解读类风湿关节炎中与中性粒细胞胞外陷阱相关的核心基因和免疫景观:综合生物信息学分析和实验的见解

Deciphering hub genes and immune landscapes related to neutrophil extracellular traps in rheumatoid arthritis: insights from integrated bioinformatics analyses and experiments.

作者信息Yang Li, Jian Liu, Yue Sun, Yuedi Hu, Qiao Zhou, Chengzhi Cong, Yiming Chen
PMID39845946
发布时间2025-01-08
DOI10.3389/fimmu.2024.1521634

实验完整度

结合多个转录组数据集进行生物信息学分析,并在AA大鼠模型、临床样本和细胞实验中验证了核心基因的表达和NETs形成。

主要模型

胶原诱导关节炎(CIA)小鼠滑膜组织单细胞测序 佐剂诱导关节炎(AA)大鼠模型 类风湿关节炎患者外周血中性粒细胞 类风湿关节炎患者外周血样本及临床队列

重点核对

GSE192504中CIA小鼠滑膜组织单细胞测序数据 GSE55235、GSE55457、GSE206848训练队列和GSE77298外部验证队列 AA大鼠模型:6-8周龄雄性Sprague-Dawley大鼠,体重180±20g 临床队列:30例RA患者和20例健康对照 中性粒细胞刺激:PMA浓度5 µmol/µL,刺激4小时

摘要

背景:类风湿关节炎(RA)是一种慢性自身免疫性疾病,以滑膜炎症和进行性关节破坏为特征。中性粒细胞胞外陷阱(NETs)是中性粒细胞死亡后形成的微网状结构,最近被认为与RA的发病机制和病理机制有关。然而,RA中NET形成所涉及的潜在分子机制和关键基因仍然很大程度上未知。方法:我们从基因表达综合数据库(GEO)获取滑膜组织的单细胞RNA测序数据,并进行细胞注释和细胞间通讯分析。随后,收集了三个微阵列数据集作为训练队列,并与一个与NETs相关的批量RNA测序数据集相关联。鉴定差异表达基因,并使用加权基因共表达网络分析来表征基因关联。使用三种机器学习技术,我们确定了最重要的核心基因,以开发和评估列线图诊断模型。使用CIBERSORT阐明核心基因与免疫细胞之间的关系。使用外部验证数据集验证关键基因的表达,并使用NetworkAnalyst平台构建共调控网络。我们进一步通过免疫组织化学在佐剂诱导的关节炎大鼠模型和实时定量聚合酶链反应在临床队列中研究了核心基因的表达。结果:通过降维和聚类鉴定了七个细胞亚群,其中中性粒细胞可能是RA中最关键的细胞簇。细胞间通讯分析强调了中性粒细胞与成纤维细胞之间的网络。在此背景下,鉴定了4个与NETs相关的关键核心基因(CRYBG1、RMM2、MMP1和SLC19A2)。开发并评估了具有诊断价值的列线图模型。免疫细胞浸润分析表明核心基因与NETs和RA中的免疫景观之间存在关联。IHC和RT-qPCR结果显示CRYBG1、RMM2和MMP1在滑膜细胞和中性粒细胞中高表达,而SLC19A2表达较低。相关性分析进一步强调了核心基因与RA患者实验室标志物之间的密切关联。结论:本研究首次阐明了RA滑膜微环境中中性粒细胞的异质性及其与成纤维细胞通讯的机制。CRYBG1、RMM2、MMP1和SLC19A2被鉴定并验证为潜在的NET相关生物标志物,为RA的诊断工具和免疫治疗策略提供了见解。

