní roli v onemocněních. Kromě toho je obtížné potvrdit, zda odlišně exprimované mRNA a miRNA v post-Tx biopsii mezi kontrolou a AKI souvisely s post-Tx AKI kvůli skutečnosti, že Tx by také mohl vést k abnormální expresi některých genů. Rostoucí studie prokázaly, že iniciaci a progresi všech onemocnění nelze regulovat několika geny, spíše sítí vícenásobných RNA [21, 22]. Vybudování regulační sítě RNA by tedy mohlo být slibnou strategií pro pochopení vývoje onemocnění a zavedení nové terapie [23]. Jako robustní bioinformatický přístup má WGCNA schopnost zlepšit jednoduché korelační sítě kvantifikací korelací mezi jednotlivými páry genů, stejně jako rozsah, v jakém tyto geny sdílejí stejné sousedy [24]. WGCNA zahrnuje nejen odlišně exprimované geny, ale také geny, které nejsou významně odlišně exprimovány, ale jsou stále klíčovým mediátorem určitých klinických znaků. V posledních letech byla WGCNA aplikována u širokého spektra lidí
výzkumy onemocnění za účelem screeningu biomarkerů a objasnění molekulárních mechanismů, které jsou základem vývoje onemocnění [25, 26].
V současné studii, na základě datových sad mRNA a miRNA microarray, byly pomocí WGCNA identifikovány tři moduly, které významně korelovaly s AKI po transplantaci. Modul Te tan obsahující 55 mRNA vykazoval významně negativní korelaci s post-Tx AKI. Mnoho studií uvádí, že vysoká koncentrace FA může způsobit akutní tubulární nekrózu jako tvorbu krystalů FA v renálních tubulech, což vede k selhání ledvin [27, 28]. Te mRNA v modulu tan byly zapojeny hlavně do dráhy biosyntézy FA, což naznačuje, že tato dráha odpovídá za vývoj post-Tx AKI. Dále, jako modul nejpozitivněji související s post-Tx AKI, se černý modul skládal z 80 mRNA. Je pozoruhodné, že nejvíce obohacené položky mRNA černého modulu v analýze GO souvisely hlavně s renálními funkcemi, jako je např.ledvinavývoj a vývoj nefronů, což potvrzuje vysokou korelaci tohoto modulu s post-Tx AKI. Předchozí studie ukázala, že kaskáda kinázy regulované extracelulárním signálem (ERK) hraje zásadní roli v aktivaci kompenzačních opravných mechanismů běhemledvinazranění[29]. Naše studie ukázala, že mRNA černého modulu byly také významně obohaceny o funkce kaskády ERK1/2. Kromě toho výsledky analýzy KEGG dráhy ukázaly, že tyto mRNA úzce souvisely se signální dráhou MAPK a signální dráhou Ras. Je z velké části zdokumentováno, že dráha MAPK hraje klíčovou roli v AKI regulací zánětu ledvin, tubulárního poškození a buněčné smrti [30–32]. Všeobecně se uznává, že dráha MAPK/ERK je downstream signální molekulou v signální dráze Ras [33]. Výše uvedené výsledky odhalily, že abnormální exprese některých genů má za následek AKI regulací biosyntézy FA, signální dráhy MAPK a signální dráhy Ras k ovlivnění vývoje ledvin poledvinatransplantace.
Rostoucí experimentální důkazy potvrdily, že určité miRNA mají kritickou roli v detekci, progresi a intervenci AKI [34]. Amrouche a kol. prokázali, že miR-146a má důležitou roli v renální tubulární odpovědi, jejíž upregulace by mohla omezit rozvoj AKI [35]. Předchozí studie prokázala, že miR-21 v moči by mohl být použit jako biomarker pro predikci vývoje AKI po kardiochirurgickém výkonu [36]. Jako jediný modul miRNA významně spojený s post-Tx AKI v této studii, modrý modul miRNA obsahující 151 miRNA negativně koreloval s post-Tx AKI. Bylo široce uznáváno, že miRNA mohou regulovat expresi svých downstream cílových genů pro vykonávání biologických funkcí. V souladu s tím jsme předpověděli cíle těchto miRNA pomocí "miRNAtap" a "multiMiR" k provedení funkční anotace. Je třeba poznamenat, že cíle miRNA klíčového modulu byly také hlavně obohaceny o signální dráhu MAPK, což dále potvrdilo zásadní roli dráhy MAPK v procesu post-Tx AKI.
