烟雾病分子亚型的表征:基于二硫化物凋亡相关基因与免疫景观分析

Characterization of moyamoya disease molecular subtypes through disulfidptosis‑related genes and immune landscape analysis.

作者信息Yanru Wang, Yutao Su, Junze Zhang, Zhenyu Zhou, Yuanli Zhao, Shihao He, Rong Wang
PMID40012919
发布时间2025-02-14
DOI10.3892/etm.2025.12824

实验完整度

包含生物信息学分析(差异表达、聚类、免疫浸润)及ELISA临床样本验证,但缺乏体外或体内功能实验验证机制。

主要模型

大脑中动脉组织样本(GEO数据集) 血清样本(ELISA验证)

重点核对

GEO数据集样本量(每个数据集>6)及平台(GPL16699) 差异表达基因筛选阈值(P<0.05,|log2FC|>1) ELISA验证血清样本(3例MMD患者与3例健康对照) 免疫浸润分析使用CIBERSORT算法(参考547个基因标记)

摘要

烟雾病(MMD)是一种慢性脑血管疾病,其特征是颅内主要动脉进行性狭窄。然而,病理性狭窄的机制在很大程度上仍难以捉摸。二硫化物凋亡(disulfidptosis)是一种由肌动蛋白细胞骨架对二硫化物应激的脆弱性引起的新型细胞死亡模式,MMD的蛋白质组学分析提示,局部黏附相关蛋白的上调可能诱导内皮细胞异常增殖。然而,二硫化物凋亡在MMD中的作用尚未见报道。检索基因表达综合(GEO)数据库,获取样本量大于6的数据集,并下载了四个微阵列数据集(GSE189993、GSE157628、GSE141024和GSE141022)。基于每个样本中DRGs的表达谱,将MMD聚类为三个离散的分子亚型。使用R包“limma”进行差异表达分析,以分析MMD与对照组之间的基因表达差异。功能富集分析用于探索MMD中差异表达DRGs的分子功能和机制。基于差异表达分析结果,取四个比较组(C1 vs. C2、C1 vs. C3、C2 vs. C3和MMD vs. 对照)的交集,并选择四个hub基因进行进一步研究。此外,分析了每个样本中22种免疫细胞的表达和分布。进行Spearman相关分析以探索hub基因与免疫细胞比例之间的相关性。鉴定了MMD相关基因,并分析了它们与hub基因的关系。此外,通过ELISA验证了四个MMD hub基因的表达。在本研究中,建立了基于二硫化物凋亡基因表达的新型MMD分子分类,与对照组相比,MMD患者中共鉴定出348个上调和801个下调基因。共选择四个hub基因(WDR27、OSBPL11、MSOM1和NEIL2)作为MMD不同亚型的生物标志物。DRG结果表明,二硫化物凋亡可能影响MMD发病机制的进展。在此基础上,构建了MMD分子亚型并选择了四个hub基因。免疫浸润分析表明hub基因与免疫功能障碍之间存在关系,这可能导致MMD中内皮细胞的异常迁移和增殖。基因集富集分析和基因集变异分析的结果与免疫功能障碍的结果相关。MMD相关基因的差异分析显示,与对照组相比,MMD患者中MEG3、NCL、NFIB等显著差异表达。NEIL2与MEG3表达呈显著正相关(Pearson's r=0.4),而WDR27与MEG3表达呈显著负相关(Pearson's r=0.415)。相关分析显示,四个hub基因与内皮迁移和增殖相关基因显著相关。ELISA显示,与健康对照组相比,MMD中四个hub基因(WDR27、OSBPL11、MSOM1和NEIL2)显著降低,这与本生物信息学分析的结果一致。总之,二硫化物凋亡可能参与MMD的发病机制。免疫浸润分析显示不同二硫化物凋亡亚型之间的免疫失调,这可能导致内皮细胞的迁移和增殖。本研究是首次探索MMD发病机制与二硫化物凋亡之间的相关性,为MMD的诊断提供了新的见解,并确定了潜在的亚型分类和生物标志物。

