Сеть регуляторных микроРНК-мРНК связана с реакцией на трансплантацию при остром повреждении почек

Дуань Го^1,2†, Ю Фан^3†, Джи-Ронг Юэ^4*и Тао Линь^3*

^{Контакт:joanna.jia@wecistanche.com}

Абстрактный

Фон:Острыйпочкарана(ОПП) представляет собой опасное для жизни осложнение, характеризующееся быстрым снижением функции почек, которое часто возникает после операции по трансплантации. Однако молекулярный механизм, лежащий в основе развития посттрансплантационного (посттрансплантационного) ОПП, до сих пор остается неизвестным. Все большее число исследований продемонстрировало, что определенные микроРНК (миРНК) выполняют важные функции при ОПП. Настоящее исследование было направлено на выяснение молекулярных механизмов ОПП после Тх путем создания регуляторной сети микроРНК-мРНК.

Полученные результаты:Основываясь на двух наборах данных (GSE53771 и GSE53769), три ключевых модуля, которые содержали 55 мРНК, 76 мРНК и 151 микроРНК, были идентифицированы путем выполнения анализа сети коэкспрессии взвешенных генов (WGCNA). Mind IP v4.1 был применен для предсказания взаимодействий мРНК ключевого модуля и миРНК, а пары миРНК-мРНК с достоверностью более 0.2 были выбраны для построения регуляторной сети миРНК-мРНК с помощью Cytoscape. . Сеть микроРНК-мРНК состояла из 82 узлов (48 мРНК и 34 микроРНК) и 125 ребер. Две миРНК (миР-203a-3p и миР-205-5p) и ERBB4 с более высокой степенью узла по сравнению с другими узлами могут играть центральную роль в ОПП после Тх. Кроме того, анализ путей генетической онтологии (GO) и Киотской энциклопедии генов и геномов (KEGG) показал, что эта сеть в основном участвовала впочка-/функции, связанные с почками, и сигнальные пути PI3K–Akt/HIF-1/Ras/MAPK.

Вывод:Мы создали регуляторную сеть микроРНК-мРНК, чтобы получить новое представление о развитии ОПП после трансплантации, что может помочь открыть новые биомаркеры или терапевтические препараты для повышения способности к раннему прогнозированию и вмешательству и снижения уровня смертности от ОПП после трансплантации.

Ключевые слова: Острыйпочкарана, Трансплантация почки, WGCNA, сеть микроРНК-мРНК

цистанхе пропиададызапочка

Фон

Как тип клинического критического заболевания с быстрой потерей почечной функции и высокой смертностью,острыйпочкарана(ОПН) обычно возникает у реципиентов трансплантата, что может привести к отторжению трансплантата и смерти [1]. Своевременная диагностика и лечение имеют решающее значение для улучшения прогноза пациентов с ОПП, но в настоящее время этому препятствует отсутствие конкретных показателей для раннего прогнозирования, дифференцированной оценки и мониторинга лечебного эффекта. Поскольку ОПП является наиболее распространенным критическим заболеванием в междисциплинарных областях, в последние десятилетия сообщалось о растущем количестве исследований ОПП [2-4]. Однако патогенез ОПП до сих пор не ясен.

МикроРНК (миРНК) представляет собой разновидность малых некодирующих РНК, содержащих примерно 22 нуклеотида, которые могут связываться с 3'-UTR мРНК-мишеней на посттранскрипционном уровне, чтобы выполнять различные важные физиологические и патофизиологические функции в клетках [5]. ]. Сообщалось, что микроРНК способны регулировать различные мРНК млекопитающих [6], в то время как одна мРНК может быть нацелена на большую группу микроРНК, демонстрируя, что роль микроРНК в регуляции генов должна интерпретироваться сложными сетями [7]. В последние годы исследования сети мРНК-миРНК увеличились в геометрической прогрессии, поскольку считается, что она помогает раскрыть молекулярный механизм различных заболеваний, включая нейробластому [8], диабет 2 типа [9] и спонтанное внутримозговое кровоизлияние [10]. Недавние исследования показали, что изменения экспрессии мРНК и микроРНК будут влиять на пролиферацию и апоптоз почечных клеток, которые связаны с возникновением и развитием ОПП [11, 12]. Тем не менее, опубликовано мало данных о потенциальной сети мРНК и микроРНК при ОПП после трансплантации.

