Et regulatorisk MiRNA–mRNA-nettverk er assosiert med transplantasjonsrespons ved akutt nyreskade
Mar 21, 2022
Duan Guo1,2†, Yu Fan3†, Ji-Rong Yue4*og Tao Lin3*
Ta kontakt med:joanna.jia@wecistanche.com
Abstrakt
Bakgrunn:Akuttnyreskade(AKI) er en livstruende komplikasjon karakterisert ved en rask nedgang i nyrefunksjonen, som ofte oppstår etter transplantasjonskirurgi. Imidlertid er den molekylære mekanismen som ligger til grunn for utviklingen av post-transplantasjon (post-Tx) AKI fortsatt ukjent. Et økende antall studier har vist at visse mikroRNA (miRNA) utøver avgjørende funksjoner i AKI. Denne studien forsøkte å belyse de molekylære mekanismene i post-Tx AKI ved å konstruere et regulatorisk miRNA-mRNA-nettverk.
Resultater:Basert på to datasett (GSE53771 og GSE53769), ble tre nøkkelmoduler, som inneholdt 55 mRNA, 76 mRNA og 151 miRNA, identifisert ved å utføre en vektet gen co-ekspresjonsnettverksanalyse (WGCNA). Mind IP v4.1 ble brukt for å forutsi interaksjonene mellom nøkkelmodul-mRNA-er og miRNA-er, og miRNA-mRNA-parene med en trygghet på mer enn 0.2 ble valgt for å konstruere et regulatorisk miRNA-mRNA-nettverk av Cytoscape . miRNA-mRNA-nettverket besto av 82 noder (48 mRNA og 34 miRNA) og 125 kanter. To miRNA-er (miR-203a-3p og miR-205-5p) og ERBB4 med høyere nodegrader sammenlignet med andre noder kan spille en sentral rolle i post-Tx AKI. I tillegg indikerte Gene Ontology (GO) og Kyoto Encyclopedia of Genes and Genomes (KEGG) baneanalyse at dette nettverket hovedsakelig var involvert inyre-/nyre-relaterte funksjoner og PI3K–Akt/HIF-1/Ras/MAPK signalveier.
Konklusjon:Vi konstruerte et regulatorisk miRNA–mRNA-nettverk for å gi ny innsikt i post-Tx AKI-utvikling, som kan bidra til å oppdage nye biomarkører eller terapeutiske medisiner for å forbedre evnen til tidlig prediksjon og intervensjon og redusere dødeligheten av AKI etter transplantasjon.
Nøkkelord: Akuttnyreskade, Nyretransplantasjon, WGCNA, miRNA–mRNA-nettverk
cistanche propiedadestilnyre
Bakgrunn
Som en type klinisk kritisk sykdom med raskt tap av nyrefunksjon og høy dødelighet,akuttnyreskade(AKI) forekommer ofte hos transplanterte mottakere, noe som kan føre til transplantasjonssvikt og død [1]. Rettidig diagnose og behandling er avgjørende for å forbedre prognosen til pasienter med AKI, men er for tiden hindret av mangelen på spesifikke indikatorer for tidlig prediksjon, gradert evaluering og overvåking av kurativ effekt. Siden AKI er den vanligste kritiske sykdommen i tverrfaglige felt, ble det rapportert et økende antall studier om AKI de siste tiårene [2–4]. Imidlertid er patogenesen til AKI fortsatt uklar.
Et mikroRNA (miRNA) er et slags lite ikke-kodende RNA som inneholder omtrent 22 nukleotider, som kan binde seg til 3'-UTR til mål-mRNAene på post-transkripsjonelt nivå for å utøve ulike viktige fysiologiske og patofysiologiske funksjoner i celler [5 ]. Det ble rapportert at miRNA-er er i stand til å regulere en rekke pattedyr-mRNA-er [6], mens et enkelt mRNA kan målrettes av en stor gruppe miRNA-er, noe som viser at rollene til miRNA i genregulering bør tolkes av komplekse nettverk [7]. De siste årene har studier for mRNA-miRNA-nettverk økt eksponentielt, da det antas å bidra til å avdekke den molekylære mekanismen til ulike sykdommer, som inkluderte nevroblastom [8], diabetes type 2 [9] og spontan intracerebral blødning [10]. Nyere studier har funnet at endringene i uttrykket av mRNA og miRNA vil påvirke spredning og apoptose av nyreceller, som er relatert til forekomst og utvikling av AKI [11, 12]. Likevel er det lite data publisert om det potensielle nettverket av mRNA og miRNA i AKI etter transplantasjon.
