Регулаторна мрежа на miRNA-mRNA е свързана с реакцията на трансплантация при остро бъбречно увреждане
Mar 21, 2022
Дуан Гуо1,2†, Ю Фан3†, Ji‑Rong Yue4*и Тао Лин3*
Контакт:joanna.jia@wecistanche.com
Резюме
Заден план:остърбъбрекнараняване(AKI) е животозастрашаващо усложнение, характеризиращо се с бързо намаляване на бъбречната функция, което често се случва след трансплантационна операция. Въпреки това, молекулярният механизъм, лежащ в основата на развитието на посттрансплантационна (пост-Tx) AKI, все още остава неизвестен. Все по-голям брой проучвания показват, че определени микроРНК (miRNA) упражняват решаващи функции при AKI. Настоящото проучване се стреми да изясни молекулярните механизми в пост-Tx AKI чрез конструиране на регулаторна miRNA-mRNA мрежа.
Резултати:Въз основа на два набора от данни (GSE53771 и GSE53769), три ключови модула, които съдържат 55 mRNAs, 76 mRNAs и 151 miRNAs, бяха идентифицирани чрез извършване на претеглен генен ко-експресионен мрежов анализ (WGCNA). IP на ума v4.1 беше приложен за предсказване на взаимодействията на ключови модулни иРНК и миРНК, а двойките miRNA–mRNA с увереност от повече от 0.2 бяха избрани за изграждане на регулаторна miRNA–mRNA мрежа от Cytoscape . Мрежата miRNA-mRNA се състои от 82 възли (48 mRNA и 34 miRNA) и 125 ръба. Две miRNAs (miR-203a-3p и miR-205-5p) и ERBB4 с по-високи степени на възли в сравнение с други възли може да играят централна роля в пост-Tx AKI. В допълнение, анализът на пътя на генната онтология (GO) и Енциклопедията на гените и геномите в Киото (KEGG) показва, че тази мрежа е участвала главно вбъбрек-/свързани с бъбреците функции и PI3K–Akt/HIF-1/Ras/MAPK сигнални пътища.
Заключение:Ние изградихме регулаторна miRNA-mRNA мрежа, за да предоставим нови прозрения за развитието на AKI след Tx, което може да помогне за откриването на нови биомаркери или терапевтични лекарства за подобряване на способността за ранно прогнозиране и интервенция и намаляване на смъртността от AKI след трансплантация.
Ключови думи: остърбъбрекнараняване, Бъбречна трансплантация, WGCNA, miRNA–mRNA мрежа
cistanche propiedadesзабъбрек
Заден план
Като вид клинично критично заболяване с бърза загуба на бъбречна функция и висока смъртност,остърбъбрекнараняване(AKI) често се среща при реципиенти на трансплантация, което може да доведе до неуспех на трансплантацията и смърт [1]. Навременната диагностика и лечение са от решаващо значение за подобряване на прогнозата на пациентите с AKI, но в момента са възпрепятствани от липсата на специфични показатели за ранна прогноза, градирана оценка и проследяване на лечебния ефект. Тъй като AKI е най-често срещаното критично заболяване в мултидисциплинарни области, през последните десетилетия се съобщава за нарастващ брой проучвания за AKI [2–4]. Патогенезата на AKI обаче все още е неясна.
МикроРНК (miRNA) е вид малка некодираща РНК, съдържаща приблизително 22 нуклеотида, която може да се свързва с 3'-UTR на целевите иРНК на пост-транскрипционно ниво, за да упражнява различни важни физиологични и патофизиологични функции в клетките [5]. ]. Беше съобщено, че miPHK са способни да регулират различни иРНК на бозайници [6], докато една иРНК може да бъде насочена от голяма група miPHK, което показва, че ролите на miRNA в генната регулация трябва да се интерпретират от сложни мрежи [7]. През последните години проучванията за mRNA-miRNA мрежа се увеличиха експоненциално, тъй като се смята, че помага за разкриването на молекулярния механизъм на различни заболявания, които включват невробластом [8], диабет тип 2 [9] и спонтанен интрацеребрален кръвоизлив [10]. Последните проучвания установиха, че промените в експресията на mRNA и miPHK биха повлияли на пролиферацията и апоптозата на бъбречните клетки, които са свързани с появата и развитието на AKI [11, 12]. Въпреки това има малко публикувани данни за потенциалната мрежа от иРНК и миРНК в AKI след трансплантация.
