评估脓毒症中能量代谢相关基因PEA15的诊断价值及分子机制

Evaluating the Diagnostic Value and Molecular Mechanism of Energy Metabolism-Related Gene PEA15 in Sepsis.

作者信息Xiao Yu, Congrui Liu, Libin Jia, Bingjie Wan, Jun Feng, Yonghong Wu, Jin Tang, Yachun Jia, Hongwei Liu, Siyu Luo, Qiao Li, Guangyao Kong, Ping Li
PMID41907205
发布时间2026-02-03
DOI10.2147/JIR.S556793

实验完整度

包含生物信息学分析、细胞模型功能验证(CCK-8、流式凋亡、ELISA)、RNA-seq及单细胞测序,但缺乏动物模型和ATM功能验证。

主要模型

BEAS-2B细胞系(人正常肺上皮细胞) LPS诱导的BEAS-2B脓毒症细胞模型 GSE65682和GSE95233数据集(脓毒症患者转录组数据) GSE167363数据集(脓毒症患者单细胞RNA测序数据)

重点核对

PEA15在GSE65682和GSE95233中脓毒症组较对照组显著下调(P < 0.0001) ROC分析显示PEA15的AUC > 0.9,用于脓毒症诊断 BEAS-2B细胞转染pCDH-PEA15-3XFlag-GFP+Puro质粒后,用10 µg/mL LPS诱导脓毒症模型,分为对照组、空载组和PEA15过表达组 PEA15过表达后,细胞活力显著升高(P = 0.0001),凋亡率显著降低(P < 0.0001),炎症因子TNF-α、IL-1β、IL-6显著降低(P < 0.0001) RNA-seq鉴定出5个核心基因(RSAD2, IFI44, MX1, IFIT3, ISG15),与PEA15显著相关

摘要

目的:脓毒症是一种危及生命、死亡率高的疾病,与能量代谢(EM)和免疫炎症反应密切相关。然而,其确切机制尚未完全阐明。本研究旨在通过机器学习和单细胞RNA测序(scRNA-seq)识别脓毒症中的EM相关基因(EMRGs),并探讨其诊断潜力和分子机制。方法:本研究利用基因表达综合数据库(GEO)中的GSE65682和GSE95233数据集进行分析。应用Kaplan-Meier(KM)生存分析和受试者工作特征(ROC)诊断分析来识别关键的EM相关基因。构建了关键基因过表达的脓毒症模型,并采用RNA测序(RNA-Seq)来识别相关基因。此外,进行了scRNA-seq以检查脓毒症中的细胞类型分布和基因表达谱。结果:ATM和PEA15被确定为关键基因。PEA15的过表达减轻了脓毒症症状。在脓毒症中,免疫细胞浸润的改变,特别是滤泡辅助T细胞,与关键基因表达相关。还确定了与关键基因密切相关的核心基因(RSAD2、IFI44、MX1、IFIT3和ISG15)。单细胞分析进一步描绘了脓毒症中的细胞类型谱和核心基因表达模式。从转化角度看,PEA15填补了脓毒症管理中的一个关键空白。其通过KM和ROC分析验证的强预后和诊断性能,使其成为脓毒症早期检测的有前景的生物标志物——这对于通过及时干预改善患者预后至关重要。结论:PEA15及其相关核心基因代表了潜在的治疗靶点:调节PEA15表达或靶向其潜在分子网络可能有助于恢复免疫平衡并减少脓毒症损伤,为靶向治疗策略提供了一种新方法。

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
脓毒症中能量代谢相关基因有哪些,其诊断价值和分子机制如何?
核心机制
PEA15通过调控核心基因(RSAD2、IFI44、MX1、IFIT3、ISG15)的表达模式,影响不同细胞类型的功能,从而影响脓毒症进展。
主要证据
通过GSE65682和GSE95233数据集鉴定关键基因PEA15;在BEAS-2B细胞中过表达PEA15后,细胞活力增加、凋亡减少、炎症因子降低;单细胞测序显示核心基因在不同细胞类型中差异表达。
研究意义
PEA15及其核心基因可能作为脓毒症治疗靶点,调节PEA15表达有望恢复免疫平衡、减少脓毒症损伤,为靶向治疗提供新策略。

