Regulatorna mreža MiRNA-mRNA povezana je s odgovorom na transplantaciju kod akutne ozljede bubrega
Mar 21, 2022
Duan Guo1,2†, Yu Fan3†, Ji‑Rong Yue4*i Tao Lin3*
Kontakt:joanna.jia@wecistanche.com
Abstract
Pozadina:Akutnabubregpovreda(AKI) je po život opasna komplikacija koju karakterizira brz pad bubrežne funkcije, koji se često javlja nakon operacije transplantacije. Međutim, molekularni mehanizam koji leži u osnovi razvoja AKI nakon transplantacije (post-Tx) i dalje ostaje nepoznat. Sve veći broj studija je pokazao da određene mikroRNA (miRNA) vrše ključne funkcije u AKI. Ova studija nastojala je razjasniti molekularne mehanizme u post-Tx AKI konstruiranjem regulatorne mreže miRNA-mRNA.
Rezultati:Na osnovu dva skupa podataka (GSE53771 i GSE53769), tri ključna modula, koji su sadržavali 55 mRNA, 76 mRNA i 151 miRNA, identifikovana su izvođenjem analize mreže ponderisane koekspresije gena (WGCNA). Um IP v4.1 je primijenjen za predviđanje interakcija ključnih modula mRNA i miRNA, a parovi miRNA-mRNA s pouzdanošću većim od 0.2 odabrani su za izgradnju regulatorne mreže miRNA-mRNA od strane Cytoscapea . Mreža miRNA-mRNA sastojala se od 82 čvora (48 mRNA i 34 miRNA) i 125 rubova. Dvije miRNA (miR-203a-3p i miR-205-5p) i ERBB4 sa višim stepenom čvora u poređenju sa drugim čvorovima mogu igrati centralnu ulogu u post-Tx AKI. Osim toga, analiza puta genske ontologije (GO) i Enciklopedija gena i genoma iz Kjota (KEGG) pokazala je da je ova mreža uglavnom uključena ububreg-/bubrežne funkcije i PI3K–Akt/HIF-1/Ras/MAPK signalni putevi.
zaključak:Konstruirali smo regulatornu miRNA-mRNA mrežu kako bismo pružili nove uvide u razvoj AKI nakon Tx, što bi moglo pomoći u otkrivanju novih biomarkera ili terapijskih lijekova za poboljšanje sposobnosti za rano predviđanje i intervenciju i smanjenje stope mortaliteta od AKI nakon transplantacije.
Ključne riječi: Akutnabubregpovreda, Transplantacija bubrega, WGCNA, miRNA-mRNA mreža
cistanche propiedadeszabubreg
Pozadina
Kao tip klinički kritične bolesti sa brzim gubitkom bubrežne funkcije i visokim mortalitetom,akutnabubregpovreda(AKI) se obično javlja kod primaoca transplantacije, što može dovesti do neuspjeha transplantacije i smrti [1]. Pravovremena dijagnoza i liječenje ključni su za poboljšanje prognoze pacijenata sa AKI, ali su trenutno otežani nedostatkom specifičnih indikatora za rano predviđanje, stepenovanu evaluaciju i praćenje kurativnog efekta. Budući da je AKI najčešća kritična bolest u multidisciplinarnim poljima, posljednjih decenija prijavljen je sve veći broj studija o AKI [2–4]. Međutim, patogeneza AKI je još uvijek nejasna.
MikroRNA (miRNA) je vrsta male nekodirajuće RNK koja sadrži približno 22 nukleotida, koja se može vezati za 3′-UTR ciljne mRNA na post-transkripcijskom nivou kako bi izvršila različite važne fiziološke i patofiziološke funkcije u stanicama [5 ]. Prijavljeno je da su miRNA sposobne regulirati različite mRNA sisara [6], dok bi jedna mRNA mogla biti ciljana velikom grupom miRNA, što pokazuje da uloge miRNA u regulaciji gena treba tumačiti složenim mrežama [7]. Posljednjih godina, studije za mRNA-miRNA mrežu su eksponencijalno porasle, jer se vjeruje da pomaže u otkrivanju molekularnog mehanizma različitih bolesti, uključujući neuroblastom [8], dijabetes tipa 2 [9] i spontano intracerebralno krvarenje [10]. Nedavne studije su otkrile da će promjene u ekspresiji mRNA i miRNA utjecati na proliferaciju i apoptozu bubrežnih stanica, koje su povezane s pojavom i razvojem AKI [11, 12]. Ipak, malo je objavljenih podataka o potencijalnoj mreži mRNA i miRNA u AKI nakon transplantacije.