В ерата на прецизната медицина, високопроизводителните данни за секвениране, комбинирани с ефективен биоинформатичен анализ, могат да идентифицират потенциални целеви гени и механизми, които допринасят за развитието на AKI. Анализът на мрежата за претеглена генна ко-експресия (WGCNA) е широко използван метод за намиране на основните регулатори на заболяванията, тъй като има капацитета да групира гени с подобни модели на експресия в модули (където често се срещат основни регулатори) и да анализира връзката между модули и специфични черти или фенотипове [13]. В новопубликувано проучване на цервикална интраепителна неоплазия (CIN), WGCNA беше извършено за идентифициране на шест модула, свързани със заболяването, от които бяха скринирани 31 кандидат-хъб гени за лечение на CIN [14]. Биоинформационният анализ не само подобрява ефективността на изследванията на биологичните функции, но също така предоставя надеждна информация за изследване на молекулярните механизми [15, 16]. Въз основа на големите масиви от данни както на профилите на експресия на mRNA, така и на miRNA при един и същ пациент, изследването на регулаторната мрежа miRNA–mRNA може да помогне за изясняване на молекулярните механизми на заболяванията [17, 18].
В това проучване наборите от данни за експресия GSE53769 (mRNA) и GSE53771 (miRNA) бяха съответно подложени на WGCNA за идентифициране на ключови модули, свързани с пост-Tx AKI. След това беше конструирана регулаторна miRNA-mRNA мрежа, за да се изяснят епигенетичните механизми, лежащи в основата на прогресията на пост-Tx AKI, като по този начин се осигури възможна посока за бъдещи клинични изследвания.
Резултати
Идентифициране на ключови модули, свързани с AKI след предаване въз основа на набор от данни GSE53769
Съгласно алгоритмите за корелация и средна връзка на Pearson, 36 проби бяха групирани и дендрограмата на пробата и топлинната карта на характеристиките са изобразени на Фиг. 1а; открихме, че GSM1300317 (който принадлежи към PBX групата post-Tx) е групиран сам и може да бъде потенциално отклонение. Следователно графиката at-SNE (t-разпределено стохастично съседно вграждане) беше използвана, за да се гарантира, че тази проба няма да повлияе на последващите анализи. Както е показано в Допълнителен файл 2: Фигура S2, нямаше очевидно отклонение след намаляването на размерите и затова продължихме с WGCNA. Както е показано на Фиг. 1b, меката прагова мощност от 9 е избрана, за да гарантира безмащабния характер на мрежата за ко-експресия на ген (Фиг. 1b). Хистограмата на мрежовата свързаност и съответната графика log-log са показани в Допълнителен файл 3: Фигура S3A-B; R2 беше 0,89, което показва, че приблизителната топология без мащаб е изпълнена. Подробна информация за меки прагови ft индекси, включително k, R2 и монтиран R2, е предоставена в Допълнителен файл 10: Таблица S1. Десет, чрез средно йерархично групиране на връзки, гени с подобни модели на експресия бяха разделени на модули (Фиг. 1в). За да се разграничат по-добре модулите с различни модели на изразяване, на всеки модул бяха разпределени различни цветове. Както е показано на фиг. 1d, беше конструирана дендрограма за групиране на модули, която генерира общо 18 модула. Сивият модул съдържаше гените, които не могат да бъдат присвоени на останалите 17 модула. Топлинна карта, описваща корелацията между клиничните характеристики и модулите, е показана на Фиг. 1e. Сред тези модули черният модул показа най-високата положителна корелация с AKI след Tx (P=0.002, R=0.5), докато модулът с тен показа най-силната отрицателна корелация с пост-Tx AKI (P=4e−05, R= −0,63). По този начин тези два модула бяха избрани като ключови модули. Присвояването на иРНК в черно-кафяви модули е предоставено в Допълнителен файл 11: Таблица S2.