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
类风湿关节炎滑膜微环境中,中性粒细胞胞外陷阱(NETs)相关核心基因及其与免疫细胞浸润的关系是什么?
核心机制
NETs通过胶原、MIF和Fn1信号通路介导中性粒细胞与成纤维细胞的通讯,促进RA炎症和关节破坏。
主要证据
单细胞测序显示中性粒细胞是RA滑膜中最丰富的细胞群;IHC和RT-qPCR证实CRYBG1、RRM2、MMP1在RA中高表达,SLC19A2低表达;免疫浸润分析显示核心基因与多种免疫细胞相关。
研究意义
CRYBG1、RRM2、MMP1和SLC19A2可作为RA诊断的生物标志物,为诊断工具和免疫治疗策略提供见解。

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

单细胞转录组分析

描绘RA滑膜微环境的细胞组成和异质性,鉴定关键细胞群。

使用GSE192504数据集进行单细胞RNA测序分析,进行细胞注释和细胞间通讯分析。

2

差异表达基因鉴定和功能富集分析

筛选RA与正常滑膜组织中的差异表达基因,并分析涉及的生物学通路。

使用limma包鉴定DEGs,进行GO和KEGG富集分析。

3

加权基因共表达网络分析(WGCNA)

识别与RA临床特征相关的基因共表达模块。

构建基因共表达网络,筛选与RA显著相关的模块。

4

机器学习筛选核心基因

从候选基因中筛选与NETs相关的核心基因。

使用LASSO、SVM-RFE和RF三种算法,取交集后得到4个核心基因。

5

构建和验证诊断列线图模型

基于核心基因构建RA诊断预测模型。

使用rms包构建列线图,并用内部和外部数据集验证。

6

免疫浸润分析

评估RA滑膜组织中免疫细胞浸润模式及其与核心基因的关系。

使用CIBERSORT算法分析22种免疫细胞比例,并计算与核心基因的相关性。

7

动物模型验证

在体内验证核心基因在RA中的表达变化。

建立AA大鼠模型,通过IHC检测滑膜组织中核心基因的蛋白表达。

8

临床样本验证

在临床RA患者样本中验证核心基因表达和NETs形成。

分离外周血中性粒细胞,PMA诱导NETs,免疫荧光检测MPO和NE,RT-qPCR检测核心基因mRNA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
CRYBG1抗体biossbs-9093R
RRM2抗体biossbs-7133R
MMP1抗体abcamab52631
SLC19A2抗体biossbs-10738R
Percoll----
佛波醇12-肉豆蔻酸酯13-乙酸酯----
抗MPO抗体Biossbs-4943R
抗NE抗体abcamab310335
TRIzol试剂----
Taq SYBR Green qPCR预混液----
ImageJ----
Sprague-Dawley大鼠Huachuang Cigna Pharmaceutical Technology Co., Ltd.--
DAPI----

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
单细胞测序分析
数据来源GSE192504,质控标准:RNA特征>200且<5000,UMI≥600,线粒体基因百分比<10%,血细胞基因百分比<1%
阅读提示:详见Materials and methods 2.2节
差异表达基因筛选
训练队列:GSE55235, GSE55457, GSE206848;筛选条件:P<0.05,|logFC|>1.5
阅读提示:详见Materials and methods 2.4节
WGCNA分析
软阈值β=3;模块筛选标准:GS>0.1且MM>0.8;模块-性状关系最显著的模块:turquoise, blue, green
阅读提示:详见Materials and methods 2.6节
机器学习筛选
LASSO(10折交叉验证),SVM-RFE,RF;最终核心基因:CRYBG1, RRM2, MMP1, SLC19A2
阅读提示:详见Materials and methods 2.8节和Results 3.5节
动物模型验证
AA大鼠模型:6-8周龄雄性SD大鼠,体重180±20g;IHC抗体稀释度:CRYBG1 1:300, RRM2 1:300, MMP1 1:100, SLC19A2 1:300
阅读提示:详见Materials and methods 2.12-2.14节和Results 3.8节
临床样本验证
30例RA患者和20例健康对照外周血;PMA浓度5 µmol/µL刺激4小时;抗MPO抗体1:200,抗NE抗体1:400;RT-qPCR引物见补充表S2
阅读提示:详见Materials and methods 2.15-2.17节和Results 3.9节