Navíc je nutné identifikovat regulační síť miRNA–mRNA, která se potenciálně podílí na patogenezi post-Tx AKI, protože ani geny ani miRNA nemohou nezávisle regulovat vývoj post-Tx AKI. Většina předchozích studií se zaměřila výhradně na miRNA nebo geny, aby objasnila mechanismus AKI. Pomocí bioinformatických nástrojů jsme nakonec vytvořili regulační miRNA–mRNA síť post-Tx AKI, která se skládala z 48 mRNA a 34 miR NA. Mezi těmito 82 uzly vykazovaly miR-203a-3p, miR-205-5p a ERBB4 vysoké stupně a mohly být centrálními uzly v síti. Účinky miR-205-5p na onemocnění ledvin byly zkoumány již dříve. Schena a kol. uvedli, že hladina exprese miR-205-5p významně a pozitivně korelovala se závažností renálního karcinomu a hypertenzní nefrosklerózy [37]. Experimentální studie, kterou provedl Sessa a jeho kolegové, navrhla, že miR-205-5p by mohl být molekulárním biomarkerem poškození ledvin [38]. Několik studií zkoumalo roli miR-203a-3p a ERBB4 při vývoji AKI. Je zdokumentováno, že ERBB4 by mohl zmírnit oxidační poškození starých mezenchymálních kmenových buněk snížením hladin reaktivních forem kyslíku (ROS) [39]. Je dobře známo, že všechny transplantované orgány prodělají po transplantaci určitý stupeň ischemicko-reperfuzního poškození zprostředkovaného vysokou úrovní ROS a potenciálně se vyvinou do AKI. Spekulovali jsme, že ERBB4 také vykonává funkci regulace úrovní ROS při vývoji post-Tx AKI. Analýza obohacení Te GO mRNA v této síti ukázala, že tyto mRNA byly obohaceny o několik funkcí relevantních pro vývoj ledvin. Kromě toho analýza obohacení KEGG ukázala, že tato síť byla zapojena hlavně do řady drah, které byly dobře studovány, jako je signální dráha PI3K–Akt, signální dráha HIF{24}}, signální dráha Ras a signální dráha MAPK. U většiny těchto cest byla prokázána klíčová role v AKI [30, 40, 41]. Tyto výsledky ukázaly, že naše analýza byla provedena správně.
Celkově vzato, naše studie poprvé využila WGCNA v kombinaci s analýzou miRDIP v4.1 ke komplexní identifikaci nejpravděpodobnějších interakcí a konstrukci regulační sítě miRNA-mRNA spojené s transplantační reakcí v AKI, která poskytla předběžný rámec a některé nové vhled pro objasnění molekulárního mechanismu vývoje post-Tx AKI. Přesto je třeba zmínit některá omezení této studie. Za prvé, do této studie bylo zařazeno pouze osm vzorků z biopsie AKI po Tx, což nestačilo k vyvození zcela věrohodných závěrů. Za druhé, regulační síť miRNA–mRNA vyžaduje další studie v klinických a molekulárně biologických experimentech pro ověření. Protože je těžké najít kvalifikovaná data, nebyly zahrnuty další typy RNA, jako jsou dlouhé nekódující RNA (lncRNA) a kruhové RNA (circRNA), což může být nevýhodou v komplexním objasnění mechanismu, který je základem post-Tx AKI. rozvoj.
