基于生物信息学分析鉴定脊髓损伤中与焦亡和炎症相关的基因。

Identifying pyroptosis- and inflammation-related genes in spinal cord injury based on bioinformatics analysis.

作者信息Xiang-Xia, Kai-Xuan Li, Qiu-Wei Li, Zuo-Meng Wu, Ruo-Cheng Guo, Cai-Liang Shen
PMID40659785
期刊Sci Rep
发布时间2025-07-14
DOI10.1038/s41598-025-10541-w

实验完整度

中

包含生物信息学分析(差异表达、富集分析、WGCNA、ceRNA网络)和Western blot验证,但仅有动物模型蛋白表达验证,缺乏功能干预等深入机制验证。

主要模型

大鼠脊髓损伤模型 GSE45006数据集(包含SCI样本) GSE183591数据集(独立验证)

重点核对

R软件版本4.4.2及limma包版本3.62.1用于差异表达分析 差异表达阈值:|log2(FC)| > 1且校正后P < 0.05 WGCNA参数:软阈值选择R²=0.8,动态树切割算法 Western blot:10只成年雌性Sprague-Dawley大鼠,每组5只,T10椎板切除后夹压5秒 Western blot抗体:GSDMD (1:1000, AF4012, Affinity), IL18 (1:1000, YN1926, Immunoway)

摘要

脊髓损伤(SCI)是一种常见的创伤性中枢神经系统疾病,其特征是损伤后复杂的微环境,导致严重的神经功能障碍。炎症细胞在SCI中的作用日益受到关注。焦亡是一种程序性炎症性细胞死亡形式,在SCI中发挥重要作用;然而,其潜在机制仍不清楚。本研究利用生物信息学方法鉴定焦亡相关基因(PRGs),并探讨它们在炎症反应中的作用。此外,我们探讨了差异表达的PRGs(DEPRGs)与miRNA(microRNA)、lncRNA(长链非编码RNA)和circRNA(环状RNA)之间的潜在相互作用。从基因表达综合数据库(GEO)获得RNA表达谱,包括mRNA(信使RNA)、miRNA、lncRNA和circRNA。通过PubMed文献检索共鉴定出78个PRGs。使用R软件筛选DEPRGs、miRNA、lncRNA和circRNA。对DEPRGs进行了功能富集分析,并构建了蛋白质-蛋白质相互作用(PPI)网络。进行了加权基因共表达网络分析(WGCNA),并使用独立数据集进行了外部验证,以鉴定中枢基因及其与免疫细胞的相关性。使用Western blotting验证中枢基因的表达。最后,基于差异表达的miRNA(DEmiRNAs)、lncRNA(DElncRNAs)和circRNA(DEcircRNAs)构建了竞争性内源RNA(ceRNA)网络。在SCI中鉴定出11个DEPRGs,包括10个上调和1个下调基因。基因本体论(GO)和京都基因与基因组百科全书(KEGG)富集分析显示,DEPRGs主要富集在白细胞介素-1β产生的调节、NLRP3炎症小体复合物和NOD样受体信号通路等过程中。使用Cytoscape和WGCNA鉴定出两个中枢基因IL18和GSDMD。外部数据集验证显示,中枢基因在SCI组和对照组之间的表达存在显著差异(P < 0.05),AUC(曲线下面积)值>0.75。免疫浸润分析显示,中枢基因与M1巨噬细胞、CD8+ T细胞和静息树突状细胞显著正相关。鉴定出四个下调的DEmiRNAs作为中枢基因的潜在调节因子。此外,鉴定出29个DEmiRNAs、55个上调的DElncRNAs和2个上调的DEcircRNAs,并用于构建ceRNA网络。生物信息学分析揭示了焦亡与SCI之间的密切关联,确定了与焦亡和免疫细胞浸润相关的两个潜在中枢基因IL18和GSDMD。这些发现为焦亡在SCI中的潜在机制提供了见解,并为进一步的研究提供了基础。