U eri precizne medicine, podaci o sekvenciranju visoke propusnosti u kombinaciji s efikasnom bioinformatičkom analizom mogu identificirati potencijalne ciljne gene i mehanizme koji doprinose napretku AKI. Analiza mreže koekspresije ponderiranih gena (WGCNA) je metoda koja se naširoko koristi za pronalaženje ključnih regulatora bolesti, jer ima kapacitet grupiranja gena sa sličnim obrascima ekspresije u module (gdje se centralni regulatori obično nalaze) i analizira odnos između modula i specifičnih osobina ili fenotipova [13]. U nedavno objavljenoj studiji cervikalne intraepitelne neoplazije (CIN), WGCNA je izvedena kako bi se identificiralo šest modula povezanih s bolešću, od kojih je skriniran 31 kandidat hub gena za liječenje CIN-a [14]. Bioinformatička analiza ne samo da poboljšava efikasnost istraživanja bioloških funkcija već i pruža pouzdane informacije za istraživanje molekularnih mehanizama [15, 16]. Na osnovu velikih skupova podataka o profilima ekspresije mRNA i miRNA kod istog pacijenta, istraživanje regulatorne mreže miRNA-mRNA moglo bi pomoći u razjašnjavanju molekularnih mehanizama bolesti [17, 18].
U ovoj studiji, skupovi ekspresijskih podataka GSE53769 (mRNA) i GSE53771 (miRNA) su, respektivno, podvrgnuti WGCNA kako bi se identificirali ključni moduli povezani s AKI nakon Tx-a. Zatim je konstruisana regulatorna mreža miRNA-mRNA kako bi se razjasnili epigenetski mehanizmi koji leže u pozadini progresije post-Tx AKI-ja, dajući na taj način mogući smjer za buduća klinička istraživanja.
Rezultati
Identifikacija ključnih modula koji se odnose na post-Tx AKI na osnovu skupa podataka GSE53769
Prema Pearsonovim algoritmima korelacije i srednjeg povezivanja, 36 uzoraka je grupisano, a dendrogram uzorka i toplotna mapa osobina prikazani su na slici 1a; otkrili smo da je GSM1300317 (koji pripada post-Tx PBX grupi) grupiran sam i da bi mogao biti potencijalno izvan. Stoga je at-SNE (t-distributed stohastic susjed embedding) dijagram korišten kako bi se osiguralo da ovaj uzorak neće utjecati na naknadne analize. Kao što je prikazano u Dodatnoj datoteci 2: Slika S2, nije bilo očiglednog odstupanja nakon smanjenja dimenzije, i stoga smo nastavili sa WGCNA. Kao što je prikazano na slici 1b, moć mekog praga od 9 je odabrana da garantuje karakter mreže koekspresije gena bez skale (slika 1b). Histogram mrežne povezanosti i odgovarajući log-log grafikon prikazan je u Dodatnoj datoteci 3: Slika S3A-B; R2 je bio 0,89, što ukazuje da je približna topologija bez skale zadovoljena. Detaljne informacije o ft indeksima mekog praga uključujući k, R2 i ugrađeni R2 date su u Dodatnoj datoteci 10: Tabela S1. Deset, kroz prosječno hijerarhijsko grupiranje veza, gena sa sličnim obrascima ekspresije podijeljeno je u module (slika 1c). Kako bi se bolje razlikovali moduli s različitim obrascima izražavanja, svakom modulu su dodijeljene različite boje. Kao što je prikazano na slici 1d, konstruisan je dendrogram grupisanja modula koji je generisao ukupno 18 modula. Sivi modul je sadržavao gene koji se ne mogu pripisati ostalim 17 modula. Toplotna karta koja opisuje korelaciju između kliničkih osobina i modula prikazana je na slici 1e. Među ovim modulima, crni modul je pokazao najveću pozitivnu korelaciju sa post-Tx AKI (P=0.002, R=0.5), dok je tan modul pokazao najjaču negativnu korelaciju sa post-Tx AKI (P=4e−05, R= −0,63). Stoga su ova dva modula odabrana kao ključni moduli. Dodjela mRNA u modulima crne i žute boje je data u Dodatnoj datoteci 11: Tabela S2.