В эпоху точной медицины данные высокопроизводительного секвенирования в сочетании с эффективным биоинформационным анализом могут выявить потенциальные гены-мишени и механизмы, способствующие прогрессированию ОПП. Анализ сети коэкспрессии взвешенных генов (WGCNA) — это метод, широко используемый для поиска основных регуляторов заболеваний, поскольку он позволяет группировать гены с похожими паттернами экспрессии в модули (в которых обычно обнаруживаются основные регуляторы) и анализировать взаимосвязь между модулями и специфическими признаками или фенотипами [13]. В недавно опубликованном исследовании цервикальной интраэпителиальной неоплазии (CIN) WGCNA была проведена для выявления шести ассоциированных с заболеванием модулей, из которых был отобран 31 хаб-ген-кандидат для лечения CIN [14]. Биоинформатический анализ не только повышает эффективность исследований биологических функций, но и дает достоверную информацию для изучения молекулярных механизмов [15, 16]. Основываясь на больших наборах данных профилей экспрессии как мРНК, так и микроРНК у одного и того же пациента, изучение регуляторной сети микроРНК-мРНК может помочь выяснить молекулярные механизмы заболеваний [17, 18].

В этом исследовании наборы экспрессионных данных GSE53769 (мРНК) и GSE53771 (миРНК), соответственно, были подвергнуты WGCNA для идентификации ключевых модулей, связанных с ОПП после Тх. Затем была сконструирована регуляторная сеть микроРНК-мРНК, чтобы прояснить эпигенетические механизмы, лежащие в основе прогрессирования ОПП после Тх, тем самым задав возможное направление для будущих клинических исследований.

Полученные результаты

Идентификация ключевых модулей, связанных с ОПП после передачи, на основе набора данных GSE53769.

В соответствии с алгоритмами корреляции Пирсона и средней связи 36 образцов были сгруппированы, а дендрограмма образца и тепловая карта признаков изображены на рис. 1а; мы обнаружили, что GSM1300317 (который принадлежит к группе УАТС post-Tx) был сгруппирован отдельно и мог быть потенциальным выбросом. Поэтому был использован график at-SNE (t-распределенное стохастическое соседнее встраивание), чтобы убедиться, что эта выборка не повлияет на последующие анализы. Как показано в дополнительном файле 2: рисунок S2, после уменьшения размера не было явного выброса, и поэтому мы продолжили работу с WGCNA. Как показано на рис. 1b, мощность мягкого порога, равная 9, была выбрана, чтобы гарантировать безмасштабный характер сети коэкспрессии генов (рис. 1b). Гистограмма подключения к сети и соответствующий логарифмический график показаны в дополнительном файле 3: рисунок S3A-B; R2 составило 0,89, что указывает на то, что удовлетворялась приблизительная безмасштабная топология. Подробная информация об индексах мягкого порога ft, включая k, R2 и подобранный R2, представлена ​​в дополнительном файле 10: таблица S1. Десять, посредством иерархической кластеризации среднего сцепления, гены со сходными паттернами экспрессии были разделены на модули (рис. 1в). Чтобы лучше различать модули с разными паттернами экспрессии, каждый модуль был выделен разными цветами. Как показано на рис. 1d, была построена дендрограмма кластеризации модулей, которая сгенерировала в общей сложности 18 модулей. Серый модуль содержал гены, которые нельзя отнести к другим 17 модулям. Тепловая карта, описывающая корреляцию между клиническими признаками и модулями, показана на рис. 1д. Среди этих модулей черный модуль показал самую сильную положительную корреляцию с ОПП после Тх (P=0.002, R=0.5), в то время как коричневый модуль показал самую сильную отрицательную корреляцию с пост-Тх. ОПП (P=4e-05, R=-0,63). Таким образом, эти два модуля были выбраны в качестве ключевых модулей. Назначения мРНК в модулях черного и коричневого цветов представлены в дополнительном файле 11: таблица S2.

