通过整合单细胞RNA测序分析和机器学习算法鉴定主动脉夹层的新型脂质代谢相关生物标志物

Identification of novel lipid metabolism-related biomarkers of aortic dissection by integrating single-cell RNA sequencing analysis and machine learning algorithms.

作者信息Zhechen Li, Yusong Deng, Fei Xiao, Jiashu Sun, Qixu Zhao, Zetong Zheng, Gang Li
PMID41246346
发布时间2025-10-30
DOI10.3389/fimmu.2025.1681989

实验完整度

研究结合单细胞转录组分析、多种机器学习算法、bulk RNA-seq验证及Ang II诱导的动物模型实验,并进行了qRT-PCR、Western blot和免疫荧光验证。

主要模型

ApoE-/-小鼠Ang II诱导主动脉夹层模型 单细胞RNA测序数据(GSE189795, GSE254132, GSE222318) bulk RNA-seq数据集(GSE153434, GSE52093)

重点核对

PLIN2和PLIN3在主动脉夹层中的上调表达及诊断潜力(AUC值) PLIN2在巨噬细胞中的特异性表达(免疫荧光共定位) Ang II诱导主动脉夹层小鼠模型的建立(剂量和持续时间) 基因表达验证所用的qRT-PCR和Western blot条件

摘要

Introduction: Aortic dissection (AD) is a lethal disease with increasing incidence and limited preventive options, characterized by aortic media degeneration and inflammatory cell infiltration. Dysregulation of lipid metabolism is increasingly recognized as a pathological characteristic of AD; however, the exact molecular regulators and critical genetic determinants involved remain unclear.Methods: This study employed an integrative approach combining single-cell RNA sequencing and machine learning to identify novel lipid metabolism-related biomarkers in aortic dissection. Single-cell RNA sequencing data from aortic dissection and control samples were processed to analyze lipid metabolism activity and identify differentially expressed genes. Machine learning algorithms and protein-protein interaction networks were then used to prioritize biomarkers, which were further validated through bulk RNA-seq analysis and immune infiltration studies and experiments using an Ang II-induced aortic dissection mouse model.. Functional characterization included cell-cell communication analysis and pseudo-time trajectory reconstruction to elucidate the roles of candidate genes in aortic dissection pathogenesis.Results: This multi-modal strategy identified PLIN2 and PLIN3 as key regulators of lipid metabolism in aortic dissection. Analysis revealed significant up-regulation of lipid metabolism in aortic dissection, with PLIN2 and PLIN3 emerging as central regulators. Single-cell profiling showed these genes were highly expressed in monocytic cells, correlating with enhanced inflammatory signaling (e.g., SPP1, GALECTIN). Machine learning and bulk RNA-seq validation confirmed their diagnostic potential. Pseudo-time analysis linked PLIN2 to early monocyte differentiation, while cell-cell communication studies implicated it in pro-inflammatory crosstalk with smooth muscle cells. The upregulation of PLIN2 and its specific expression in macrophages were further confirmed in an Ang II-induced aortic dissection mouse model. Molecular docking screened for potential therapeutic compounds that may target PLIN2, among which ketoconazole was identified.Discussion: These findings suggest that PLIN2/PLIN3 could be key mediators of metabolic dysregulation and immune activation in aortic dissection, highlighting their potential as diagnostic markers and therapeutic targets.

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
主动脉夹层中脂质代谢失调的细胞类型特异性异质性及其关键遗传调控因子是什么?
核心机制
PLIN2和PLIN3作为脂滴相关蛋白,通过调控巨噬细胞脂质代谢和炎症信号(如SPP1、GALECTIN通路)参与主动脉夹层发病。
主要证据
单细胞RNA测序显示PLIN2/PLIN3在单核细胞中高表达,与炎症信号增强相关;机器学习筛选和bulk RNA-seq验证其诊断潜力;Ang II诱导的动物模型证实PLIN2在巨噬细胞中上调。
研究意义
PLIN2/PLIN3可能作为主动脉夹层的诊断标志物和治疗靶点,为疾病机制研究和干预策略提供新视角。

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RNA测序数据处理与质量控制

从公共数据库获取主动脉夹层和正常对照的单细胞转录组数据,并进行质量控制以去除低质量细胞。

从GEO数据库获取GSE189795、GSE254132和GSE222318数据集,共29个样本。过滤标准为nFeature_RNA 200-5000,nCount_RNA 200-30000,线粒体基因含量<20%,血红蛋白基因含量<5%。使用Harmony整合数据,FindClusters聚类,DoubletFinder鉴定双细胞。