Ген-генна мрежа и анализ на функционалното обогатяване в черно-тен модулите
Както е показано на Фиг. 2а, корелационният коефициент на принадлежност към модула (MM) спрямо значимостта на гена (GS) в черния модул беше 0.57 с P=5.5e−38. Общо 14 хъб гена бяха идентифицирани в черния модул, който включваше CLIC5, PCOLCE2, NDNF, ESRP1, ENPEP, RASAL2, SLIT2, PSAT1, NOX4, GDA, CNTN3, CFAPP221, CA2 и ZNF311 (фиг. 2b). Десет, анализът на обогатяването на пътя на GO и KEGG беше извършен върху гените в черния модул. Както е показано на фиг. 2c, открихме, че най-обогатените GO термини в категорията на биологичния процес (GO-BP) сабъбрекразвитие, развитие на бъбречната система и регулиране на каскадата ERK1/2. Най-обогатените GO термини в другите категории (GO-CC и GO-MF) са апикалната част на свързването на клетъчната и клетъчната адхезионна молекула (Фиг. 2d, e). За анализ на пътя на KEGG, тези гени са обогатени главно с MAPK сигнални пътища и Raq1 сигнални пътища (фиг. 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 и p-стойност<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,="">
Идентифициране на ключови модули, свързани с AKI след Tx въз основа на набора от данни GSE53771
За да проучим ролите на miRNA в пост-Tx AKI, ние също проведохме WGCNA за miPHK на базата на набор от данни GSE53771. Стъпките на конструиране на ко-експресионната мрежа за miRNAs бяха подобни на тези за mRNAs. Примерната дендрограма и топлинната карта на характеристиките са показани на Фиг. 4а. За да се осигури мрежа без мащаб, меката прагова мощност беше зададена като 6 (фиг. 4b). Хистограмата на мрежовата свързаност и съответната графика log-log са показани в Допълнителен файл 3: Фигура S3C-D; R2 беше 0.98, което показва, че приблизителната топология без мащаб е удовлетворена. Подробна информация за меки прагови ft индекси, включително k, R2 и монтиран R2, е предоставена в Допълнителен файл 10: Таблица S1. Бяха идентифицирани общо три miRNA модула, които бяха независими един от друг (фиг. 4c, d). Десето, корелацията на miPHK модули с клинични черти беше анализирана и резултатът показа, че синият miPHK модул е единственият модул, значително корелиран с пост-Tx AKI (P=0.003, R= − 0,36) (фиг. 4д). Следователно синият miRNA модул, който се състоеше от 76 miPHK, беше избран като ключов miRNA модул за последващ анализ. Подробна информация за тези miPHK е предоставена в Допълнителен файл 11: Таблица S2.
MiRNA-miRNA мрежа и анализ на функционалното обогатяване в синия miRNA модул
Както е показано на Фиг. 5а, коефициентът на корелация на MM спрямо GS в синия miRNA модул беше 0.32 с P=5.8e−5. Мрежата за взаимодействие на модул miPHKs показа, че 17 hub miRNAs са идентифицирани в синия miPHK модул (фиг. 5b). За по-нататъшно изследване на биологичните роли на miPHK в този модул, целевите гени на тези miPHK бяха използвани за извършване на анализ на функционално обогатяване. Резултатите от функционалната анотация са показани на Фиг. 5c–e, което предполага, че miPHK на синия miPHK модул са значително свързани с GO термините на малка GTPase медиирана трансдукция, развитие на жлеза, транскрипционна корегулаторна активност и адхерен връзка, както и KEGG елементи на MAPK сигнален път и инфекция с човешки Т-клетъчен левкемичен вирус 1.