Генно-генная сеть и анализ функционального обогащения в черно-подпалых модулях

Как показано на рис. 2а, коэффициент корреляции между принадлежностью к модулю (MM) и значимостью гена (GS) в черном модуле был 0,57 с P=5,5e-38. Всего в черном модуле было идентифицировано 14 хаб-генов, в том числе CLIC5, PCOLCE2, NDNF, ESRP1, ENPEP, RASAL2, SLIT2, PSAT1, NOX4, GDA, CNTN3, CFAPP221, CA2 и ZNF311 (рис. 2б). В-десятых, анализ обогащения путей GO и KEGG был выполнен для генов в черном модуле. Как показано на рис. 2в, мы обнаружили, что наиболее обогащенные термины GO в категории биологических процессов (GO-BP) былипочкаразвитие, развитие почечной системы и регуляция каскада ERK1/2. Наиболее обогащенными терминами ГО в других категориях (ГО-ЦК и ГО-МФ) были апикальная часть клетки и связывание молекулы клеточной адгезии (рис. 2г, д). Для анализа пути KEGG эти гены были в основном обогащены сигнальными путями MAPK и сигнальными путями Raq1 (Fig. 2f).

The genes of the tan module underwent the same analysis. Te scatter plots of MM versus GS in the tan module (cor=0.6, P=4.2e−18) are shown in Fig. 3a. The gene-gene network centered on hub genes in this module is depicted in Fig. 3b. As we can see, the tan module contained 12 hub genes including DMXL1, MAF, GPHN, MYOF, CDK14, and QDPR. The functional annotation of genes in the tan module is depicted in Fig. 3c–f, indicating that the black module genes were primarily enriched in functions of the coenzyme metabolic process, the extrinsic component of the plasma membrane, and coenzyme binding, as well as pathways of folate (FA) biosynthesis. Detailed information of differentially expressed genes (defined by log2 fold change>0.1 и p-значение<0.05 when="" comparing="" their="" expression="" in="" post-tx="" aki="" group="" to="" that="" in="" zero-hour="" aki="" group)="" in="" black="" module="" and="" the="" tan="" module="" is="" provided="" in="" additional="" file="" 4:="" figure="" s4="" and="" additional="" file="" 5:="" figure="" s5,="">

Идентификация ключевых модулей, связанных с ОПП после передачи, на основе набора данных GSE53771.

Чтобы изучить роль миРНК в пост-Tx ОПП, мы также провели WGCNA для миРНК на основе набора данных GSE53771. Этапы конструирования коэкспрессионной сети для miRNAs аналогичны таковым для мРНК. Примерная дендрограмма и тепловая карта признаков показаны на рис. 4а. Для обеспечения безмасштабной сети мощность мягкого порога была установлена ​​равной 6 (рис. 4б). Гистограмма подключения к сети и соответствующий логарифмический график показаны в дополнительном файле 3: рисунок S3C-D; R2 составлял 0,98, что указывает на то, что удовлетворялась приблизительная безмасштабная топология. Подробная информация об индексах ft с мягким порогом, включая k, R2 и подобранный R2, представлена ​​в дополнительном файле 10: таблица S1. Всего было идентифицировано три модуля микроРНК, которые не зависели друг от друга (рис. 4в, г). В-десятых, была проанализирована корреляция модулей миРНК с клиническими признаками, и результат показал, что синий модуль миРНК был единственным модулем, значимо коррелирующим с ОПП после Тх (P=0.003, R= - 0,36) (рис. 4д). Поэтому синий модуль микроРНК, состоящий из 76 микроРНК, был выбран в качестве ключевого модуля микроРНК для последующего анализа. Подробная информация об этих микроРНК представлена ​​в дополнительном файле 11: Таблица S2.

Сеть микроРНК-миРНК и анализ функционального обогащения в синем модуле микроРНК

Как показано на рис. 5а, коэффициент корреляции ММ по сравнению с GS в синем модуле микроРНК был 0,32 с P=5,8e-5. Сеть взаимодействия модульных микроРНК показала, что 17 узловых микроРНК были идентифицированы в синем модуле микроРНК (рис. 5b). Для дальнейшего изучения биологической роли микроРНК в этом модуле гены-мишени этих микроРНК использовали для выполнения анализа функционального обогащения. Результаты функциональной аннотации показаны на рис. 5c-e, предполагая, что миРНК синего модуля миРНК были в значительной степени связаны с терминами GO трансдукции, опосредованной малой ГТФазой, развитием желез, активностью корегулятора транскрипции и соединением адгезивов, а также Элементы KEGG сигнального пути MAPK и инфекция вируса Т-клеточного лейкоза 1 человека.