2

脂质代谢活性评估与差异基因筛选

评估不同细胞类型的脂质代谢活性,并筛选与脂质代谢相关的上调基因。

使用AUCell和AddModuleScore计算脂质代谢通路活性得分,将细胞分为高、低活性组,进行差异表达分析(log2FC>0和调整p<0.05),筛选上调基因。同时进行Spearman相关性分析选择与脂质代谢最相关的128个基因,取交集得到26个上调和脂质代谢相关基因。

3

功能富集分析

表征所选基因参与的生物学通路和功能。

对26个基因进行Metascape、GO和KEGG富集分析,以了解其参与的生物学过程。

4

机器学习筛选生物标志物

利用多种机器学习算法和PPI网络筛选与脂质代谢相关的关键生物标志物。

在bulk RNA-seq数据(GSE153434)上应用LASSO、随机森林、Boruta和SVM算法,结合PPI网络和MCODE聚类,取交集得到3个生物标志物:PLIN2、PLIN3和PPARG。

5

生物标志物验证

在独立数据集中验证所选生物标志物的表达和诊断价值。

在bulk RNA-seq数据集GSE52093中验证PLIN2和PLIN3的表达水平,并用ROC曲线评估诊断潜力。在单细胞数据中验证其在不同细胞类型中的表达。

6

免疫浸润和GSEA分析

探索生物标志物与免疫细胞浸润的关系及相关通路。

使用GSEA数据库的标记基因进行免疫浸润分析,Spearman相关性分析。单基因GSEA分析使用ClusterProfiler和MSigDB的c5.go.v2023.2.Hs.symbols.gmt基因集。

7

细胞通讯和伪时间分析

揭示PLIN2高表达的单核细胞与其他细胞的通讯模式及其分化轨迹。

基于PLIN2中位表达将单核细胞分为高、低表达组,使用CellChat进行细胞通讯分析。使用CytoTRACE评估分化潜能,Monocle进行伪时间轨迹分析。

8

分子对接

筛选可能靶向PLIN2的潜在治疗化合物。

使用DGIdb和DSigDB预测药物,选择RTI-122、环己酰亚胺、酮康唑和芹菜素进行分子对接,使用AutoDock Vina计算结合能。

9

动物模型和实验验证

验证PLIN2在主动脉夹层中的表达及其在巨噬细胞中的定位。

使用Ang II诱导ApoE-/-小鼠主动脉夹层模型,通过qRT-PCR、Western blot和免疫荧光检测PLIN2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
BCA蛋白定量试剂盒Beyotime BiotechnologyP0010
抗Plin2抗体Proteintech15294-1-AP
抗GAPDH抗体Proteintech60004-1-Ig
IRDye 800CW山羊抗兔IgGBiossbs-40295G-IRDye800CW
IRDye 800CW山羊抗小鼠IgGBiossbs-40296G-IRDye800CW
Odyssey红外成像系统----
Evo M-MLV逆转录预混试剂盒Accurate BiologyAG11728
SYBR Green Pro Taq HS预混qPCR试剂盒Accurate BiologyAG11701
Applied Biosystems 7500实时荧光定量PCR系统Applied Biosystems--
PLIN2多克隆抗体Wuhan Servicebio Technology Co., Ltd.GB113109
CD68多克隆二抗Wuhan Servicebio Technology Co., Ltd.GB115593
DAPI----
RTI-122----
酮康唑----
芹菜素----
血管紧张素II----
渗透压泵----

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RNA测序数据处理
过滤标准、聚类参数、双细胞鉴定参数
阅读提示:材料与方法2.1节
机器学习筛选
随机种子、参数设置(LASSO alpha, RF树数, Boruta maxRuns, SVM折数)
阅读提示:材料与方法2.4节及补充文件2
动物模型
小鼠品系、Ang II剂量、给药方式、持续时间、样本量
阅读提示:材料与方法2.9节
Western blot
抗体稀释比、孵育条件、内参
阅读提示:材料与方法2.10节
qRT-PCR
引物序列、反应条件、仪器
阅读提示:材料与方法2.11节
免疫荧光
抗体稀释比、孵育条件、复染
阅读提示:材料与方法2.12节