Gensko-genska mreža i analiza funkcionalnog obogaćivanja u modulima black and tan
Kao što je prikazano na slici 2a, koeficijent korelacije pripadnosti modulu (MM) u odnosu na značajnost gena (GS) u crnom modulu je bio 0.57 sa P=5.5e−38. U crnom modulu identifikovano je ukupno 14 hub gena, koji su uključivali CLIC5, PCOLCE2, NDNF, ESRP1, ENPEP, RASAL2, SLIT2, PSAT1, NOX4, GDA, CNTN3, CFAPP221, CA2 i ZNF311 (slika 2b). Deseto, GO i KEGG analiza obogaćivanja puta je izvršena na genima u crnom modulu. Kao što je prikazano na slici 2c, otkrili smo da su najbogatiji GO termini u kategoriji bioloških procesa (GO-BP) bilibubregrazvoj, razvoj bubrežnog sistema i regulacija ERK1/2 kaskade. Najbogatiji GO termini u ostalim kategorijama (GO-CC i GO-MF) bili su apikalni deo ćelije i vezivanje molekula adhezije ćelije (slika 2d, e). Za analizu KEGG puta, ovi geni su uglavnom obogaćeni MAPK signalnim putevima i Raq1 signalnim putevima (slika 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 i p-vrijednost<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,="">
Identifikacija ključnih modula koji se odnose na post-Tx AKI na osnovu skupa podataka GSE53771
Kako bismo istražili uloge miRNA u post-Tx AKI, također smo sproveli WGCNA za miRNA na osnovu skupa podataka GSE53771. Koraci izgradnje koekspresione mreže za miRNA bili su slični onima za mRNA. Dendrogram uzorka i toplotna mapa osobina prikazani su na slici 4a. Da bi se osigurala mreža bez skale, snaga mekog praga je postavljena na 6 (slika 4b). Histogram mrežne povezanosti i odgovarajući log-log grafikon prikazan je u Dodatnoj datoteci 3: Slika S3C-D; R2 je bio 0.98, što ukazuje da je približna topologija bez skale zadovoljena. Detaljne informacije o ft indeksima mekog praga uključujući k, R2 i ugrađeni R2 date su u Dodatnom fajlu 10: Tabela S1. Identifikovana su ukupno tri miRNA modula, koji su bili nezavisni jedan od drugog (sl. 4c, d). Deseto, analizirana je korelacija miRNA modula sa kliničkim osobinama, a rezultat je pokazao da je plavi miRNA modul jedini modul značajno koreliran sa post-Tx AKI (P=0.003, R= − 0,36) (slika 4e). Stoga je plavi miRNA modul koji se sastojao od 76 miRNA odabran kao ključni miRNA modul za kasniju analizu. Detaljne informacije o ovim miRNA su date u Dodatnoj datoteci 11: Tabela S2.
MiRNA-miRNA mreža i analiza funkcionalnog obogaćivanja u plavom miRNA modulu
Kao što je prikazano na slici 5a, koeficijent korelacije MM naspram GS u plavom miRNA modulu bio je 0.32 sa P=5.8e−5. Interakciona mreža modula miRNA pokazala je da je 17 čvornih miRNA identificirano u plavom miRNA modulu (slika 5b). Da bi se dalje istražile biološke uloge miRNA u ovom modulu, korišćeni su ciljni geni ovih miRNA za analizu funkcionalnog obogaćivanja. Rezultati označavanja funkcija prikazani su na slici 5c–e, što sugerira da su miRNA plavog miRNA modula značajno povezane s GO terminima transdukcije posredovane malom GTPazom, razvojem žlijezde, koregulatornom aktivnošću transkripcije i spojem adherensa, kao i KEGG stavke signalnog puta MAPK i infekcija virusom leukemije 1 ljudskih T-ćelija.