Detailed information of differentially expressed miRNAs (defined by log2 fold change>0.1 и p-значение<0.05 when="" comparing="" their="" expression="" in="" post-tx="" aki="" group="" to="" that="" in="" zero-hour="" aki="" group)="" in="" the="" blue="" module="" is="" provided="" in="" additional="" file="" 6:="" figure="">

Противконструкция из регулирующий миРНК–мРНК сеть in poст‑Тх АКI

Гены и микроРНК, которые, соответственно, сформировали ключевые модули и ключевой модуль микроРНК, использовали для создания регуляторной сети микроРНК-мРНК. В общей сложности 1048 предсказанных пар микроРНК-мРНК с высоким уровнем достоверности были получены из miRDIP v4.1 и использованы для построения сети с помощью Cytoscape (дополнительный файл 7: рисунок S7). Функциональная аннотация мРНК в этой сети представлена ​​в дополнительном файле 8: рисунок S8, который показывает, что эти мРНК в основном участвуют в адгезии клеток к субстрату, развитии мочеполовой системы, связывании гепарина, связывании коллагена, сигнальном пути AGE-RAGE при диабете. осложнений, а также сигнальный путь PI3K-Akt. Впоследствии, чтобы получить сеть, которая может играть ключевую роль в патогенезе ОПП после Тх, мы выбрали пары миРНК-мРНК с достоверностью более 0.2 для создания регуляторной сети миРНК-мРНК (рис. 6). Регуляторная сеть микроРНК-мРНК состояла из 82 узлов (48 мРНК и 34 микроРНК) и 125 ребер. После анализа сети мы обнаружили miR-203a-3p, miR-205-5p и ERBB4 с более высокими степенями узлов по сравнению с другими узлами, а подробности количественного определения представлены в дополнительном файле 12. : Таблица S3. Десять, функциональные анализы показали, что общее количество 48 мРНК было в основном обогащено GO с точки зрения морфогенеза эпителиальных трубок, развития нефронов, развития мочеполовой системы и трансмембранной рецепторной протеинкиназы (Fig. 7a-c). Не было значительно обогащенных путей KEGG, поскольку их значения p превышали 0,05 (рис. 7d). Для перекрестной проверки мы сравнили наши текущие результаты, полученные из базы данных miRDIP, с результатами из базы данных miRNet. Всего по минутам было идентифицировано 75 699 пар микроРНК-мРНК, и было обнаружено пересечение 117 пар микроРНК-мРНК между результатами базы данных miRNet и базы данных miRDIP; соответствующая регуляторная сеть визуализирована в дополнительном файле 9: рисунок S9B. Анализ обогащения 117 пар микроРНК-мРНК показал, что они были преимущественно вовлечены в негативную регуляцию организации клеточного компонента, ответ на органическое вещество в категории GO-BP; эукариотический комплекс фактора инициации трансляции 4F и ядерное тело в категории GO-CC; Активность рецептора SNAP, связывание белковых комплексов, активность протеинтирозинфосфатазы в категории GO-MF, а также пути KEGG, связанные с передачей сигналов почечно-клеточной карциномы, передачей сигналов пролактина и NFR2--опосредованной реакцией на окислительный стресс. Поскольку приведенные выше результаты функционального обогащения были основаны на парах микроРНК-мРНК, предсказанных базами данных как miRNet, так и miRDIP, они могут быть более репрезентативными для эпигенетических механизмов, лежащих в основе ОПП после Тх.