Přínos cistanche na funkci ledvin
Závěry
Nejprve jsme úspěšně zkonstruovali regulační miRNA–mRNA síť spojenou s post-Tx AKI pomocí bioinformatické analýzy. Výsledky ukázaly, že dvě miRNA (miR-203a-3pa miR-205-5p) a ERBB4 mohou hrát ústřední roli v post-Tx AKI a biologických funkcí regulační miRNA –síť mRNA byla obohacena o funkce související s ledvinami/ledvinami a signální dráhy PI3K–Akt/HIF-1/Ras/MAPK. Tato studie poskytuje komplexní pohled na regulační sítě pro lepší pochopení molekulárního mechanismu v post-Tx AKI. Doufáme, že současná studie bude přínosem pro objevování nových biomarkerů nebo terapeutických léků pro zvýšení schopnosti včasné predikce a intervence a snížení úmrtnosti AKI po transplantaci.
Metody
Návrh studie a sběr dat
Celkový návrh této studie je uveden v doplňkovém souboru 1: Obrázek S1. Všechna vhodná data microarray byla stažena z databáze Gene Expression Omnibus (GEO) (http://www.ncbi.nlm.nih.gov/geo/). Datový soubor GSE53769 je soubor dat exprese mRNA, který byl proveden pomocí Affymetrix GeneChip® Human Gene 2.0 ST Array; Datový soubor GSE53771 je datový soubor exprese miRNA, který byl analyzován pomocí Affymetrix GeneChip® miRNA 3.0 Array. Tyto dva soubory dat se skládaly z 18 vzorků biopsie v nulté hodině a 18 vzorků po transplantaci (Tx) od 18 příjemců aloštěpu ledviny (osm s akutní tubulární nekrózou bez rejekce definované jako AKI a deset protokolových biopsií bez patologie (PBX) definovaných jako kontroly) a předložil Wilfingseder a spolupracovníci [20]. Tyto vzorky byly rozděleny do čtyř skupin, jmenovitě nultý AKI, nultý PBX, post-Tx AKI a post-Tx PBX. Tyto dva datové soubory byly použity ke konstrukci koexpresní sítě, pomocí níž mohly být identifikovány klíčové moduly mRNA/miRNA spojené s post-Tx AKI, což umožnilo konstrukci miRNA-mRNA regulační sítě řídící progresi post-Tx AKI. .
Výstavba koexpresních sítí
WGCNA is a widely used method to construct co-expression networks that allow the discovery of gene modules, where coordinated expression patterns of the intra-module genes could be identified and related to external clinical phenotypes. In this way, the search for core disease regulators could be narrowed down and confined to the clinically significant modules [13]. Given the foregoing, WGCNA has greatly improved the efficacy of data mining; therefore, in this study, the R package "WGCNA" was utilized to construct co-expression networks based on the expression profiles of mRNAs and miRNAs, respectively. An optimal soft threshold power β, the minimum power parameter that satisfied the scale-free topology (as manifested by scale-free topology ft index>0.85), bylo poprvé určeno. Dále byla zkonstruována bezškálová koexpresní síť založená na matici sousednosti. Matice sousednosti byla získána pomocí vzorce: Adjacencyk,j=cork, j- , kde k a j odpovídají dvěma libovolným genům a používá se ke zdůraznění silné podobnosti mezi k a j, což zajistilo, že genové páry s nízkou podobností budou při přiřazení modulu vynechány. Deset, matice sousedství byla převedena na topologickou překryvnou matici (TOM). Pomocí měření odlišnosti založeného na TOM byl dendrogram genového stromu vytvořen průměrným hierarchickým shlukováním vazeb a geny s podobnými expresními vzory byly seskupeny do různých modulů (minimální velikost modulu byla nastavena na 30).
