RNA甲基化调控因子交互作用及免疫浸润的综合分析用于糖尿病肾病的预测和个性化治疗

Integrated analysis of RNA methylation regulators crosstalk and immune infiltration for predictive and personalized therapy of diabetic nephropathy.

作者信息Jia Li, Dongwei Liu, Jingjing Ren, Guangpu Li, Zihao Zhao, Huanhuan Zhao, Qianqian Yan, Jiayu Duan, Zhangsuo Liu
PMID36765416
发布时间2023-02-10
DOI10.1186/s40246-023-00457-9

实验完整度

包括生物信息学分析(差异表达、聚类、风险模型)和体外细胞实验验证(qRT-PCR、Western blot、免疫荧光),但缺乏体内动物模型或临床样本验证。

主要模型

人永生化足细胞系(HPC) 小鼠足细胞系(MPC) GEO数据集样本(包括DN和对照肾小球样本)

重点核对

RNA甲基化调控因子(METTL3、YTHDC1、ADAR1、DNMT1等)在不同数据集和细胞系中的表达变化 高风险评分与免疫浸润、HLA基因表达的相关性 高糖(30 mM葡萄糖)处理足细胞48小时诱导DN模型 风险模型基因(METTL3、RBM15、DNMT3B等)与eGFR的相关性

摘要

背景:RNA甲基化是一种广为人知的转录后调控,存在于许多癌症和免疫系统疾病中。然而,五种RNA甲基化调控因子在糖尿病肾病(DN)和免疫微环境中的潜在作用和交互作用仍不清楚。方法:在来自5个基因表达综合(GEO)数据集的112个样本中鉴定了37个RNA修饰调控因子及相关基因的mRNA表达。采用非负矩阵分解聚类方法确定RNA修饰模式。采用ssGSEA算法和人白细胞抗原表达评估免疫微环境特征。构建基于修饰调控因子相关差异表达基因的风险模型,以评估其对DN患者的预测能力。此外,通过免疫荧光共定位和体外蛋白实验验证结果。结果:我们发现与对照组相比,DN组肾小球中有24个RNA甲基化调控因子显著差异表达。使用单变量Logistic回归和综合LASSO回归,将4个甲基化相关基因和6个RNA调控因子引入风险评分模型,该模型能够精确区分DN患者和健康个体。高风险评分组与高免疫浸润相关。鉴定出三种不同的RNA修饰模式,其在免疫微环境、生物学通路和eGFR方面存在显著差异。验证分析显示,与正常葡萄糖培养的细胞相比,DN足细胞系中METTL3、ADAR1、DNMT1表达上调,而YTHDC1表达下调。结论:我们的研究表明RNA甲基化调控因子和免疫浸润调节在DN发病机制中发挥关键作用。生物信息学分析与体外验证相结合,可为鉴定DN中预测性RNA甲基化调控因子提供有力证据。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
RNA甲基化调控因子(m6A、m1A、m5C、APA、A-I编辑)在糖尿病肾病(DN)中的表达、交互作用及其与免疫微环境的关系如何?
核心机制
RNA甲基化调控因子通过调控免疫浸润和免疫反应参与DN发病机制,其中METTL3、ADAR1、DNMT1等调控因子可能通过影响免疫细胞浸润和HLA基因表达促进DN进展。
主要证据
基于GEO数据集的差异表达分析、NMF聚类和风险模型构建,以及体外足细胞实验验证METTL3、ADAR1、DNMT1上调,YTHDC1下调。
研究意义
本研究为理解DN发病机制提供新证据,并为基于RNA甲基化的预测性DN管理和个性化治疗提供潜在靶点。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据收集与预处理

整合多个GEO数据集,鉴定RNA甲基化调控因子的表达谱。

收集4个GEO数据集,共111个样本,进行批次校正和差异表达分析,鉴定37个RNA甲基化调控因子。

2

RNA甲基化调控因子表达和交互分析

评估RNA甲基化调控因子在DN和对照中的差异表达及相互作用。

通过差异表达分析、Pearson相关分析和PPI网络分析展示调控因子间的关系。

3

免疫浸润和通路分析

评估DN中免疫细胞浸润、免疫反应通路和HLA基因表达,并分析其与RNA甲基化调控因子的关系。

使用ssGSEA计算28种免疫细胞浸润评分,分析免疫反应通路和HLA基因表达,并进行Spearman相关分析。

4

构建RNA甲基化模式

基于RNA甲基化调控因子表达,识别DN的不同分子亚型。

采用NMF聚类将DN样本分为三种亚型,并比较亚型间的免疫特征和生物学通路。

5

构建和验证风险模型

构建风险评估模型以预测DN风险,并评估其与免疫特征的关系。

使用LASSO回归构建风险模型,计算每个样本的风险评分,并根据中位风险评分划分高低风险组。

6

体外验证关键调控因子

验证关键RNA甲基化调控因子在DN足细胞中的表达。

在HPC和MPC细胞系中,通过qRT-PCR、Western blot和免疫荧光检测METTL3、YTHDC1、ADAR1、DNMT1等的表达。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
RPMI-1640培养基gibco--
胎牛血清gibco--
RNeasy微型试剂盒Qiagen--
RevertAid第一链cDNA合成试剂盒Thermo Fisher Scientific--
Fast Start Essential DNA Green MasterRoche--
RIPA裂解缓冲液----
蛋白酶抑制剂CWBioCW2200S
磷酸酶抑制剂CWBioCW2383S
NHPS2抗体Abcamab50339
Synaptopodin抗体--21064-1-AP
METTL3抗体Cell Signaling96391 s
YTHDC1抗体Cell Signaling77422 s
ADAR1抗体Biossbs-2168R
DNMT1抗体Abcamab188453
WTAP抗体Proteintech60,188–1-Ig
β-肌动蛋白抗体BioworldAP0060
抗METTL3抗体Abcamab195352
抗ADAR1抗体Biossbs-2168R
抗WTAP抗体Proteintech60188-1-Ig
抗DNMT1抗体Abcamab188453
Alexa Fluor 488山羊抗兔IgGInvitrogenA32731
DAPIVectorlabsH-1200
Zeiss LSM880共聚焦显微镜Carl Zeiss--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据收集与处理
数据集整合和批次校正方法
阅读提示:Methods: Data collection and processing
差异表达分析
RNA甲基化调控因子的差异表达阈值
阅读提示:Methods: Data collection and processing; Results: Landscape of RNA methylation regulators
免疫浸润分析
ssGSEA算法参数、免疫细胞类型
阅读提示:Methods: Immune characteristics analysis
聚类分析
NMF聚类参数(k值、算法)
阅读提示:Methods: Consensus functional clustering
风险模型构建
LASSO回归参数、基因筛选标准
阅读提示:Methods: Construction and validation of risk model
体外验证
细胞系、高糖处理浓度和时间、抗体信息
阅读提示:Methods: Cell culture; RNA extraction and quantitative real-time PCR; Western blot analysis; Immunofluorescence staining
统计分析
统计方法、显著性阈值
阅读提示:Methods: Statistical analysis