Обсуждение

Посттрансплантационное ОПП — распространенное осложнение после операций по трансплантации, характеризующееся быстрым снижением функции почек и высокой смертностью [19]. Определить лучшее время для ранней диагностики и вмешательства при ОПП после Тх сложно из-за отсутствия конкретных показателей для раннего прогнозирования, классификации и мониторинга эффективности. Для преодоления таких проблем крайне важно изучить патомеханизмы и потенциальные биомаркеры ОПП после пересадки. В 2014 г. Wilfingseder et al. провели анализ микрочипов микроРНК и мРНК на основе образца биопсии почечного трансплантата с ОПП и дополнительно идентифицировали специфическую молекулярную сигнатуру ОПП с использованием дифференциального анализа экспрессии генов (DEA) [20]. Однако DEA может легко исключить некоторые важные гены, уровень экспрессии которых мало меняется, но которые играют решающую роль в заболеваниях. Кроме того, трудно подтвердить, была ли дифференциальная экспрессия мРНК и микроРНК в биоптатах после Тх между контролем и ОПП связана с ОПП после Тх из-за того, что Тх также мог привести к аномальной экспрессии некоторых генов. Увеличение числа исследований показало, что инициирование и прогрессирование всех заболеваний не может регулироваться несколькими генами, а сетью множества РНК [21, 22]. Таким образом, построение регуляторной сети РНК может быть многообещающей стратегией для понимания развития болезни и создания новой терапии [23]. В качестве надежного биоинформатического подхода WGCNA обладает способностью улучшать простые корреляционные сети путем количественной оценки корреляций между отдельными парами генов, а также степени, в которой эти гены имеют одних и тех же соседей [24]. WGCNA включает не только дифференциально экспрессируемые гены, но также и гены, которые не экспрессируются значительно дифференциально, но все еще являются ключевым медиатором определенных клинических признаков. В последние годы WGCNA применялся в различных областях человеческой

исследования заболеваний для скрининга биомаркеров и выяснения молекулярных механизмов, лежащих в основе развития заболевания [25, 26].

В текущем исследовании, основанном на наборах данных микрочипов мРНК и микроРНК, с помощью WGCNA были идентифицированы три модуля, которые значительно коррелировали с ОПП после трансплантации. Модуль Te tan, содержащий 55 мРНК, показал значительную отрицательную корреляцию с ОПП после Тх. Во многих исследованиях сообщалось, что высокая концентрация ФК может вызывать острый канальцевый некроз, поскольку образование кристаллов ФК в почечных канальцах приводит к почечной недостаточности [27, 28]. мРНК Te в модуле tan были в основном вовлечены в путь биосинтеза ЖК, что позволяет предположить, что этот путь объясняет развитие ОПП после Тх. Затем, как модуль, наиболее положительно связанный с ОПП после Тх, черный модуль состоял из 80 мРНК. Примечательно, что наиболее обогащенные элементы мРНК черного модуля в анализе GO были в основном связаны с почечными функциями, такими какпочкаразвития и развития нефронов, подтверждая высокую корреляцию этого модуля с пост-Тх ОПП. Предыдущее исследование показало, что каскад киназ, регулируемых внеклеточным сигналом (ERK), играет фундаментальную роль в активации механизмов компенсаторной репарации во времяпочкарана[29]. Наше исследование показало, что мРНК черного модуля также значительно обогащены функциями каскада ERK1/2. Кроме того, результаты анализа пути KEGG показали, что эти мРНК были тесно связаны с сигнальным путем MAPK и сигнальным путем Ras. В значительной степени документировано, что путь MAPK играет ключевую роль в ОПП, регулируя воспаление почек, повреждение канальцев и гибель клеток [30-32]. Общепризнано, что путь MAPK/ERK является нижестоящей сигнальной молекулой в сигнальном пути Ras [33]. Приведенные выше результаты показали, что аномальная экспрессия некоторых генов приводит к ОПП путем регуляции биосинтеза ЖК, сигнального пути MAPK и сигнального пути Ras, что влияет на развитие почек послепочкатрансплантация.