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
二硫化物凋亡(disulfidptosis)是否参与烟雾病(MMD)的发病机制,并可作为分子分型和诊断的生物标志物?
核心机制
二硫化物凋亡可能通过免疫失调导致内皮细胞异常迁移和增殖,从而影响MMD的进展;hub基因(WDR27、OSBPL11、MSMO1、NEIL2)下调可能参与该过程。
主要证据
基于GEO数据集(GSE189993等)的生物信息学分析确定了四个hub基因,ELISA验证其在MMD血清中显著降低;免疫浸润分析显示hub基因与免疫细胞显著相关。
研究意义
首次探索MMD与二硫化物凋亡的关系,为MMD的分子分型和诊断提供新的潜在生物标志物。

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

数据获取与预处理

获取MMD相关基因表达数据集并进行批次校正,为后续分析提供数据基础。

从GEO数据库下载四个微阵列数据集(GSE189993、GSE157628、GSE141024、GSE141022),共68个样本(40例MMD,28例对照),使用SVA包进行批次校正。

2

二硫化物凋亡相关基因的差异表达分析

鉴定MMD与对照组之间二硫化物凋亡相关基因(DRGs)的差异表达。

使用limma包进行差异表达分析,筛选条件为P<0.05,|log2FC|>1。

3

功能富集分析

探索差异表达DRGs富集的生物学功能和通路。

使用clusterProfiler包进行GO和KEGG富集分析。

4

一致性聚类构建MMD分子亚型

基于DRG表达谱将MMD分为不同分子亚型。

使用一致性聚类算法,将MMD样本分为C1、C2、C3三个亚型。

5

hub基因鉴定

筛选在不同亚型和MMD与对照之间差异表达的候选hub基因。

对四个比较组(C1 vs. C2,C1 vs. C3,C2 vs. C3,MMD vs. 对照)进行差异表达分析,取交集得到29个基因,通过Friend分析排序,并经组间差异检验确定WDR27、OSBPL11、MSMO1、NEIL2为hub基因。

6

免疫浸润分析

评估不同MMD亚型及与对照组之间的免疫细胞组成差异,并分析hub基因与免疫细胞的相关性。

使用CIBERSORT算法计算22种免疫细胞比例,采用Mann-Whitney U检验和Kruskal-Wallis H检验比较组间差异,Spearman相关分析hub基因与免疫细胞的相关性。

7

信号通路富集分析

探索hub基因高表达与低表达组间差异富集的信号通路。

使用GSEA和GSVA分析hub基因富集的通路。

8

转录调控网络分析

预测调控hub基因的转录因子并构建调控网络。

使用RcisTarget包预测转录因子,使用Cytoscape构建网络。

9

MMD相关基因及内皮迁移/增殖相关基因相关性分析

分析hub基因与MMD相关基因及内皮迁移、增殖相关基因的相关性。

使用limma进行差异分析,并进行Pearson相关分析。

10

ELISA验证

验证hub基因在MMD患者血清中的蛋白表达水平。

使用ELISA试剂盒检测血清样本中WDR27、OSBPL11、MSMO1、NEIL2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。

数据预处理与差异表达分析
聚类分析
hub基因鉴定
免疫浸润分析
转录调控分析

产品清单

实验环节名称品牌货号
人WDR27 ELISA试剂盒ElabscienceE16199h
人NEIL2 ELISA试剂盒Abbexaabx534990
人MSMO1 ELISA试剂盒Abbexaabx385151
人OSBPL11 ELISA试剂盒MyBioSource, Inc.MBS166713
GraphPad Prism 9Dotmatics9.4.0
Adobe IllustratorAdobe Systems, Inc.26.3.1

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
GEO数据集编号、样本量、平台
阅读提示:Materials and methods: Data processing
差异表达分析
筛选阈值(P<0.05,|log2FC|>1)、统计检验方法
阅读提示:Materials and methods: Differential expression analysis
聚类分析
聚类数(κ=3)、迭代次数、样本比例
阅读提示:Materials and methods: Consistency clustering analysis
免疫浸润分析
CIBERSORT算法参数、参考基因集
阅读提示:Materials and methods: Immune infiltration analysis
ELISA验证
样本来源(3例MMD vs 3例对照)、试剂盒货号、检测波长
阅读提示:Materials and methods: Enzyme-linked immunosorbent assay (ELISA)