I en tid med presisjonsmedisin kan sekvenseringsdata med høy gjennomstrømning kombinert med effektiv bioinformatikkanalyse identifisere potensielle målgener og mekanismer som bidrar til utviklingen av AKI. Den vektede gen-koekspresjonsnettverksanalysen (WGCNA) er en metode som er mye brukt for å finne kjerneregulatorene til sykdommer, siden den har kapasitet til å gruppere gener med lignende ekspresjonsmønstre i moduler (hvor kjerneregulatorer ofte finnes) og analysere forholdet mellom moduler og spesifikke egenskaper eller fenotyper [13]. I en nylig publisert studie av cervical intraepitelial neoplasia (CIN), ble WGCNA utført for å identifisere seks sykdomsassosierte moduler, hvorfra 31 kandidat-hubgener for CIN-behandling ble screenet [14]. Bioinformatikkanalyse forbedrer ikke bare effektiviteten til forskning på biologiske funksjoner, men gir også pålitelig informasjon for å utforske molekylære mekanismer [15, 16]. Basert på de store datasettene av både mRNA- og miRNA-ekspresjonsprofiler i samme pasient, kan utforskning av det regulatoriske miRNA-mRNA-nettverket bidra til å belyse de molekylære mekanismene til sykdommene [17, 18].
I denne studien ble henholdsvis GSE53769 (mRNA) og GSE53771 (miRNA) ekspresjonsdatasett utsatt for WGCNA for å identifisere nøkkelmoduler assosiert med post-Tx AKI. Deretter ble et regulatorisk miRNA-mRNA-nettverk konstruert for å klargjøre de epigenetiske mekanismene som ligger til grunn for progresjonen av post-Tx AKI, og dermed gi en mulig retning for fremtidig klinisk forskning.
Resultater
Identifikasjon av nøkkelmoduler relatert til post-Tx AKI basert på GSE53769 datasett
I henhold til Pearsons korrelasjons- og gjennomsnittskoblingsalgoritmer ble 36 prøver gruppert og prøvedendrogrammet og egenskapens varmekart er avbildet i fig. 1a; vi fant ut at GSM1300317 (som tilhører post-Tx PBX-gruppen) var gruppert alene og kan være en potensiell avviker. Derfor ble at-SNE (t-distribuert stokastisk naboinnbygging) plott brukt for å sikre at denne prøven ikke vil påvirke de påfølgende analysene. Som vist i tilleggsfil 2: Figur S2, var det ingen åpenbar avvik etter dimensjonsreduksjonen, og derfor fortsatte vi med WGCNA. Som vist i fig. 1b, ble den myke terskelstyrken på 9 valgt for å garantere den skalafrie karakteren til gen-koekspresjonsnettverket (fig. 1b). Histogrammet for nettverkstilkobling og det tilsvarende logg-logg-plottet er vist i tilleggsfil 3: Figur S3A-B; R2 var 0,89, noe som indikerer at en omtrentlig skalafri topologi var tilfredsstilt. Detaljert informasjon om myke terskel ft-indekser inkludert k, R2 og montert R2 er gitt i tilleggsfil 10: Tabell S1. Ti, gjennom den gjennomsnittlige koblingshierarkiske klyngingen, ble gener med lignende uttrykksmønstre delt inn i moduler (fig. 1c). For bedre å skille moduler med forskjellige uttrykksmønstre, ble hver modul tildelt forskjellige farger. Som vist i fig. Id ble det konstruert et modulklynge-dendrogram som genererte totalt 18 moduler. Den grå modulen inneholdt genene som ikke kan tilordnes de andre 17 modulene. Et varmekart som beskriver korrelasjonen mellom kliniske egenskaper og moduler er vist i fig. 1e. Blant disse modulene viste den svarte modulen den høyeste positive korrelasjonen med post-Tx AKI (P=0.002, R=0.5), mens den tan-modulen viste den sterkeste negative korrelasjonen med post-Tx AKI (P=4e−05, R= -0,63). Dermed ble disse to modulene valgt som nøkkelmoduler. Tilordninger av mRNA i svarte og brune moduler er gitt i tilleggsfil 11: Tabell S2.