Все больше экспериментальных данных подтверждают, что определенные микроРНК играют решающую роль в обнаружении, прогрессировании и вмешательстве при ОПП [34]. Амруш и др. продемонстрировали, что miR-146a играет важную роль в реакции почечных канальцев, активация которой может ограничивать развитие ОПП [35]. Предыдущее исследование показало, что миР-21 мочи может использоваться в качестве биомаркера для прогнозирования развития ОПП после операции на сердце [36]. В качестве единственного модуля miRNA, значимо связанного с пост-Tx AKI в этом исследовании, синий модуль miRNA, содержащий 151 miRNA, отрицательно коррелировал с post-Tx AKI. Широко признано, что miRNAs могут регулировать экспрессию своих нижележащих генов-мишеней для выполнения биологических функций. Соответственно, мы предсказали цели этих miRNAs, используя «miRNAtap» и «multiMiR» для выполнения функциональной аннотации. Следует отметить, что мишени микроРНК ключевого модуля также в основном были обогащены сигнальным путем МАРК, что еще раз подтвердило решающую роль пути МАРК в процессе пост-Тх ОПП.

Более того, необходимо идентифицировать регуляторную сеть миРНК-мРНК, которая потенциально вовлечена в патогенез пост-Тх ОПП, поскольку ни гены, ни ми-РНК не могут независимо регулировать развитие пост-Тх ОПП. Большинство предыдущих исследований были сосредоточены исключительно на микроРНК или генах, чтобы прояснить механизм ОПП. Используя инструменты биоинформатики, мы, наконец, создали регуляторную сеть микроРНК-мРНК пост-Tx ОПП, которая состояла из 48 мРНК и 34 миРНК. Среди этих 82 узлов miR-203a-3p, miR-205-5p и ERBB4 показали высокие степени и могут быть центральными узлами в сети. Эффекты miR-205-5p при почечных заболеваниях исследовались ранее. Шена и др. сообщили, что уровень экспрессии miR-205-5p достоверно и положительно коррелирует с тяжестью рака почки и гипертонического нефросклероза [37]. Экспериментальное исследование, проведенное Sessa и его коллегами, показало, что miR-205-5p может быть молекулярным биомаркером почечного повреждения [38]. В нескольких исследованиях изучалась роль miR-203a-3p и ERBB4 в развитии ОПП. Документально подтверждено, что ERBB4 может облегчать окислительные повреждения старых мезенхимальных стволовых клеток за счет снижения уровня активных форм кислорода (АФК) [39]. Хорошо известно, что все трансплантированные органы будут подвергаться определенной степени ишемически-реперфузионного повреждения, опосредованного высоким уровнем АФК после трансплантации, и потенциально перерастут в ОПП. Мы предположили, что ERBB4 также выполняет функцию регуляции уровней АФК при развитии ОПП после Тх. Анализ обогащения Te GO мРНК в этой сети показал, что эти мРНК были обогащены несколькими функциями, относящимися к развитию почек. Кроме того, анализ обогащения KEGG показал, что эта сеть в основном участвует в ряде хорошо изученных путей, таких как сигнальный путь PI3K-Akt, сигнальный путь HIF-1, сигнальный путь Ras и сигнальный путь MAPK. Было доказано, что большинство этих путей играют решающую роль в ОПП [30, 40, 41]. Эти результаты доказали, что наш анализ был проведен правильно.

В совокупности наше исследование впервые использовало WGCNA в сочетании с анализом miRDIP v4.1 для всесторонней идентификации наиболее вероятных взаимодействий и построения регуляторной сети микроРНК-мРНК, связанной с реакцией на трансплантацию при ОПП, что обеспечило предварительную основу и некоторые новые понимание молекулярного механизма развития ОПП после Тх. Тем не менее, следует упомянуть некоторые ограничения этого исследования. Во-первых, в настоящее исследование были включены только восемь образцов биопсии после Тх ОПП, что было недостаточно, чтобы сделать полностью достоверные выводы. Во-вторых, регуляторная сеть miRNA-mRNA требует дальнейших исследований в клинических и молекулярно-биологических экспериментах для проверки. Поскольку трудно найти достоверные данные, другие типы РНК, такие как длинные некодирующие РНК (днРНК) и кольцевые РНК (цирРНК), не были включены, что может быть недостатком при всестороннем выяснении механизма, лежащего в основе ОПП после Тх. разработка.