Detailed information of differentially expressed miRNAs (defined by log2 fold change>0.1 и p-стойност<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="">
Conконструкция на регулаторен миРНК–иРНК мрежа in poст‑Tx АКI
Гените и miPHK, които съответно формират ключовите модули и ключовият miRNA модул, се използват за генериране на регулаторната miRNA-mRNA мрежа. Общо 1048 прогнозирани miRNA-mRNA двойки в клас с висока степен на сигурност бяха получени от miRDIP v4.1 и използвани за изграждане на мрежа от Cytoscape (Допълнителен файл 7: Фигура S7). Функционалната анотация на иРНК в тази мрежа е изобразена в Допълнителен файл 8: Фигура S8, което показва, че тези иРНК са участвали главно в адхезията на клетката-субстрат, развитието на урогениталната система, свързването на хепарин, свързването на колагена, AGE-RAGE сигналния път при диабет усложнения, както и PI3K–Akt сигнален път. След това, за да получим мрежата, която може да играе ключова роля в патогенезата на пост-Tx AKI, ние избрахме двойките miRNA-mRNA с увереност от повече от 0.2, за да генерираме регулаторна miRNA-mRNA мрежа (фиг. 6). Регулаторната miRNA-mRNA мрежа се състои от 82 възли (48 mRNA и 34 miRNA) и 125 ръба. След като анализирахме мрежата, открихме miR-203a-3p, miR-205-5p и ERBB4 с по-високи степени на възли в сравнение с други възли, а подробностите за количественото определяне са предоставени в Допълнителен файл 12 : Таблица S3. Десет функционални анализа разкриват, че общо 48 тРНК са обогатени главно в GO термини на морфогенеза на епителната тръба, развитие на нефрон, развитие на урогениталната система и трансмембранна рецепторна протеин киназа (фиг. 7a-c). Нямаше значително обогатени пътища на KEGG, тъй като техните p-стойности бяха по-големи от 0, 05 (фиг. 7d). За кръстосано валидиране сравнихме нашите текущи резултати, извлечени от базата данни miRDIP, с тези от базата данни miRNet. Общо 75 699 двойки miRNA-mRNA бяха идентифицирани на минута и имаше пресичане на 117 двойки miRNA-mRNA между резултатите от базата данни miRNet и базата данни miRDIP; съответната регулаторна мрежа е визуализирана в Допълнителен файл 9: Фигура S9B. Анализите на обогатяване на 117 двойки miRNA-mRNA показват, че те участват предимно в отрицателна регулация на организацията на клетъчния компонент, отговор на органично вещество в категорията GO-BP; еукариотен фактор за иницииране на транслацията 4F комплекс и ядрено тяло в категория GO-CC; Активност на SNAP рецептора, свързване на протеинов комплекс, активност на протеин тирозин фосфатаза в категорията GO-MF, както и пътища на KEGG, свързани със сигнализиране на бъбречноклетъчен карцином, сигнализиране на пролактин и NFR2- медииран отговор на оксидативен стрес. Тъй като горните резултати от функционално обогатяване се основават на miRNA-mRNA двойки, предсказани както от miRNet, така и от miRDIP бази данни, те може да са по-представителни за епигенетичните механизми, лежащи в основата на пост-Tx AKI.
Дискусия
Post-Tx AKI е често срещано усложнение след трансплантационна хирургия, което се характеризира с бързо намаляване на бъбречната функция и висока смъртност [19]. Определянето на най-доброто време за ранна диагностика и интервенция на AKI след Tx е предизвикателство поради липсата на специфични индикатори за ранно прогнозиране, оценка на степента и мониторинг на ефикасността. За да се преодолеят подобни проблеми, изследването на патомеханизмите и потенциалните биомаркери на AKI след Tx е от решаващо значение. През 2014 г. Wilfingseder et al. проведоха микрочипов анализ на miRNA и mRNA на базата на проба от биопсия на бъбречен трансплант с AKI и допълнително идентифицираха AKI-специфичен молекулярен подпис, използвайки анализи на диференциална генна експресия (DEA) [20]. DEA обаче може лесно да изключи някои важни гени, чието ниво на експресия се променя малко, но играят решаваща роля в заболяванията. Освен това е трудно да се потвърди дали диференциално експресираните mRNAs и miRNA в биопсията след Tx между контрола и AKI са свързани с AKI след Tx поради факта, че Tx също може да доведе до анормална експресия на някои гени. Нарастващите проучвания показват, че инициирането и прогресирането на всички заболявания не може да се регулира от няколко гена, а по-скоро от мрежа от множество РНК [21, 22]. По този начин изграждането на регулаторна мрежа на РНК може да бъде обещаваща стратегия за разбиране на развитието на болестта и установяване на нова терапия [23]. Като стабилен биоинформатичен подход, WGCNA има капацитета да подобри простите корелационни мрежи чрез количествено определяне на корелациите между отделните двойки гени, както и степента, до която тези гени споделят едни и същи съседи [24]. WGCNA включва не само диференциално експресирани гени, но и гени, които не са значително диференциално експресирани, но все още са ключов медиатор на определени клинични характеристики. През последните години WGCNA се прилага при различни хора
изследвания на заболявания за скрининг на биомаркери и изясняване на молекулярните механизми, които са в основата на развитието на заболяването [25, 26].