Gen-gennettverk og funksjonell berikelsesanalyse i de svarte og brune modulene
Som vist i fig. 2a var korrelasjonskoeffisienten for modulmedlemskap (MM) vs. gensignifikans (GS) i den svarte modulen 0.57 med P=5.5e−38. Totalt 14 hub-gener ble identifisert i den svarte modulen, som inkluderte CLIC5, PCOLCE2, NDNF, ESRP1, ENPEP, RASAL2, SLIT2, PSAT1, NOX4, GDA, CNTN3, CFAPP221, CA2 og ZNF311 (fig. 2b). Ti, GO og KEGG pathway anrikningsanalyse ble utført på genene i den svarte modulen. Som vist i fig. 2c fant vi at de mest berikede GO-begrepene i kategorien biologisk prosess (GO-BP) varnyreutvikling, utvikling av nyresystem og regulering av ERK1/2-kaskade. De mest berikede GO-begrepene i de andre kategoriene (GO-CC og GO-MF) var den apikale delen av celle- og celleadhesjonsmolekylbindingen (fig. 2d, e). For KEGG-baneanalyse ble disse genene hovedsakelig beriket i MAPK-signalering og Raq1-signalveier (fig. 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 og p-verdi<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,="">
Identifikasjon av nøkkelmoduler relatert til post-Tx AKI basert på GSE53771-datasettet
For å utforske rollene til miRNA i post-Tx AKI, gjennomførte vi også WGCNA for miRNA basert på GSE53771-datasettet. Konstruksjonstrinnene til samekspresjonsnettverket for miRNA var lik de for mRNA. Prøven dendrogram og egenskap varmekart er vist i fig. 4a. For å sikre et skaleringsfritt nettverk ble den myke terskeleffekten satt til 6 (fig. 4b). Histogrammet for nettverkstilkobling og det tilsvarende logg-loggplot er vist i tilleggsfil 3: Figur S3C-D; R2 var 0.98, noe som indikerer at en omtrentlig skaleringsfri topologi var oppfylt. Detaljert informasjon om mykterskel ft-indekser inkludert k, R2 og tilpasset R2 er gitt i tilleggsfil 10: Tabell S1. Totalt tre miRNA-moduler ble identifisert, som var uavhengige av hverandre (fig. 4c, d). Ti, korrelasjonen mellom miRNA-moduler med kliniske egenskaper ble analysert, og resultatet viste at den blå miRNA-modulen var den eneste modulen som var signifikant korrelert med post-Tx AKI (P=0.003, R= − 0,36) (fig. 4e). Derfor ble den blå miRNA-modulen som besto av 76 miRNA-er valgt som nøkkel-miRNA-modulen for påfølgende analyse. Detaljert informasjon om disse miRNA-ene er gitt i tilleggsfil 11: Tabell S2.
MiRNA–miRNA-nettverk og funksjonell berikelsesanalyse i den blå miRNA-modulen
Som vist i fig. 5a var korrelasjonskoeffisienten til MM versus GS i den blå miRNA-modulen 0.32 med P=5.8e−5. Interaksjonsnettverket til modul-miRNA-er viste at 17 hub-miRNA-er ble identifisert i den blå miRNA-modulen (fig. 5b). For ytterligere å utforske de biologiske rollene til miRNA-er i denne modulen, ble målgenene til disse miRNA-ene brukt til å utføre funksjonell anrikningsanalyse. Resultater av funksjonsannotering er vist i fig. 5c–e, noe som tyder på at miRNA-ene til den blå miRNA-modulen var signifikant assosiert med GO-begrepene for liten GTPase-mediert transduksjon, kjertelutvikling, transkripsjonskoregulatoraktivitet og adherens-kryss, samt KEGG elementer av MAPK signalvei og human T-celle leukemi virus 1 infeksjon.