Польза стебля цистанхе для функции почек

Выводы

Мы впервые успешно построили регуляторную сеть микроРНК-мРНК, связанную с ОПП после Тх, с помощью биоинформатического анализа. Результаты показали, что две miRNAs (miR-203a-3p и miR-205-5p) и ERBB4 могут играть центральную роль в пост-Tx ОПП, а биологические функции регуляторных miRNA - Сеть мРНК была обогащена функциями, связанными с почками / почками, и сигнальными путями PI3K-Akt / HIF -1 / Ras / MAPK. Это исследование дает всестороннее представление о регуляторных сетях, чтобы лучше понять молекулярный механизм ОПП после Тх. Мы надеемся, что текущее исследование будет полезным для открытия новых биомаркеров или терапевтических препаратов для повышения способности к раннему прогнозированию и вмешательству, а также для снижения уровня смертности от ОПП после трансплантации.

Методы

Дизайн исследования и сбор данных

Общий дизайн этого исследования показан в дополнительном файле 1: рисунок S1. Все подходящие данные микрочипов были загружены из базы данных Gene Expression Omnibus (GEO) (http://www.ncbi.nlm.nih.gov/geo/). Набор данных GSE53769 представляет собой набор данных по экспрессии мРНК, полученный с использованием Affymetrix GeneChip® Human Gene 2. 0 ST Array; Набор данных GSE53771 представляет собой набор данных об экспрессии микроРНК, который был проанализирован с помощью Affymetrix GeneChip® miRNA 3.0 Array. Эти два набора данных состояли из 18 образцов биопсии нулевого часа и 18 образцов биопсии после трансплантации (Tx) от 18 реципиентов почечного аллотрансплантата (восемь с острым канальцевым некрозом без отторжения, определяемым как ОПП, и десять протокольных биопсий без патологии (PBX), определяемых как контрольные) и были представлены Wilfingseder и соавт. [20]. Эти образцы были разделены на четыре группы, а именно: ОПП нулевого часа, АТС нулевого часа, ОПП после передачи и АТС после передачи. Два набора данных были соответственно использованы для построения коэкспрессионной сети, с помощью которой можно было идентифицировать ключевые модули мРНК/миРНК, связанные с ОПП после Тх, что позволило построить регуляторную сеть миРНК-мРНК, управляющую прогрессированием ОПП после Тх. .

Построение сетей коэкспрессии

WGCNA is a widely used method to construct co-expression networks that allow the discovery of gene modules, where coordinated expression patterns of the intra-module genes could be identified and related to external clinical phenotypes. In this way, the search for core disease regulators could be narrowed down and confined to the clinically significant modules [13]. Given the foregoing, WGCNA has greatly improved the efficacy of data mining; therefore, in this study, the R package "WGCNA" was utilized to construct co-expression networks based on the expression profiles of mRNAs and miRNAs, respectively. An optimal soft threshold power β, the minimum power parameter that satisfied the scale-free topology (as manifested by scale-free topology ft index>0.85), был определен первым. Затем на основе матрицы смежности была построена безмасштабная сеть коэкспрессии. Матрица смежности была получена по формуле: Adjacencyk,j=cork, j- , где k и j соответствуют двум произвольным генам, а используется, чтобы подчеркнуть сильное сходство между k и j, что гарантирует, что пары генов с низким сходством будут опущены при назначении модуля. В-десятых, матрица смежности была преобразована в матрицу топологического перекрытия (TOM). Используя меру несходства на основе TOM, дендрограмма дерева генов была создана путем иерархической кластеризации среднего сцепления, а гены с похожими паттернами экспрессии были сгруппированы в разные модули (минимальный размер модуля был установлен на 30).

цистанхе траваможно лечитьпочкаболезньулучшатьфункция почек

Идентификация значимых модулей корреляции

Собственные гены модуля (ME), которые обобщают паттерны экспрессии генов в виде единого характеристического профиля экспрессии в данном модуле, использовались для оценки потенциальной корреляции генов с различными признаками для определения значимости каждого модуля. Значимость генов (GS) представляла корреляцию между генами и различными клиническими признаками, а средняя GS всех генов в модуле определялась как значимость модуля (MS), выраженная как MS {{0}}n-ni{ {2}}GSi (n=количество генов в модуле). После расчета корреляции Пирсона между ME и клиническими признаками в качестве ключевых модулей были определены модули с самым высоким положительным или самым низким отрицательным R (коэффициент корреляции) с пост-Tx ОПП с отсечкой p-значений корреляции 0,05. Мы следовали стандартному рабочему процессу, рекомендованному авторами WGCNA [13], и коррекция значения p для множественного тестирования не выполнялась, поскольку коэффициент Пирсона R и значение p корреляции достаточны для значимого выбора модуля [13]. Интенсивность цвета на тепловой карте указывала на силу корреляции. Для лучшего изучения ключевого модуля была проанализирована корреляция генов модуля и визуализирована сеть межгенных взаимодействий с помощью сетевого анализатора Cytoscape v3.7.2 [42]. В этой сети генами-хабами считались гены с высокой степенью, которые содержали сильно взаимосвязанные узлы в модуле. Эти гены-концентраторы были обнаружены путем проведения анализа с помощью плагина MCODE в Cytoscape.