В настоящото проучване, базирано на масивите от данни за микрочипове на mRNA и miRNA, три модула, които са значително корелирани с AKI след трансплантация, са идентифицирани чрез използване на WGCNA. Te tan модул, съдържащ 55 mRNA, показва значително отрицателна корелация с пост-Tx AKI. Множество проучвания съобщават, че висока концентрация на FA може да доведе до остра тубулна некроза като генериране на FA кристали в бъбречните тубули, което води до бъбречна недостатъчност [27, 28]. Te mRNAs в tan модула бяха включени главно в пътя на биосинтеза на FA, което предполага, че този път обяснява развитието на пост-Tx AKI. След това, като модул, най-положително свързан с пост-Tx AKI, черният модул се състои от 80 mRNA. Трябва да се отбележи, че най-обогатените елементи на тРНК на черния модул в GO анализа са свързани главно с бъбречните функции, като напр.бъбрекразвитие и развитие на нефрони, потвърждавайки високата корелация на този модул с AKI след Tx. Предишно проучване показа, че извънклетъчната сигнално-регулирана киназна (ERK) каскада играе основна роля в активирането на механизмите за компенсаторно възстановяване по време набъбрекнараняване[29]. Нашето проучване показа, че мРНК на черния модул също са значително обогатени във функциите на каскадата ERK1 / 2. Освен това резултатите от анализа на пътя на KEGG показват, че тези иРНК са тясно свързани с MAPK сигналния път и Ras сигналния път. До голяма степен е документирано, че MAPK пътят упражнява ключова роля при AKI чрез регулиране на бъбречно възпаление, тубулно увреждане и клетъчна смърт [30–32]. Общоприето е, че пътят на MAPK/ERK е сигнална молекула надолу по веригата в сигналния път на Ras [33]. Горните резултати разкриха, че анормалната експресия на някои гени води до AKI чрез регулиране на биосинтезата на FA, сигналния път на MAPK и сигналния път на Ras, за да повлияе на бъбречното развитие следбъбректрансплантация.
Увеличаващите се експериментални доказателства потвърждават, че някои miPHK имат критична роля в откриването, прогресирането и интервенцията на AKI [34]. Amrouche и др. демонстрира, че miR-146a има важна роля в отговора на бъбречните тубули, чиято регулация може да ограничи развитието на AKI [35]. Предишно проучване доказа, че miR-21 в урината може да се използва като биомаркер за прогнозиране на развитието на AKI след сърдечна операция [36]. Като единственият miRNA модул, значително свързан с пост-Tx AKI в това проучване, синият miRNA модул, съдържащ 151 miPHKs, е отрицателно свързан с пост-Tx AKI. Широко признато е, че miPHK могат да регулират експресията на техните целеви гени надолу по веригата, за да упражняват биологични функции. Съответно, ние предвидихме целите на тези miPHK, използвайки "miRNAtap" и "multiMiR", за да извършим функционална анотация. Трябва да се отбележи, че мишените на ключови модулни miPHKs също бяха основно обогатени в MAPK сигналния път, което допълнително потвърди решаващата роля на MAPK пътя в процеса на пост-Tx AKI.
Освен това е необходимо да се идентифицира регулаторна miRNA-mRNA мрежа, която е потенциално включена в патогенезата на пост-Tx AKI, тъй като нито гените, нито miPHK могат независимо да регулират развитието на пост-Tx AKI. По-голямата част от предишните проучвания са се фокусирали единствено върху miPHK или гени, за да изяснят механизма на AKI. Чрез използване на инструменти за биоинформатика, ние най-накрая създадохме регулаторна miRNA-mRNA мрежа на пост-Tx AKI, която се състои от 48 mRNAs и 34 miR NAs. Сред тези 82 възли miR-203a-3p, miR-205-5p и ERBB4 показаха високи степени и може да са централни възли в мрежата. Ефектите на miR-205-5p при бъбречни заболявания са били изследвани преди това. Schena и др. съобщават, че нивото на експресия на miR-205-5p е значително и положително свързано с тежестта на бъбречния рак и хипертоничната нефросклероза [37]. Експериментално проучване, проведено от Sessa и неговите колеги, предполага, че miR-205-5p може да бъде молекулярен биомаркер за бъбречно увреждане [38]. Малко проучвания са изследвали ролите на miR-203a-3p и ERBB4 в развитието на AKI. Документирано е, че ERBB4 може да облекчи окислителните инсулти на старите мезенхимни стволови клетки чрез намаляване на нивата на реактивни кислородни видове (ROS) [39]. Добре известно е, че всички трансплантирани органи ще претърпят определена степен на исхемично-реперфузионно увреждане, медиирано от високо ниво на ROS след трансплантация и потенциално ще се развият в AKI. Спекулирахме, че ERBB4 също упражнява функцията за регулиране на нивата на ROS в развитието на пост-Tx AKI. Анализът на Te GO обогатяване на иРНК в тази мрежа показа, че тези иРНК са обогатени с няколко функции, свързани с развитието на бъбреците. Освен това анализът на обогатяване на KEGG показва, че тази мрежа е участвала главно в редица пътища, които са добре проучени, като сигнален път PI3K–Akt, сигнален път HIF-1, сигнален път Ras и сигнален път MAPK. Доказано е, че повечето от тези пътища имат решаваща роля при AKI [30, 40, 41]. Тези резултати доказаха, че нашият анализ е извършен правилно.