Detailed information of differentially expressed miRNAs (defined by log2 fold change>0.1 i p-vrijednost<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="">
Conkonstrukcija of regulatorni miRNA–mRNA mreže in post‑Tx AKI
Geni i miRNA koji su formirali ključne module i ključni modul miRNA korišteni su za stvaranje regulatorne mreže miRNA-mRNA. Ukupno 1048 predviđenih parova miRNA-mRNA u klasi visoke pouzdanosti dobijeno je iz miRDIP v4.1 i korišteno za izgradnju mreže pomoću Cytoscapea (Dodatna datoteka 7: Slika S7). Funkcionalna oznaka mRNA u ovoj mreži prikazana je u Dodatnoj datoteci 8: Slika S8, koja ukazuje da su ove mRNA uglavnom bile uključene u adheziju ćelijske supstrate, razvoj urogenitalnog sistema, vezivanje heparina, vezivanje kolagena, signalni put AGE-RAGE kod dijabetičara komplikacije, kao i PI3K–Akt signalni put. Nakon toga, da bismo dobili mrežu koja može imati ključnu ulogu u patogenezi post-Tx AKI, odabrali smo parove miRNA-mRNA sa pouzdanošću većom od 0.2 kako bismo stvorili regulatornu mrežu miRNA-mRNA (Sl. 6). Regulatorna mreža miRNA-mRNA se sastojala od 82 čvora (48 mRNA i 34 miRNA) i 125 rubova. Nakon analize mreže, pronašli smo miR-203a-3p, miR-205-5p i ERBB4 sa višim stepenom čvora u poređenju sa drugim čvorovima, a detalji kvantifikacije su dati u Dodatnom fajlu 12 : Tabela S3. Deset funkcionalnih analiza je otkrilo da je ukupno 48 mRNA uglavnom obogaćeno GO terminima morfogeneze epitelne cijevi, razvoja nefrona, razvoja urogenitalnog sistema i transmembranske receptorske protein kinaze (Slika 7a–c). Nije bilo značajno obogaćenih KEGG puteva jer su njihove p-vrijednosti bile veće od 0,05 (slika 7d). Za unakrsnu validaciju, uporedili smo naše trenutne rezultate preuzete iz miRDIP baze podataka sa onima iz miRNet baze podataka. Ukupno, 75.699 parova miRNA-mRNA je identifikovano u minuti, a došlo je do preseka 117 parova miRNA-mRNA između rezultata baze podataka miRNet i baze podataka miRDIP; odgovarajuća regulatorna mreža je vizualizovana u Dodatnom fajlu 9: Slika S9B. Analiza obogaćivanja 117 parova miRNA–mRNA pokazala je da su oni pretežno bili uključeni u negativnu regulaciju organizacije ćelijskih komponenti, odgovor na organsku supstancu u kategoriji GO-BP; kompleks faktora inicijacije eukariotske translacije 4F i nuklearno tijelo u GO-CC kategoriji; Aktivnost SNAP receptora, vezivanje proteinskog kompleksa, aktivnost protein tirozin fosfataze u kategoriji GO-MF, kao i KEGG putevi povezani sa signalizacijom karcinoma bubrežnih ćelija, signalizacijom prolaktina i odgovorom na oksidativni stres posredovan NFR2-. Budući da su gore navedeni rezultati funkcionalnog obogaćivanja zasnovani na parovima miRNA-mRNA koje su predvidele i baze podataka miRNet i miRDIP, oni bi mogli biti reprezentativniji za epigenetske mehanizme koji leže u osnovi post-Tx AKI.
Diskusija
Post-Tx AKI je česta komplikacija nakon operacije transplantacije, koju karakterizira brz pad bubrežne funkcije i visok mortalitet [19]. Shvatanje najboljeg vremena za ranu dijagnozu i intervenciju post-Tx AKI je izazovno zbog nedostatka specifičnih indikatora za rano predviđanje, procjenu stupnjevanja i praćenje efikasnosti. Za prevazilaženje takvih problema ključno je istraživanje patomehanizama i potencijalnih biomarkera AKI nakon Tx-a. U 2014. Wilfingseder et al. sprovela analizu mikromreže miRNA i mRNA na osnovu uzorka biopsije transplantata bubrega sa AKI i dalje identifikovala AKI-specifičan molekularni potpis koristeći diferencijalne analize ekspresije gena (DEA) [20]. Međutim, DEA može lako isključiti neke važne gene čiji se nivo ekspresije malo mijenja, ali igraju ključnu ulogu u nastanku bolesti. Osim toga, teško je potvrditi da li su različito izražene mRNA i miRNA u biopsiji nakon Tx između kontrolne i AKI povezane s AKI nakon Tx zbog činjenice da Tx također može dovesti do abnormalne ekspresije nekih gena. Sve više studija pokazalo je da početak i napredovanje svih bolesti ne može biti regulirano s nekoliko gena, već mrežom više RNK [21, 22]. Stoga bi izgradnja RNA regulatorne mreže mogla biti obećavajuća strategija za razumijevanje razvoja bolesti i uspostavljanje nove terapije [23]. Kao robustan bioinformatički pristup, WGCNA ima kapacitet da poboljša jednostavne korelacijske mreže kvantificiranjem korelacija između pojedinačnih parova gena, kao i stepena u kojem ovi geni dijele iste susjede [24]. WGCNA uključuje ne samo različito izražene gene, već i gene koji nisu značajno različito eksprimirani, ali su i dalje ključni medijator određenih kliničkih osobina. Posljednjih godina, WGCNA se primjenjuje na različitim ljudima
istraživanja bolesti za skrining biomarkera i razjašnjavanje molekularnih mehanizama koji su u osnovi razvoja bolesti [25, 26].