Detailed information of differentially expressed miRNAs (defined by log2 fold change>0.1 og p-verdi<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="">
Lurekonstruksjon av regulatoriske miRNA–mRNA Nettverk in post-Tx AKI
Genene og miRNA-ene som utgjorde henholdsvis nøkkelmodulene og nøkkel-miRNA-modulen ble brukt til å generere det regulatoriske miRNA-mRNA-nettverket. Totalt 1048 predikerte miRNA–mRNA-par i høy konfidensklasse ble hentet fra miRDIP v4.1 og brukt til å konstruere et nettverk av Cytoscape (tilleggsfil 7: Figur S7). Den funksjonelle merknaden til mRNA-er i dette nettverket er avbildet i tilleggsfil 8: Figur S8, som indikerer at disse mRNA-ene hovedsakelig var involvert i cellesubstratadhesjon, utvikling av urogenital system, heparinbinding, kollagenbinding, AGE-RAGE-signalvei hos diabetikere komplikasjoner, samt PI3K–Akt signalvei. Etterpå, for å oppnå nettverket som kan ha nøkkelroller i patogenesen av post-Tx AKI, valgte vi miRNA–mRNA-parene med en trygghet på mer enn 0.2 for å generere et regulatorisk miRNA–mRNA-nettverk (fig. . 6). Det regulatoriske miRNA-mRNA-nettverket besto av 82 noder (48 mRNA og 34 miRNA) og 125 kanter. Etter å ha analysert nettverket fant vi miR-203a-3p, miR-205-5p og ERBB4 med høyere nodegrader sammenlignet med andre noder, og kvantifiseringsdetaljene er gitt i tilleggsfil 12 : Tabell S3. Ti funksjonelle analyser avslørte at totalt 48 mRNA hovedsakelig ble beriket i GO-termer av epitelrørsmorfogenese, nefronutvikling, urogenital systemutvikling og transmembranreseptorproteinkinase (fig. 7a–c). Det var ingen signifikant berikede KEGG-veier siden deres p-verdier var større enn 0,05 (fig. 7d). For kryssvalidering sammenlignet vi våre nåværende resultater hentet fra miRDIP-databasen med de fra miRNet-databasen. Totalt ble 75 699 miRNA–mRNA-par identifisert per minutt, og det var et skjæringspunkt på 117 miRNA–mRNA-par mellom resultatene fra miRNet-databasen og miRDIP-databasen; det tilsvarende regulatoriske nettverket er visualisert i tilleggsfil 9: Figur S9B. Anrikningsanalysene av de 117 miRNA-mRNA-parene viste at de hovedsakelig var involvert i negativ regulering av cellulær komponentorganisering, respons på et organisk stoff i GO-BP-kategorien; eukaryot translasjonsinitieringsfaktor 4F kompleks, og kjernefysisk kropp i GO-CC kategori; SNAP-reseptoraktivitet, proteinkompleksbinding, proteintyrosinfosfataseaktivitet under GO-MF-kategori, samt KEGG-veier assosiert med nyrecellekarsinomsignalering, prolaktinsignalering og NFR2--mediert oksidativ stressrespons. Siden de ovennevnte funksjonelle berikelsesresultatene var basert på miRNA-mRNA-par spådd av både miRNet- og miRDIP-databaser, kan de være mer representative for de epigenetiske mekanismene som ligger til grunn for post-Tx AKI.
Diskusjon
Post-Tx AKI er en vanlig komplikasjon etter transplantasjonskirurgi, som er preget av rask nedgang i nyrefunksjon og høy dødelighet [19]. Å fatte den beste tiden for tidlig diagnose og intervensjon av post-Tx AKI er utfordrende på grunn av mangelen på spesifikke indikatorer for tidlig prediksjon, graderingsvurdering og overvåking av effekt. For å overvinne slike problemer er det avgjørende å utforske patomekanismene og potensielle biomarkører til post-Tx AKI. I 2014, Wilfingseder et al. utførte miRNA- og mRNA-mikroarray-analyse basert på nyretransplantasjonsbiopsiprøver med AKI og identifiserte videre en AKI-spesifikk molekylær signatur ved bruk av differensielle genekspresjonsanalyser (DEA) [20]. DEA kan imidlertid lett ekskludere noen viktige gener hvis ekspresjonsnivå endres lite, men spiller en avgjørende rolle i sykdommene. Dessuten er det vanskelig å bekrefte om de differensielt uttrykte mRNAene og miRNAene i post-Tx-biopsien mellom kontroll og AKI var relatert til post-Tx AKI på grunn av det faktum at Tx også kunne føre til unormalt uttrykk for noen gener. Økende studier viste at initiering og progresjon av alle sykdommer ikke kunne reguleres av noen få gener, snarere et nettverk av flere RNA [21, 22]. Dermed kan det å konstruere et RNA-regulatorisk nettverk være en lovende strategi for å forstå sykdomsutvikling og etablere ny terapi [23]. Som en robust bioinformatikktilnærming har WGCNA kapasitet til å forbedre enkle korrelasjonsnettverk ved å kvantifisere korrelasjonene mellom individuelle par av gener, så vel som i hvilken grad disse genene deler de samme naboene [24]. WGCNA inkluderer ikke bare differensielt uttrykte gener, men også gener som ikke er signifikant differensielt uttrykt, men som fortsatt er en nøkkelmediator for visse kliniske egenskaper. I de siste årene har WGCNA blitt brukt i et mangfold av mennesker
sykdomsforskning for å screene biomarkører og klargjøre molekylære mekanismer som ligger til grunn for sykdomsutvikling [25, 26].