Взети заедно, нашето проучване за първи път използва WGCNA, комбинирано с miRDIP v4.1 анализ, за да идентифицира изчерпателно най-вероятните взаимодействия и да изгради регулаторна miRNA-mRNA мрежа, свързана с трансплантационния отговор при AKI, което предостави предварителна рамка и някои нови прозрение за изясняване на молекулярния механизъм на развитието на пост-Tx AKI. Въпреки това трябва да се споменат някои ограничения на това проучване. Първо, само осем проби от биопсия след Tx AKI бяха включени в настоящото проучване, което не беше достатъчно, за да се направят напълно достоверни заключения. Второ, регулаторната miRNA-mRNA мрежа изисква допълнителни проучвания в клинични и молекулярно-биологични експерименти за валидиране. Тъй като е трудно да се намерят квалифицирани данни, други типове РНК, като дълги некодиращи РНК (lncRNA) и кръгови РНК (circRNA), не са включени, което може да е недостатък при всеобхватното изясняване на механизма, лежащ в основата на пост-Tx AKI развитие.
стъблото на цистанче благоприятства бъбречната функция
Изводи
Първо успешно конструирахме регулаторна miRNA-mRNA мрежа, свързана с пост-Tx AKI, като използвахме биоинформатичен анализ. Резултатите показват, че две miPHK (miR-203a-3p и miR-205-5p) и ERBB4 може да играят централна роля в пост-Tx AKI и биологичните функции на регулаторната miRNA –мРНК мрежата е обогатена с функции, свързани с бъбреците/бъбреците и PI3K–Akt/HIF-1/Ras/MAPK сигнални пътища. Това проучване предоставя цялостна перспектива на регулаторните мрежи за повишаване на разбирането на молекулярния механизъм при AKI след Tx. Надяваме се, че настоящото проучване ще бъде от полза за откриването на нови биомаркери или терапевтични лекарства за подобряване на способността за ранно прогнозиране и интервенция и намаляване на смъртността от AKI след трансплантация.
Методи
Дизайн на проучването и събиране на данни
Цялостният дизайн на това проучване е показан в Допълнителен файл 1: Фигура S1. Всички допустими данни за микрочипове бяха изтеглени от базата данни Gene Expression Omnibus (GEO) (//www.ncbi.nlm.nih.gov/geo/). Наборът от данни GSE53769 е набор от данни за експресия на иРНК, който е извършен с помощта на Affymetrix GeneChip® Human Gene 2.0 ST Array; Наборът от данни GSE53771 е набор от данни за експресия на miRNA, който е анализиран от Affymetrix GeneChip® miRNA 3.0 Array. Тези два набора от данни се състоят от 18 проби от нула часа и 18 проби от биопсия след трансплантация (Tx) от 18 реципиенти на алографт на бъбрек (осем с остра тубулна некроза без отхвърляне, дефинирана като AKI и десет биопсии по протокол без патология (PBX), дефинирани като контроли) и бяха представени от Wilfingseder и сътрудници [20]. Тези проби бяха разделени на четири групи, а именно AKI с нулев час, PBX с нулев час, AKI след Tx и PBX след Tx. Двата набора от данни бяха съответно използвани за конструиране на ко-експресионна мрежа, чрез която ключови mRNA/miRNA модули, свързани с пост-Tx AKI, могат да бъдат идентифицирани, което позволява изграждането на miRNA-mRNA регулаторна мрежа, движеща прогресията на пост-Tx AKI .