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
本研究旨在通过生物信息学分析鉴定SCI中与焦亡和炎症相关的中枢基因,并探讨其与免疫细胞浸润及非编码RNA调控网络的关系。
核心机制
焦亡相关基因GSDMD和IL18在SCI中上调,与M1巨噬细胞、CD8+ T细胞和静息树突状细胞浸润相关,可能通过NLRP3炎症小体和NOD样受体信号通路介导炎症反应。
主要证据
基于GSE45006和GSE183591数据集,通过差异表达分析、PPI网络、WGCNA和免疫浸润分析鉴定出hub基因,并在大鼠SCI模型中用Western blot验证了GSDMD和IL18蛋白表达升高。
研究意义
该研究为理解SCI中焦亡介导的神经炎症机制提供了新见解,并可能为抗焦亡、抗炎和神经保护的靶向治疗提供候选分子。

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SCI相关的转录组数据并进行标准化处理,为后续分析奠定基础。

从GEO数据库下载5个SCI相关表达数据集,使用R软件对GSE45006进行分位数归一化,并通过PCA验证样本分组。

2

差异表达分析

鉴定SCI与对照组之间的差异表达基因(DEGs)和差异表达的焦亡相关基因(DEPRGs)。

使用limma包进行差异表达分析,筛选标准为|log2FC|>1且校正后P<0.05,与78个PRGs取交集得到11个DEPRGs,并用热图展示。

3

富集分析

探究DEPRGs参与的生物学过程和信号通路。

使用DAVID进行GO和KEGG富集分析,用clusterProfiler进行GSEA,可视化富集结果。

4

PPI网络构建与hub基因筛选

通过蛋白质相互作用网络分析鉴定中枢基因。

使用STRING数据库构建PPI网络,导入Cytoscape用MCODE和cytoHubba插件筛选hub基因,得到3个候选基因。

5

WGCNA分析

通过加权基因共表达网络分析进一步筛选与SCI相关的模块和hub基因。

使用WGCNA包构建共表达网络,识别18个模块,评估模块与SCI表型的相关性,选取显著相关模块中的基因与PPI结果取交集获得最终hub基因。

6

外部数据集验证

在独立数据集中验证hub基因的表达和诊断价值。

使用GSE183591数据集(8个样本)分析GSDMD和IL18的表达差异,并通过ROC曲线评估诊断准确性。

7

免疫浸润分析

评估SCI中的免疫细胞浸润情况及其与hub基因的相关性。

使用CIBERSORT算法计算22种免疫细胞比例,比较组间差异,并分析与hub基因的相关性。

8

Western blot验证

验证hub基因在蛋白水平的表达变化。

建立大鼠SCI模型,提取损伤脊髓组织蛋白,通过Western blot检测GSDMD和IL18的表达。

9

ceRNA网络构建

构建与hub基因相关的miRNA-lncRNA-circRNA调控网络。

使用ENCORI、miRWalk、TargetScan和miRDB预测miRNA,筛选差异表达的miRNA,再预测lncRNA和circRNA,构建ceRNA网络。

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
Dumont镊子----
RIPA裂解缓冲液----
BCA检测试剂盒----
GSDMD抗体AffinityAF4012
IL18抗体ImmunowayYN1926
GAPDH抗体Cell Signaling Technology14C10
二抗ElabscienceE-AB-1003
Super-Signal West Pico增强型化学发光试剂Advansta--

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
差异表达分析
数据集归一化方法;差异表达阈值(|log2FC|>1, 校正P<0.05)
阅读提示:Methods: Differential expression analysis
WGCNA分析
软阈值选择(R²=0.8);模块识别算法;模块-性状关联的显著性阈值
阅读提示:Methods: Weighted gene co-expression network analysis
Western blot验证
动物品系、数量和分组;手术造模方式(T10椎板切除+夹压5秒);抗体稀释比例及品牌/货号;蛋白上样量;重复次数
阅读提示:Methods: Animal model and western blot identification
免疫浸润分析
CIBERSORT算法版本;22种免疫细胞类型;相关性分析的方法(Spearman)
阅读提示:Methods: Immune cell infiltration analysis
ceRNA网络构建
miRNA预测数据库(至少两个);差异表达阈值;网络构建工具
阅读提示:Methods: Construction of the mmu-miRNA-hub genes network等