I den nåværende studien, basert på mRNA- og miRNA-mikroarray-datasettene, ble tre moduler som var signifikant korrelert med AKI etter transplantasjon identifisert ved bruk av WGCNA. Te tan-modulen som inneholdt 55 mRNA viste en signifikant negativ korrelasjon med post-Tx AKI. Flere studier rapporterte at en høy konsentrasjon av FA kunne gi akutt tubulær nekrose som generering av FA-krystaller i nyretubuli, noe som fører til nyresvikt [27, 28]. Te mRNA-er i tan-modulen var hovedsakelig involvert i veien for FA-biosyntese, noe som tyder på at denne veien står for utviklingen av post-Tx AKI. Deretter, som modulen som var mest positivt relatert til post-Tx AKI, besto den svarte modulen av 80 mRNA. Spesielt var de mest berikede elementene i svartmodul-mRNA-ene i GO-analyse hovedsakelig relatert til nyrefunksjonene som f.eks.nyreutvikling og nefronutvikling, bekrefter den høye korrelasjonen til denne modulen med post-Tx AKI. En tidligere studie indikerte at den ekstracellulære signalregulerte kinase (ERK) kaskaden spiller en grunnleggende rolle i aktiveringen av kompenserende reparasjonsmekanismer undernyreskade[29]. Vår studie viste at de svarte modul-mRNA-ene også ble betydelig beriket i funksjonene til ERK1/2-kaskaden. Dessuten indikerte resultater av KEGG-baneanalyse at disse mRNA-ene var nært relatert til MAPK-signalveien og Ras-signalveien. Det er i stor grad dokumentert at MAPK-banen utøver en nøkkelrolle i AKI ved å regulere nyrebetennelse, tubulær skade og celledød [30–32]. Det er universelt akseptert at MAPK/ERK-banen er et nedstrøms signalmolekyl i Ras-signalveien [33]. Resultatene ovenfor viste at det unormale uttrykket av noen gener resulterer i AKI ved å regulere FA-biosyntesen, MAPK-signalveien og Ras-signalveien for å påvirke nyreutviklingen etternyretransplantasjon.
Økende eksperimentelle bevis har bekreftet at visse miRNA-er har kritiske roller i deteksjon, progresjon og intervensjon av AKI [34]. Amrouche et al. viste at miR-146a har en viktig rolle i den renale tubulære responsen, hvorav oppregulering kan begrense utviklingen av AKI [35]. En tidligere studie viste at urin miR-21 kunne brukes som en biomarkør for å forutsi utvikling av AKI etter hjertekirurgi [36]. Som den eneste miRNA-modulen som er signifikant assosiert med post-Tx AKI i denne studien, var den blå miRNA-modulen som inneholdt 151 miRNA-er negativt korrelert med post-Tx AKI. Det har vært allment anerkjent at miRNA-er kan regulere uttrykket av deres nedstrøms målgener for å utøve biologiske funksjoner. Følgelig spådde vi målene til disse miRNAene ved å bruke "miRNAtap" og "multiMiR" for å utføre funksjonell merknad. Det skal bemerkes at målene til nøkkelmodul-miRNA-er også hovedsakelig ble beriket i MAPK-signalveien, noe som ytterligere bekreftet den avgjørende rollen til MAPK-veien i prosessen med post-Tx AKI.
Dessuten er det nødvendig å identifisere et regulatorisk miRNA–mRNA-nettverk som potensielt er involvert i patogenesen til post-Tx AKI, da verken gener eller miRNA uavhengig kan regulere utviklingen av post-Tx AKI. Flertallet av de tidligere studiene har utelukkende fokusert på miRNA eller gener for å klargjøre mekanismen til AKI. Ved å bruke bioinformatikkverktøy etablerte vi endelig et regulatorisk miRNA–mRNA-nettverk av post-Tx AKI, som besto av 48 mRNA og 34 miR NA. Blant disse 82 nodene viste miR-203a-3p, miR-205-5p og ERBB4 høye grader og kan være sentrale noder i nettverket. Effektene av miR-205-5p ved nyresykdommer har blitt undersøkt tidligere. Schena et al. rapporterte at ekspresjonsnivået til miR-205-5p var signifikant og positivt korrelert med alvorlighetsgraden av nyrekreft og hypertensiv nefrosklerose [37]. En eksperimentell studie utført av Sessa og hans kolleger foreslo at miR-205-5p kan være en molekylær biomarkør for nyreskade [38]. Få studier har undersøkt rollene til miR-203a-3p og ERBB4 i AKI-utvikling. Det er dokumentert at ERBB4 kan lindre oksidative fornærmelser av gamle mesenkymale stamceller ved å redusere nivåene av reaktive oksygenarter (ROS) [39]. Det er velkjent at alle transplanterte organer vil gjennomgå en viss grad av iskemi-reperfusjonsskade mediert av et høyt nivå av ROS etter transplantasjon og potensielt utvikle seg til AKI. Vi spekulerte i at ERBB4 også utøver funksjonen til å regulere ROS-nivåer i utviklingen av post-Tx AKI. GO-anrikningsanalysen av mRNA-ene i dette nettverket viste at disse mRNA-ene ble beriket i flere funksjoner som er relevante for nyreutvikling. Videre indikerte KEGG-anrikningsanalyse at dette nettverket hovedsakelig var involvert i en rekke veier som har blitt godt studert, for eksempel PI3K–Akt-signalvei, HIF-1-signalvei, Ras-signalvei og MAPK-signalvei. De fleste av disse veiene har vist seg å ha avgjørende roller i AKI [30, 40, 41]. Disse resultatene viste at analysen vår var riktig utført.