Изграждане на ко-експресионни мрежи
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), беше определено за първи път. След това беше конструирана мрежа за ко-експресия без мащаб на базата на матрицата на съседство. Матрицата на съседство беше получена с помощта на формулата: Adjacencyk,j=cork, j-, където k и j съответстват на два произволни гена и се използва, за да подчертае силното сходство между k и j, което гарантира, че генните двойки с ниско сходство ще бъдат пропуснати по време на присвояването на модула. Десето, матрицата на съседство беше преобразувана в матрица на топологично припокриване (TOM). Чрез използване на базирана на TOM мярка за несходство, дендрограмата на генното дърво беше генерирана чрез йерархично групиране на средно свързване и гени с подобни модели на експресия бяха групирани в различни модули (минималният размер на модула беше зададен на 30).
цистанче билкаможе да лекувабъбрекзаболяванеподобрявамбъбречна функция
Идентифициране на значимите корелационни модули
Module eigengenes (ME), които обобщават моделите на генна експресия като единичен характерен профил на експресия в рамките на даден модул, бяха използвани за оценка на потенциалната корелация на гени с различни черти за определяне на значимостта на всеки модул. Значимостта на гена (GS) представлява корелацията между гените и различните клинични черти, а средната GS на всички гени в модул се определя като значимост на модула (MS), изразена като MS {{0}}n- ni{ {2}}GSi (n=брой гени в рамките на модул). След изчисляване на корелацията на Pearson между ME и клиничните черти, модулите с най-висок положителен или най-нисък отрицателен R (коефициент на корелация) с пост-Tx AKI с гранични стойности на корелация от 0,05 бяха определени като ключови модули. Ние следвахме стандартния работен процес, препоръчан от авторите на WGCNA [13], и не беше извършена корекция на p-стойността за многократно тестване, тъй като коефициентът на Pearson R и корелационната p-стойност са достатъчни за значителен избор на модул [13]. Интензитетът на цвета в топлинната карта показва силата на корелацията. За да се проучи по-добре ключов модул, корелацията на модулните гени беше анализирана и мрежата за взаимодействие ген-ген беше визуализирана от мрежовия анализатор Cytoscape v3.7.2 [42]. В тази мрежа гените с висока степен, които съдържат силно взаимосвързани възли в модула, се считат за хъб гени. Тези хъб гени бяха открити чрез извършване на анализа с плъгина MCODE в Cytoscape.
Regulatory miRNA–mRNA неtwork cНаsтрuctiНа
Чрез използването на онлайн инструмента miRDIP v4.1 бяха получени взаимодействията между модулните гени и miPHK. Десет, двойките miRNA-mRNA с висока степен на сигурност на прогнозиране бяха избрани за изграждането на miRNA-mRNA регулаторна мрежа чрез използване на Cytoscape v3.7.2. За кръстосано валидиране на нашите резултати, взаимодействията miRNA-mRNA също бяха извлечени от базата данни miRNet.
Functiнаl enrichment анаlysis
За по-нататъшно разбиране на потенциалните функции на идентифицираните гени, анализът на обогатяването на генната онтология (GO) и Киото Енциклопедия на гените и геномите (KEGG) беше извършен чрез използване на R пакет "клъстерен валяк" [44]; в някои случаи (Допълнителен файл 4: S4A, Допълнителен файл 5: S5A, Допълнителен файл 6: S6A и Допълнителен файл 9: S9C), беше стартирана функцията TCGAanalyze_ EAcomplete в библиотеката TCGAbiolinks. В това проучване резултатите от термините GO и пътищата на KEGG с корекция на Benjamini-Hochberg (BH)P- стойности на<0.05 were="" considered="" to="" be="" significantly="">
Cistanche tubulosa предотвратява бъбречни заболявания, щракнете тук, за да получите пробата
Реферирайтеnces
1. Abu Jawdeh BG, Govil A. Остра бъбречна травма при трансплантация: диференциална диагноза и въздействие върху здравето и здравните грижи. Adv Хронична бъбречна дис. 2017; 24 (4): 228–32.
2. Cooke WR, Hemmilä UK, Craik AL, Mandula CJ, Mvula P, Msusa A и др. Честота, етиология и резултати от свързано с акушерство остро бъбречно увреждане в Малави: проспективно обсервационно проучване. BMC Nephrol. 2018; 19 (1): 25.
3. Solé C, Pose E, Solà E, Ginès P. Хепаторенален синдром в ерата на остро бъбречно увреждане. Черен дроб Int Of J Int Assoc Study Liver. 2018; 38 (11): 1891–901.