U trenutnoj studiji, zasnovanoj na skupovima podataka mRNA i miRNA mikromreža, tri modula koji su u značajnoj korelaciji s AKI nakon transplantacije identificirani su korištenjem WGCNA. Te tan modul koji sadrži 55 mRNA pokazao je značajno negativnu korelaciju sa post-Tx AKI. Više studija je pokazalo da visoka koncentracija FA može dovesti do akutne tubularne nekroze kao stvaranja kristala FA u bubrežnim tubulima, što dovodi do zatajenja bubrega [27, 28]. Te mRNA u modulu tan su uglavnom bile uključene u put biosinteze FA, što sugerira da je ovaj put odgovoran za razvoj post-Tx AKI. Zatim, kao modul koji se najviše odnosi na post-Tx AKI, crni modul se sastojao od 80 mRNA. Značajno je da su najbogatije stavke mRNA crnog modula u GO analizi uglavnom bile vezane za bubrežne funkcije kao što sububregrazvoj i razvoj nefrona, što potvrđuje visoku korelaciju ovog modula sa post-Tx AKI. Prethodna studija je pokazala da kaskada kinaze regulirane ekstracelularnim signalom (ERK) igra fundamentalnu ulogu u aktivaciji kompenzacijskih mehanizama popravke tokombubregpovreda[29]. Naša studija je pokazala da su mRNA crnog modula također značajno obogaćene funkcijama ERK1/2 kaskade. Osim toga, rezultati analize KEGG puta su pokazali da su ove mRNA usko povezane sa MAPK signalnim putem i Ras signalnim putem. Uglavnom je dokumentovano da MAPK put ima ključnu ulogu u AKI tako što reguliše upalu bubrega, tubularne povrede i ćelijsku smrt [30–32]. Univerzalno je prihvaćeno da je MAPK/ERK put nizvodni signalni molekul u Ras signalnom putu [33]. Gore navedeni rezultati su otkrili da abnormalna ekspresija nekih gena rezultira AKI regulacijom biosinteze FA, MAPK signalnog puta i Ras signalnog puta kako bi uticali na razvoj bubrega nakonbubregtransplantacija.
Sve veći broj eksperimentalnih dokaza je potvrdio da određene miRNA imaju kritičnu ulogu u otkrivanju, napredovanju i intervenciji AKI [34]. Amrouche et al. pokazao da miR-146a ima važnu ulogu u bubrežnom tubularnom odgovoru, čija bi regulacija mogla ograničiti razvoj AKI [35]. Prethodna studija je dokazala da se urinarni miR-21 može koristiti kao biomarker za predviđanje razvoja AKI nakon kardiohirurgije [36]. Kao jedini miRNA modul koji je značajno povezan sa post-Tx AKI u ovoj studiji, plavi miRNA modul koji sadrži 151 miRNA bio je u negativnoj korelaciji sa post-Tx AKI. Općenito je poznato da miRNA mogu regulirati ekspresiju svojih nizvodnih ciljnih gena kako bi izvršile biološke funkcije. U skladu s tim, predvidjeli smo mete ovih miRNA koristeći "miRNAtap" i "multiMiR" za obavljanje funkcionalne anotacije. Treba napomenuti da su mete ključnih modulskih miRNA također uglavnom obogaćene MAPK signalnim putem, što je dodatno potvrdilo ključnu ulogu MAPK puta u procesu post-Tx AKI.
Štoviše, potrebno je identificirati regulatornu miRNA-mRNA mrežu koja je potencijalno uključena u patogenezu post-Tx AKI jer ni geni ni miRNA ne mogu samostalno regulirati razvoj post-Tx AKI. Većina prethodnih studija bila je fokusirana isključivo na miRNA ili gene kako bi se razjasnio mehanizam AKI. Koristeći bioinformatičke alate, konačno smo uspostavili regulatornu miRNA-mRNA mrežu post-Tx AKI, koja se sastojala od 48 mRNA i 34 miR NA. Među ova 82 čvora, miR-203a-3p, miR-205-5p i ERBB4 su pokazali visoke stepene i mogli bi biti centralni čvorovi u mreži. Efekti miR-205-5p na bubrežne bolesti su prethodno istraženi. Schena et al. izvijestili su da je nivo ekspresije miR-205-5p značajno i pozitivno povezan sa ozbiljnošću karcinoma bubrega i hipertenzivne nefroskleroze [37]. Eksperimentalna studija koju su proveli Sessa i njegove kolege su predložili da bi miR-205-5p mogao biti molekularni biomarker oštećenja bubrega [38]. Nekoliko studija je istraživalo uloge miR-203a-3p i ERBB4 u razvoju AKI. Dokumentovano je da ERBB4 može ublažiti oksidativne inzulte ostarjelih mezenhimalnih matičnih ćelija smanjenjem nivoa reaktivnih vrsta kiseonika (ROS) [39]. Dobro je poznato da će svi transplantirani organi biti podvrgnuti određenom stepenu ishemijsko-reperfuzijske povrede posredovane visokim nivoom ROS nakon transplantacije i potencijalno se razviti u AKI. Nagađali smo da ERBB4 takođe ima funkciju regulacije nivoa ROS u razvoju post-Tx AKI. Analiza GO obogaćivanja mRNA u ovoj mreži pokazala je da su ove mRNA obogaćene u nekoliko funkcija relevantnih za razvoj bubrega. Nadalje, KEGG analiza obogaćivanja je pokazala da je ova mreža uglavnom bila uključena u niz puteva koji su dobro proučavani, kao što su PI3K–Akt signalni put, HIF-1 signalni put, Ras signalni put i MAPK signalni put. Za većinu ovih puteva dokazano je da imaju ključnu ulogu u AKI [30, 40, 41]. Ovi rezultati su dokazali da je naša analiza pravilno sprovedena.