Til sammen brukte studien vår for første gang WGCNA kombinert med miRDIP v4.1-analyse for å identifisere de mest sannsynlige interaksjonene og konstruere et regulatorisk miRNA-mRNA-nettverk assosiert med transplantasjonsrespons i AKI, som ga et foreløpig rammeverk og noe nytt innsikt for å belyse den molekylære mekanismen for utviklingen av post-Tx AKI. Noen begrensninger ved denne studien bør likevel nevnes. For det første ble bare åtte post-Tx AKI-biopsiprøver registrert i denne studien, noe som ikke var tilstrekkelig til å trekke helt troverdige konklusjoner. For det andre krever det regulatoriske miRNA-mRNA-nettverket ytterligere studier i kliniske og molekylærbiologiske eksperimenter for validering. Siden det er vanskelig å finne kvalifiserte data, ble ikke andre typer RNA-er, slik som lange ikke-kodende RNA-er (lncRNA-er) og sirkulære RNA-er (circRNA-er), inkludert, noe som kan være en ulempe i den omfattende avklaringen av mekanismen som ligger til grunn for post-Tx AKI utvikling.
cistanche stamme fordeler på nyrefunksjonen
Konklusjoner
Vi konstruerte først et regulatorisk miRNA–mRNA-nettverk assosiert med post-Tx AKI ved å bruke bioinformatikkanalyse. Resultatene indikerte at to miRNA (miR-203a-3p og miR-205-5p) og ERBB4 kan spille en sentral rolle i post-Tx AKI, og de biologiske funksjonene til det regulatoriske miRNA –mRNA-nettverk ble beriket i nyre-/nyre-relaterte funksjoner og PI3K–Akt/HIF-1/Ras/MAPK-signalveier. Denne studien gir et omfattende perspektiv av regulatoriske nettverk for å øke forståelsen av den molekylære mekanismen i post-Tx AKI. Vi håper at den nåværende studien vil være gunstig for å oppdage nye biomarkører eller terapeutiske medisiner for å forbedre evnen til tidlig prediksjon og intervensjon og redusere dødeligheten av AKI etter transplantasjon.
Metoder
Studiedesign og datainnsamling
Den overordnede utformingen av denne studien er vist i tilleggsfil 1: Figur S1. Alle kvalifiserte mikroarray-data ble lastet ned fra Gene Expression Omnibus (GEO)-databasen (http://www.ncbi.nlm.nih.gov/geo/). GSE53769-datasettet er et mRNA-ekspresjonsdatasett som ble utført ved bruk av Affymetrix GeneChip® Human Gene 2.0 ST Array; GSE53771-datasettet er et miRNA-ekspresjonsdatasett som ble analysert av Affymetrix GeneChip® miRNA 3.0 Array. Disse to datasettene besto begge av 18 null-timers og 18 post-transplantasjon (Tx) biopsiprøver fra 18 nyre allograft mottakere (åtte med akutt tubulær nekrose uten avstøtning definert som AKI og ti protokoll biopsier uten patologi (PBX) definert som kontroller) og ble sendt inn av Wilfingseder og medarbeidere [20]. Disse prøvene ble delt inn i fire grupper, nemlig null-timers AKI, null-timers PBX, post-Tx AKI og post-Tx PBX. De to datasettene ble henholdsvis brukt til å konstruere samekspresjonsnettverket, hvorved nøkkel-mRNA/miRNA-moduler assosiert med post-Tx AKI kunne identifiseres, noe som tillot konstruksjonen av et miRNA-mRNA-regulatorisk nettverk som driver frem progresjonen av post-Tx AKI .