4. Ostermann M, Liu K. Патофизиология на AKI. Най-добра практика Res Clin Anaes‑ почвата. 2017; 31 (3): 305–14.
5. Салиминеджад К, Хоррам Хоршид ХР, Солеймани Фард С, Гафари Ш. Преглед на микроРНК: биология, функции, терапия и методи за анализ. J Cell Physiol. 2019; 234 (5): 5451–65.
6. Friedman RC, Farh KK, Burge CB, Bartel DP. Повечето тРНК на бозайници са запазени мишени на микроРНК. Genome Res. 2009; 19 (1): 92–105.
7. Pan X, Wenzel A, Jensen LJ, Gorodkin J. Геномна идентификация на клъстери от предвидени места за свързване на микроРНК като кандидати за микроРНК гъба. ПЛОС ЕДИН. 2018;13(8):e0202369.
8. Chen B, Hua Z, Qin X, Li Z. Интегриран микрочип за идентифициране на централните miRNAs и конструирана miRNA‑ mRNA мрежа в невробластома чрез биоинформатичен анализ. Neurochem Res. 2020 г.
9. Liu HM, Huang Y, Li L, Zhang Y, Cong X, Wu LL и др. Профили на експресия на микроРНК-мРНК и функционална мрежа на субмандибуларната жлеза при диабетни db/db мишки тип 2. Arch Oral Biol. 2020;120:104947.
10. Iwuchukwu I, Nguyen D, Beavers M, Tran V, Sulaiman W, Fannin E, et al. Регулаторна мрежа на микроРНК като биомаркери за късен припадък при пациенти със спонтанен интрацеребрален кръвоизлив. Mol Neurobiol. 2020; 57 (5): 2346–57.
11. van Zonneveld AJ, Rabelink TJ, Bijkerk R. miRNA-координирани мрежи като обещаващи терапевтични цели за остро бъбречно увреждане. Am J Pathol. 2017; 187 (1): 20–4.
12. Wu J, Li DD, Li JY, Yin YC, Li PC, Qiu L и др. Идентифициране на микроРНК-мРНК мрежи, участващи в индуцирано от цисплатин увреждане на бъбречни тубулни епителни клетки. Eur J Pharmacol. 2019; 851: 1–12.
13. Langfelder P, Horvath S. WGCNA: R пакет за анализ на претеглена корелационна мрежа. BMC Bioinform. 2008;9:559.
14. Zhang X, Bai J, Yuan C, Long L, Zheng Z, Wang Q и др. Биоинформатичен анализ и идентифициране на потенциални гени, свързани с патогенезата на цервикалната интраепителна неоплазия. J Рак. 2020; 11 (8): 2150–7.
15. Li J, Lu L, Zhang YH, Xu Y, Liu M, Feng K и др. Идентифициране на сигнатури за експресия на стволови клетки от левкемия чрез стратегия за избор на характеристики на Монте Карло и поддържаща векторна машина. Cancer Gene Ther. 2020; 27 (1–2): 56–69.
16. Pan X, Zeng T, Yuan F, Zhang YH, Chen L, Zhu L, et al. Скрининг на метилиращ подпис и генни функции, свързани с подтипове глиоми с мутация на изоцитрат дехидрогеназа. Преден Bioeng Biotechnol. 2019; 7: 339.
17. Shen M, Song Z, Wang JH. микроРНК и иРНК профилите в амигдалата са свързани с предизвикана от стрес депресия и устойчивост при млади мишки. Психофармакология. 2019; 236 (7): 2119–42.
18. An T, Song Z, Wang JH. Молекулярен механизъм на възнаграждаващо лечение, подобряващо предизвиканото от хроничен стрес депресивно поведение, оценено чрез секвениране на miRNA и mRNA в медиалния префронтален кортекс. Biochem Biophys Res Commun. 2020; 528 (3): 520–7.
19. Zuk A, Bonventre JV. Остра бъбречна травма. Annu Rev Med. 2016; 67: 293-307.
20. Wilfingseder J, Sunzenauer J, Toronyi E, Heinzel A, Kainz A, Mayer B, et al. Молекулярна патогенеза на остро бъбречно увреждане след трансплантация: оценка на профилите на мРНК и миРНК на целия геном. ПЛОС ЕДИН. 2014; 9 (8): e104164-e.