Uzeto zajedno, naša studija je po prvi put koristila WGCNA u kombinaciji sa analizom miRDIP v4.1 kako bi se sveobuhvatno identificirale najvjerovatnije interakcije i konstruirala regulatorna miRNA-mRNA mreža povezana s odgovorom na transplantaciju u AKI, što je dalo preliminarni okvir i neke nove uvid za razjašnjavanje molekularnog mehanizma razvoja post-Tx AKI. Ipak, treba spomenuti neka ograničenja ove studije. Prvo, samo osam uzoraka biopsije AKI nakon Tx-a uključeno je u ovu studiju, što nije bilo dovoljno da se izvuku potpuno vjerodostojni zaključci. Drugo, regulatorna mreža miRNA-mRNA zahtijeva daljnje studije u kliničkim i molekularnim biološkim eksperimentima radi validacije. Budući da je teško pronaći kvalifikovane podatke, druge vrste RNK, kao što su duge nekodirajuće RNK (lncRNA) i kružne RNK (circRNA), nisu uključene, što bi moglo biti nedostatak u sveobuhvatnom pojašnjenju mehanizma koji leži u osnovi post-Tx AKI razvoj.
cistanche stabljika ima koristi na funkciju bubrega
Zaključci
Prvo smo uspješno konstruirali regulatornu miRNA-mRNA mrežu povezanu s post-Tx AKI korištenjem bioinformatičke analize. Rezultati su pokazali da dvije miRNA (miR-203a-3p i miR-205-5p) i ERBB4 mogu igrati centralnu ulogu u post-Tx AKI i biološkim funkcijama regulatorne miRNA –mRNA mreža je obogaćena funkcijama vezanim za bubrege/bubrege i signalnim putevima PI3K–Akt/HIF-1/Ras/MAPK. Ova studija pruža sveobuhvatnu perspektivu regulatornih mreža za povećanje razumijevanja molekularnog mehanizma u post-Tx AKI. Nadamo se da će trenutna studija biti korisna za otkrivanje novih biomarkera ili terapijskih lijekova za poboljšanje sposobnosti za rano predviđanje i intervenciju i smanjenje stope mortaliteta od AKI nakon transplantacije.
Metode
Dizajn studije i prikupljanje podataka
Ukupni dizajn ove studije prikazan je u Dodatnom fajlu 1: Slika S1. Svi prihvatljivi podaci o mikromrežu preuzeti su iz baze podataka Gene Expression Omnibus (GEO) (http://www.ncbi.nlm.nih.gov/geo/). GSE53769 skup podataka je skup podataka ekspresije mRNA koji je izveden korištenjem Affymetrix GeneChip® Human Gene 2.0 ST Array; GSE53771 skup podataka je skup podataka o ekspresiji miRNA koji je analiziran pomoću Affymetrix GeneChip® miRNA 3.0 Array. Ova dva skupa podataka sastojala su se od 18 uzoraka biopsije nakon transplantacije i 18 uzoraka nakon transplantacije (Tx) od 18 primalaca alografta bubrega (osam sa akutnom tubularnom nekrozom bez odbacivanja definisanom kao AKI i deset protokolarnih biopsija bez patologije (PBX) definisanih kao kontrola) i podnijeli su Wilfingseder i saradnici [20]. Ovi uzorci su podijeljeni u četiri grupe, a to su nul-časovni AKI, nul-satni PBX, post-Tx AKI i post-Tx PBX. Dva skupa podataka korištena su za konstruiranje mreže koekspresije, pri čemu su ključni moduli mRNA/miRNA povezani sa AKI nakon Tx-a mogli biti identificirani, omogućavajući izgradnju regulatorne mreže miRNA-mRNA koja pokreće napredovanje post-Tx AKI-ja. .