Bygging av samekspresjonsnettverk
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), ble først bestemt. Deretter ble et skalafritt samuttrykksnettverk konstruert basert på tilstøtningsmatrisen. Adjacency-matrisen ble oppnådd ved hjelp av formelen: Adjacencyk,j=cork, j- , hvor k og j tilsvarer to vilkårlige gener og brukes for å understreke den sterke likheten mellom k og j, som sørget for at genpar med lav likhet vil bli utelatt under moduloppgave. Ti, nabomatrisen ble omdannet til en topologisk overlappingsmatrise (TOM). Ved å bruke et TOM-basert ulikhetsmål ble gentreet-dendrogrammet generert av gjennomsnittlig koblingshierarkisk clustering, og gener med lignende uttrykksmønstre ble gruppert i forskjellige moduler (minste modulstørrelse ble satt til 30).
cistanche herbakan behandlenyresykdomforbedrenyrefunksjon
Identifikasjon av signifikante korrelasjonsmoduler
Modulegengener (MEs), som oppsummerer genuttrykksmønstre som en enkelt karakteristisk ekspresjonsprofil innenfor en gitt modul, ble brukt til å evaluere den potensielle korrelasjonen av gener med forskjellige egenskaper for å bestemme betydningen av hver modul. Gensignifikans (GS) representerte korrelasjonen mellom gener og ulike kliniske egenskaper, og gjennomsnittlig GS for alle gener i en modul ble definert som modulsignifikans (MS), uttrykt som MS {{0}}}n- ni{ {2}}GSi (n=antall gener i en modul). Etter å ha beregnet Pearson-korrelasjonen mellom ME og kliniske egenskaper, ble modulene med høyest positive eller laveste negative R (korrelasjonskoeffisient) med post-Tx AKI med korrelasjons-p-verdier cutoff på 0,05 definert som nøkkelmoduler. Vi fulgte standard arbeidsflyten anbefalt av forfatterne av WGCNA [13], og p-verdikorreksjon for flere tester ble ikke utført siden Pearson-koeffisienten R og korrelasjons-p-verdien er tilstrekkelig for signifikant modulvalg [13]. Intensiteten til fargen i varmekartet indikerte styrken til korrelasjonen. For bedre å studere en nøkkelmodul, ble korrelasjonen av modulgener analysert og gen-gen-interaksjonsnettverket ble visualisert av nettverksanalysatoren Cytoscape v3.7.2 [42]. I dette nettverket ble genene med høy grad, som inneholdt svært sammenkoblede noder i modulen, ansett som hub-gener. Disse hub-genene ble oppdaget ved å utføre analysen med MCODE-plugin i Cytoscape.
Regulatory miRNA–mRNA network cpåstructipå
Ved å bruke nettverktøyet miRDIP v4.1 ble interaksjonene mellom modulgenene og miRNA-ene oppnådd. Ti, miRNA–mRNA-parene med høy prediksjonssikkerhet ble valgt for konstruksjon av et miRNA–mRNA-regulatorisk nettverk ved å bruke Cytoscape v3.7.2. For å kryssvalidere resultatene våre, ble miRNA-mRNA-interaksjonene også hentet fra miRNet-databasen.
Functipå enl norichmnot analysis
For ytterligere å forstå de potensielle funksjonene til de identifiserte genene, ble berikelsesanalysen av Gene Ontology (GO) og Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway-analyse utført ved å bruke R-pakke "cluster roller" [44]; i noen tilfeller (tilleggsfil 4: S4A, tilleggsfil 5: S5A, tilleggsfil 6: S6A og tilleggsfil 9: S9C), ble funksjonen TCGAanalyze_ EAcomplete i TCGAbiolinks-biblioteket kjørt. I denne studien ble resultatene av GO-termer og KEGG-veier med Benjamini–Hochberg (BH) justertP-verdier av<0.05 were="" considered="" to="" be="" significantly="">
Cistanche tubulosa forhindrer nyresykdom, klikk her for å få prøven
Referansences
1. Abu Jawdeh BG, Govil A. Akutt nyreskade i transplantasjonsmiljø: differensialdiagnose og innvirkning på helse og helsevesen. Adv Chronic Kidney Dis. 2017;24(4):228–32.
2. Cooke WR, Hemmilä UK, Craik AL, Mandula CJ, Mvula P, Msusa A, et al. Forekomst, etiologi og utfall av obstetrisk relatert akutt nyreskade i Malawi: en prospektiv observasjonsstudie. BMC Nephrol. 2018;19(1):25.