cistanche herbaumí léčitledvinachorobazlepšitfunkce ledvin
Identifikace významných korelačních modulů
Modul eigegenes (MEs), které shrnují vzorce genové exprese jako jeden charakteristický profil exprese v rámci daného modulu, byly použity k vyhodnocení potenciální korelace genů s různými vlastnostmi pro stanovení významnosti každého modulu. Genová významnost (GS) představovala korelaci mezi geny a různými klinickými znaky a průměrná GS všech genů v modulu byla definována jako významnost modulu (MS), vyjádřená jako MS {{0}}n-ni{ {2}}GSi (n=počet genů v modulu). Po výpočtu Pearsonovy korelace mezi ME a klinickými znaky byly jako klíčové moduly definovány moduly s nejvyšším pozitivním nebo nejnižším negativním R (korelačním koeficientem) s post-Tx AKI s hraniční hodnotou p-hodnot korelace 0,05. Dodrželi jsme standardní pracovní postup doporučený autory WGCNA [13] a korekce p-hodnoty pro vícenásobné testování nebyla provedena, protože Pearsonův koeficient R a korelační p-hodnota jsou dostatečné pro významný výběr modulu [13]. Intenzita barvy v teplotní mapě ukazovala na sílu korelace. Pro lepší studium klíčového modulu byla analyzována korelace modulových genů a síť interakcí gen-gen byla vizualizována síťovým analyzátorem Cytoscape v3.7.2 [42]. V této síti byly geny s vysokým stupněm, které obsahovaly vysoce propojené uzly v modulu, považovány za geny hub. Tyto hub geny byly detekovány provedením analýzy s pluginem MCODE v Cytoscape.
Regulatory miRNA–mRNA network cnastructina
Pomocí online nástroje miRDIP v4.1 byly získány interakce mezi geny modulu a miRNA. Deset, páry miRNA–mRNA s vysokou spolehlivostí predikce byly vybrány pro konstrukci regulační sítě miRNA–mRNA pomocí Cytoscape v3.7.2. Pro křížové ověření našich výsledků byly interakce miRNA–mRNA také získány z databáze miRNet.
Functinal enrichment analysis
Pro další pochopení potenciálních funkcí identifikovaných genů byla provedena analýza obohacení genové ontologie (GO) a analýza dráhy Kyoto Encyclopedia of Genes and Genomes (KEGG) pomocí R balíčku "cluster roller" [44]; v některých případech (Doplňkový soubor 4: S4A, Doplňkový soubor 5: S5A, Doplňkový soubor 6: S6A a Doplňkový soubor 9: S9C) byla spuštěna funkce TCGAanalyze_ EAcomplete v knihovně TCGAbiolinks. V této studii byly výsledky termínů GO a KEGG drah s Benjamini-Hochberg (BH) upravenýmiP-hodnoty<0.05 were="" considered="" to="" be="" significantly="">
Cistanche tubulosa zabraňuje onemocnění ledvin, kliknutím sem získáte vzorek
rozhodčínces
1. Abu Jawdeh BG, Govil A. Akutní poškození ledvin při transplantaci: diferenciální diagnóza a dopad na zdraví a zdravotní péči. Adv Chronic Kidney Dis. 2017;24(4):228–32.
2. Cooke WR, Hemmilä UK, Craik AL, Mandula CJ, Mvula P, Msusa A, et al. Incidence, etiologie a výsledky akutního poškození ledvin souvisejícího s porodnictvím v Malawi: prospektivní observační studie. BMC Nephrol. 2018;19(1):25.
3. Solé C, Pose E, Solà E, Ginès P. Hepatorenální syndrom v éře akutního poškození ledvin. Játra Int Of J Int Assoc Studie jater. 2018;38(11):1891–901.
4. Ostermann M, Liu K. Patofyziologie AKI. Best Pract Res Clin Anaes‑ the soil. 2017;31(3):305–14.
5. Saliminejad K, Khorram Khorshid HR, Soleymani Fard S, Ghafari SH. Přehled mikroRNA: biologie, funkce, terapeutika a metody analýzy. J Cell Physiol. 2019;234(5):5451–65.