Izgradnja mreža koekspresije
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), prvo je utvrđeno. Zatim je konstruisana mreža koekspresije bez skale na osnovu matrice susednosti. Matrica susednosti je dobijena korišćenjem formule: Adjacencyk,j=pluta, j- , gde k i j odgovaraju dva proizvoljna gena i koristi se da se naglasi snažna sličnost između k i j, što je osiguralo da parovi gena sa malom sličnošću biće izostavljeni tokom dodjele modula. Deseto, matrica susjedstva je pretvorena u matricu topološkog preklapanja (TOM). Korištenjem mjere različitosti zasnovane na TOM-u, dendrogram stabla gena generiran je prosječnim hijerarhijskim grupiranjem veza, a geni sa sličnim obrascima ekspresije su grupirani u različite module (minimalna veličina modula je postavljena na 30).
cistanche herbamože liječitibubregbolestpoboljšatibubrežna funkcija
Identifikacija značajnih korelacijskih modula
Eigengeni modula (ME), koji sumiraju obrasce ekspresije gena kao jedan karakterističan profil ekspresije unutar datog modula, korišteni su za procjenu potencijalne korelacije gena sa različitim osobinama za određivanje značaja svakog modula. Značajnost gena (GS) predstavlja korelaciju između gena i različitih kliničkih osobina, a prosječni GS svih gena u modulu je definisan kao značajnost modula (MS), izražen kao MS {{0}}n-ni{ {2}}GSi (n=broj gena unutar modula). Nakon izračunavanja Pearsonove korelacije između ME i kliničkih osobina, moduli sa najvećim pozitivnim ili najnižim negativnim R (koeficijent korelacije) sa post-Tx AKI sa graničnim vrednostima korelacije p-vrednosti od 0,05 su definisani kao ključni moduli. Pratili smo standardni tok rada koji su preporučili autori WGCNA [13], a korekcija p-vrijednosti za višestruko testiranje nije izvršena jer su Pirsonov koeficijent R i korelacija p-vrijednost dovoljni za značajan odabir modula [13]. Intenzitet boje u toplotnoj mapi ukazuje na jačinu korelacije. Radi boljeg proučavanja ključnog modula, analizirana je korelacija gena modula i mreža interakcije gen-gen je vizualizirana pomoću mrežnog analizatora Cytoscape v3.7.2 [42]. U ovoj mreži, geni sa visokim stepenom, koji su sadržavali visoko međusobno povezane čvorove u modulu, smatrani su hub genima. Ovi hub geni su otkriveni izvođenjem analize pomoću dodatka MCODE u Cytoscapeu.
Regulatory miRN / A–mRN / A network construction
Korištenjem online alata miRDIP v4.1 dobijene su interakcije između gena modula i miRNA. Deset, parovi miRNA–mRNA sa visokom pouzdanošću predviđanja odabrani su za izgradnju regulatorne mreže miRNA–mRNA korištenjem Cytoscape v3.7.2. Za unakrsnu validaciju naših rezultata, interakcije miRNA-mRNA su također preuzete iz baze podataka miRNet.
Functinal enrichment analysis
Da bi se dalje razumjele potencijalne funkcije identificiranih gena, obavljena je analiza obogaćivanja genske ontologije (GO) i Kyoto Encyclopedia of Genes and Genomes (KEGG) analiza puta korištenjem R paketa "cluster roller" [44]; u nekim slučajevima (Dodatni fajl 4: S4A, Dodatni fajl 5: S5A, Dodatni fajl 6: S6A i Dodatni fajl 9: S9C), pokrenuta je funkcija TCGAanalyze_ EAcomplete u biblioteci TCGAbiolinks. U ovoj studiji, rezultati GO termina i KEGG puteva sa prilagođenim Benjamini-Hochbergovim (BH)P-vrijednosti od<0.05 were="" considered="" to="" be="" significantly="">
Cistanche tubulosa sprječava bolest bubrega, kliknite ovdje da biste dobili uzorak
References
1. Abu Jawdeh BG, Govil A. Akutna povreda bubrega u uslovima transplantacije: diferencijalna dijagnoza i uticaj na zdravlje i zdravstvenu zaštitu. Adv Chronic Kidney Dis. 2017;24(4):228–32.
2. Cooke WR, Hemmilä UK, Craik AL, Mandula CJ, Mvula P, Msusa A, et al. Incidencija, etiologija i ishodi akutne ozljede bubrega povezane s akušerstvom u Malaviju: prospektivna opservacijska studija. BMC Nephrol. 2018;19(1):25.