3. Solé C, Pose E, Solà E, Ginès P. Hepatorenalt syndrom i en tid med akutt nyreskade. Lever Int Of J Int Assoc Study Lever. 2018;38(11):1891–901.
4. Ostermann M, Liu K. Patofysiologi ved AKI. Best Practice Res Clin Anaes-jorda. 2017;31(3):305–14.
5. Saliminejad K, Khorram Khorshid HR, Soleymani Fard S, Ghafari SH. En oversikt over mikroRNA: biologi, funksjoner, terapeutikk og analysemetoder. J Cell Physiol. 2019;234(5):5451–65.
6. Friedman RC, Farh KK, Burge CB, Bartel DP. De fleste mRNA fra pattedyr er bevarte mål for mikroRNA. Genome Res. 2009;19(1):92–105.
7. Pan X, Wenzel A, Jensen LJ, Gorodkin J. Genomomfattende identifikasjon av klynger av predikerte mikroRNA-bindingssteder som mikroRNA-svampkandidater. PLoS EN. 2018;13(8):e0202369.
8. Chen B, Hua Z, Qin X, Li Z. Integrert mikroarray for å identifisere hub-miRNA-ene og konstruerte miRNA-mRNA-nettverk i neuroblastom via bioinformatikkanalyse. Neurochem Res. 2020.
9. Liu HM, Huang Y, Li L, Zhang Y, Cong X, Wu LL, et al. MikroRNA-mRNA-ekspresjonsprofiler og funksjonelt nettverk av den submandibulære kjertelen i type 2 diabetiske db/db-mus. Arch Oral Biol. 2020;120:104947.
10. Iwuchukwu I, Nguyen D, Beavers M, Tran V, Sulaiman W, Fannin E, et al. MicroRNA regulatorisk nettverk som biomarkører for sene anfall hos pasienter med spontan intracerebral blødning. Mol Neurobiol. 2020;57(5):2346–57.
11. van Zonneveld AJ, Rabelink TJ, Bijkerk R. miRNA-koordinerte nettverk som lovende terapeutiske mål for akutt nyreskade. Am J Pathol. 2017;187(1):20–4.
12. Wu J, Li DD, Li JY, Yin YC, Li PC, Qiu L, et al. Identifikasjon av mikroRNA-mRNA-nettverk involvert i cisplatin-indusert nyretubulære epitelcelleskade. Eur J Pharmacol. 2019;851:1–12.
13. Langfelder P, Horvath S. WGCNA: en R-pakke for vektet korrelasjonsnettverksanalyse. BMC Bioinform. 2008;9:559.
14. Zhang X, Bai J, Yuan C, Long L, Zheng Z, Wang Q, et al. Bioinformatikkanalyse og identifisering av potensielle gener relatert til patogenesen av cervikal intraepitelial neoplasi. J Kreft. 2020;11(8):2150–7.
15. Li J, Lu L, Zhang YH, Xu Y, Liu M, Feng K, et al. Identifikasjon av leukemi-stamcelleekspresjonssignaturer gjennom Monte Carlo-funksjonen seleksjonsstrategi og støttevektormaskin. Kreft Gene Ther. 2020;27(1–2):56–69.
16. Pan X, Zeng T, Yuan F, Zhang YH, Chen L, Zhu L, et al. Screening av metyleringssignatur og genfunksjoner assosiert med undertypene av isocitrat dehydrogenase-mutasjonsgliomer. Front Bioeng Biotechnol. 2019;7:339.
17. Shen M, Song Z, Wang JH. mikroRNA- og mRNA-profiler i amygdala er assosiert med stressindusert depresjon og motstandskraft hos unge mus. Psykofarmakologi. 2019;236(7):2119–42.
18. An T, Song Z, Wang JH. Molekylær mekanisme for belønningsbehandling som forbedrer kronisk stress-indusert depressiv-lignende oppførsel vurdert ved å sekvensere miRNA og mRNA i den mediale prefrontale cortex. Biochem Biophys Res Commun. 2020;528(3):520–7.
19. Zuk A, Bonventre JV. Akutt nyreskade. Annu Rev Med. 2016;67:293–307.
20. Wilfingseder J, Sunzenauer J, Toronyi E, Heinzel A, Kainz A, Mayer B, et al. Molekylær patogenese av akutt nyreskade etter transplantasjon: vurdering av helgenom-mRNA- og miRNA-profiler. PLoS EN. 2014;9(8):e104164-e.