6. Friedman RC, Farh KK, Burge CB, Bartel DP. Většina savčích mRNA jsou konzervované cíle mikroRNA. Genome Res. 2009;19(1):92–105.
7. Pan X, Wenzel A, Jensen LJ, Gorodkin J. Genomová identifikace shluků předpokládaných vazebných míst pro mikroRNA jako kandidátů na houbu mikroRNA. PLoS ONE. 2018;13(8):e0202369.
8. Chen B, Hua Z, Qin X, Li Z. Integrované microarray k identifikaci miRNA miRNA a zkonstruovaná síť miRNA‑ mRNA v neuroblastomu pomocí bioinformatické analýzy. Neurochem Res. 2020.
9. Liu HM, Huang Y, Li L, Zhang Y, Cong X, Wu LL a kol. Profily exprese mikroRNA‑ mRNA a funkční síť submandibulární žlázy u diabetických db/db myší typu 2. Arch Oral Biol. 2020;120:104947.
10. Iwuchukwu I, Nguyen D, Beavers M, Tran V, Sulaiman W, Fannin E, et al. Regulační síť MicroRNA jako biomarkery pozdního záchvatu u pacientů se spontánním intracerebrálním krvácením. Mol Neurobiol. 2020;57(5):2346–57.
11. van Zonneveld AJ, Rabelink TJ, Bijkerk R. miRNA-koordinované sítě jako slibné terapeutické cíle pro akutní poškození ledvin. Am J Pathol. 2017;187(1):20–4.
12. Wu J, Li DD, Li JY, Yin YC, Li PC, Qiu L a kol. Identifikace sítí microRNA‑ mRNA, které se podílejí na poškození renálních tubulárních epiteliálních buněk vyvolaném cisplatinou. Eur J Pharmacol. 2019;851:1–12.
13. Langfelder P, Horvath S. WGCNA: balíček R pro analýzu vážené korelační sítě. BMC Bioinform. 2008;9:559.
14. Zhang X, Bai J, Yuan C, Long L, Zheng Z, Wang Q a kol. Bioinformatická analýza a identifikace potenciálních genů souvisejících s patogenezí cervikální intraepiteliální neoplazie. J Rakovina. 2020;11(8):2150–7.
15. Li J, Lu L, Zhang YH, Xu Y, Liu M, Feng K a kol. Identifikace signatur exprese leukemických kmenových buněk prostřednictvím strategie výběru funkcí Monte Carlo a podpůrného vektorového stroje. Cancer Gene Ther. 2020;27(1–2):56–69.
16. Pan X, Zeng T, Yuan F, Zhang YH, Chen L, Zhu L a kol. Screening metylační signatury a genových funkcí spojených s podtypy gliomů s mutací isocitrátdehydrogenázy. Přední Bioeng Biotechnol. 2019; 7:339.
17. Shen M, Song Z, Wang JH. Profily mikroRNA a mRNA v amygdale jsou spojeny se stresem vyvolanou depresí a odolností u juvenilních myší. Psychofarmakologie. 2019;236(7):2119–42.
18. An T, Song Z, Wang JH. Molekulární mechanismus léčby odměny zlepšující chronické stresem vyvolané depresivní chování hodnocené sekvenováním miRNA a mRNA v mediálním prefrontálním kortexu. Biochem Biophys Res Commun. 2020;528(3):520–7.
19. Zuk A, Bonventre JV. Akutní poškození ledvin. Annu Rev Med. 2016;67:293–307.
20. Wilfingseder J, Sunzenauer J, Toronyi E, Heinzel A, Kainz A, Mayer B a kol. Molekulární patogeneze potransplantačního akutního poškození ledvin: hodnocení celogenomových profilů mRNA a miRNA. PLoS ONE. 2014;9(8):e104164‑e.