3. Solé C, Pose E, Solà E, Ginès P. Hepatorenalni sindrom u eri akutnog oštećenja bubrega. Liver Int J Int Assoc Study Liver. 2018;38(11):1891–901.
4. Ostermann M, Liu K. Patofiziologija AKI. Najbolja praksa Res Clin Anaes – tlo. 2017;31(3):305–14.
5. Saliminejad K, Khorram Khorshid HR, Soleymani Fard S, Ghafari SH. Pregled mikroRNA: biologija, funkcije, terapija i metode analize. J Cell Physiol. 2019;234(5):5451–65.
6. Friedman RC, Farh KK, Burge CB, Bartel DP. Većina mRNA sisara su konzervirane mete mikroRNA. Genome Res. 2009;19(1):92–105.
7. Pan X, Wenzel A, Jensen LJ, Gorodkin J. Identifikacija u cijelom genomu klastera predviđenih mjesta za vezivanje mikroRNA kao kandidata za spužvu mikroRNA. PLoS ONE. 2018;13(8):e0202369.
8. Chen B, Hua Z, Qin X, Li Z. Integrirani mikromrež za identifikaciju čvornih miRNA i konstruisanu mrežu miRNA-mRNA u neuroblastomu putem bioinformatičke analize. Neurochem Res. 2020.
9. Liu HM, Huang Y, Li L, Zhang Y, Cong X, Wu LL, et al. Profili ekspresije mikroRNA‑ mRNA i funkcionalna mreža submandibularne žlijezde kod db/db miševa s dijabetesom tipa 2. Arch Oral Biol. 2020;120:104947.
10. Iwuchukwu I, Nguyen D, Beavers M, Tran V, Sulaiman W, Fannin E, et al. Regulatorna mreža mikroRNA kao biomarkeri kasnog napadaja kod pacijenata sa spontanim intracerebralnim krvarenjem. Mol Neurobiol. 2020;57(5):2346–57.
11. van Zonneveld AJ, Rabelink TJ, Bijkerk R. MiRNA-koordinirane mreže kao obećavajući terapeutski ciljevi za akutnu ozljedu bubrega. Am J Pathol. 2017;187(1):20–4.
12. Wu J, Li DD, Li JY, Yin YC, Li PC, Qiu L, et al. Identifikacija mikroRNA-mRNA mreža uključenih u ozljedu bubrežnih tubularnih epitelnih stanica izazvanih cisplatinom. Eur J Pharmacol. 2019;851:1–12.
13. Langfelder P, Horvath S. WGCNA: R paket za analizu ponderisane korelacione mreže. BMC Bioinform. 2008;9:559.
14. Zhang X, Bai J, Yuan C, Long L, Zheng Z, Wang Q, et al. Bioinformatička analiza i identifikacija potencijalnih gena vezanih za patogenezu cervikalne intraepitelne neoplazije. J Rak. 2020;11(8):2150–7.
15. Li J, Lu L, Zhang YH, Xu Y, Liu M, Feng K, et al. Identifikacija ekspresijskih potpisa matičnih ćelija leukemije kroz Monte Carlo strategiju odabira karakteristika i mašinu za podršku vektorima. Cancer Gene Ther. 2020;27(1–2):56–69.
16. Pan X, Zeng T, Yuan F, Zhang YH, Chen L, Zhu L, et al. Skrining signature metilacije i funkcija gena povezanih s podtipovima glioma s mutacijom izocitrat dehidrogenaze. Front Bioeng Biotechnol. 2019;7:339.
17. Shen M, Song Z, Wang JH. Profili mikroRNA i mRNA u amigdali povezani su sa stresom izazvanom depresijom i otpornošću maloljetnih miševa. Psychopharmacology. 2019;236(7):2119–42.
18. An T, Song Z, Wang JH. Molekularni mehanizam tretmana nagrađivanja koji poboljšava kronični stres izazvan depresivno ponašanje procijenjen sekvenciranjem miRNA i mRNA u medijalnom prefrontalnom korteksu. Biochem Biophys Res Commun. 2020;528(3):520–7.
19. Zuk A, Bonventre JV. Akutna povreda bubrega. Annu Rev Med. 2016;67:293–307.
20. Wilfingseder J, Sunzenauer J, Toronyi E, Heinzel A, Kainz A, Mayer B, et al. Molekularna patogeneza akutne povrede bubrega nakon transplantacije: procjena mRNA i miRNA profila cijelog genoma. PLoS ONE. 2014;9(8):e104164‑e.