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

数据获取与候选基因鉴定

识别与脓毒症相关的能量代谢基因。

从GEO获取GSE65682和GSE95233数据集,使用WGCNA和limma筛选DEGs,与EMRGs取交集得到候选基因。

2

关键基因识别与诊断价值分析

确定具有诊断和预后价值的能量代谢关键基因。

使用LASSO和XGBoost筛选特征基因,通过KM生存分析和ROC曲线评估诊断价值,并在另一数据集中验证。

3

PEA15过表达细胞模型构建与功能验证

验证PEA15在脓毒症中的功能作用。

在BEAS-2B细胞中转染PEA15过表达质粒,经LPS诱导建立脓毒症模型,检测细胞活力、凋亡和炎症因子。

4

RNA-seq与核心基因鉴定

鉴定PEA15过表达引起的差异表达基因及核心基因。

对过表达PEA15的脓毒症模型、脓毒症模型和空白对照进行RNA-seq,分析DEGs,并通过PPI网络鉴定核心基因。

5

单细胞RNA测序分析

探究核心基因在脓毒症不同细胞类型中的表达模式及功能。

对GSE167363数据集进行单细胞分析,鉴定细胞类型,分析核心基因在不同细胞中的表达,并进行功能富集。

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
pCDH-PEA15-3XFlag-GFP+Puro质粒HonorGeneHG-HO003768
脂多糖Servicebio--
BEAS-2B细胞Procell Life Science & Technology Co., Ltd.--
细胞计数试剂盒-8Tongren--
Annexin V-PE/7-AAD凋亡检测试剂盒Yisheng Biotechnology Co., Ltd.--
TNF-α、IL-1β和IL-6 ELISA试剂盒Jiangsu Meimian Industrial Co., Ltd.--
TRIzol试剂AmbionR401-01
SureScript第一链cDNA合成试剂盒Yisheng11141ES60
2×通用蓝色SYBR Green qPCR预混液ServicebioG3326-05
RIPA裂解液Servicebio--
BCA蛋白定量试剂盒Beyotime--
PVDF膜Millipore--
牛血清白蛋白Servicebio--
抗PEA15抗体Proteintech21446-1-AP
抗β-actin抗体Proteintech66009-1-Ig
HRP标记的山羊抗兔IgGServicebioGB23303
HRP标记的山羊抗小鼠IgGServicebioGB23301
化学发光试剂Huiying--

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
数据获取与处理
GSE65682和GSE95233数据集来源、样本量、分组;WGCNA参数(软阈值18,minModuleSize=30,mergeCutHeight=0.4);DEGs筛选阈值(adjusted P<0.05,|log2FC|>1)
阅读提示:Materials and Methods中的Data Acquisition、Identification of Candidate Genes and Functional Analyses,以及Figure 1和2图注
关键基因筛选与验证
LASSO回归的最优lambda值(0.00271);XGBoost的输入特征;KM生存分析的cutoff值(PEA15=3.812);ROC分析的AUC阈值(>0.9)
阅读提示:Materials and Methods中的Recognition of EM-Related Key Genes and Diagnostic Value Analysis,以及Figure 3图注
细胞模型构建
BEAS-2B细胞传代次数(P5);转染质粒(pCDH-PEA15-3XFlag-GFP+Puro)及空载对照;转染后48小时;LPS浓度(10 µg/mL);样本量(n=5)
阅读提示:Materials and Methods中的Construction of Cell Models and Functional Analyses,以及Figure 6图注
功能验证实验
CCK-8检测时间点;Annexin V-PE/7-AAD凋亡检测步骤;ELISA检测的细胞上清稀释倍数;内参基因(GAPDH)的选择
阅读提示:Materials and Methods中的Construction of Cell Models and Functional Analyses、Quantitative Real-Time Polymerase Chain Reaction (qRT-PCR)和Western Blotting (WB)部分
RNA-seq分析
测序平台(Lianchuan Biotechnology);比对参考基因组(hg38);DEGs筛选阈值(adjusted P<0.05,|log2FC|>1);PPI网络构建参数(confidence score>0.9)
阅读提示:Materials and Methods中的Functional Analyses of Key DEGs and Acquisition of Core Genes,以及Figure 7图注
单细胞分析
GSE167363数据集细胞筛选标准(nFeature RNA 200-5000,nCount RNA <20000,percentmt <20%);聚类参数(主成分数30);细胞类型注释marker基因
阅读提示:Materials and Methods中的Functional Analyses and Regulatory Mechanisms of Core Genes,以及Figure 10图注