Реgulatory miRнет данных–mRнет данных пеtwork cнаsтрuctiна

С помощью онлайн-инструмента miRDIP v4.1 были получены взаимодействия между генами модуля и микроРНК. В-десятых, пары микроРНК-мРНК с высокой достоверностью предсказания были выбраны для построения регуляторной сети микроРНК-мРНК с использованием Cytoscape v3.7.2. Для перекрестной проверки наших результатов взаимодействия микроРНК-мРНК также были извлечены из базы данных miRNet.

FООНctiнаl enrichment анаlysis

Чтобы лучше понять потенциальные функции идентифицированных генов, был проведен анализ пути обогащения Gene Ontology (GO) и Киотской энциклопедии генов и геномов (KEGG) с использованием R-пакета «кластерный ролик» [44]; в некоторых случаях (Дополнительный файл 4: S4A, Дополнительный файл 5: S5A, Дополнительный файл 6: S6A и Дополнительный файл 9: S9C) выполнялась функция TCGAanalyze_ EAcomplete в библиотеке TCGAbiolinks. В этом исследовании результаты терминов GO и путей KEGG с поправкой Бенджамини-Хохберга (BH)P-значения<0.05 were="" considered="" to="" be="" significantly="">

Cistanche tubulosa предотвращает заболевание почек, нажмите здесь, чтобы получить образец

Реферинс

1. Абу Джаудэ Б.Г., Говил А. Острое повреждение почек в условиях трансплантации: дифференциальная диагностика и влияние на здоровье и медико-санитарную помощь. Adv Хроническая почка Dis. 2017;24(4):228–32.

2. Cooke WR, Hemmila UK, Craik AL, Mandula CJ, Mvula P, Msusa A, et al. Заболеваемость, этиология и исходы акушерского острого повреждения почек в Малави: проспективное обсервационное исследование. БМК Нефрол. 2018;19(1):25.

3. Solé C, Pose E, Solà E, Ginès P. Гепаторенальный синдром в эпоху острой почечной недостаточности. Печень Int Of J Int Assoc Исследование печени. 2018;38(11):1891–901.

4. Остерманн М., Лю К. Патофизиология ОПП. Best Pract Res Clin Анаэрирует почву. 2017;31(3):305–14.

5. Салиминеджад К., Хоррам Хоршид Х.Р., Солеймани Фард С., Гафари Ш.Х. Обзор микроРНК: биология, функции, терапия и методы анализа. J Cell Physiol. 2019;234(5):5451–65.

6. Фридман Р.С., Фарх К.К., Бердж С.Б., Бартел Д.П. Большинство мРНК млекопитающих являются консервативными мишенями для микроРНК. Геном Res. 2009;19(1):92–105.

7. Pan X, Wenzel A, Jensen LJ, Gorodkin J. Полногеномная идентификация кластеров предсказанных сайтов связывания микроРНК в качестве кандидатов в губки микроРНК. ПЛОС ОДИН. 2018;13(8):e0202369.

8. Chen B, Hua Z, Qin X, Li Z. Интегрированный микрочип для идентификации узловых микроРНК и построения сети микроРНК-мРНК при нейробластоме с помощью биоинформатического анализа. Нейрохим Рез. 2020.

9. Liu HM, Huang Y, Li L, Zhang Y, Cong X, Wu LL, et al. Профили экспрессии микроРНК-мРНК и функциональная сеть поднижнечелюстной железы у мышей db/db с диабетом 2 типа. Arch Oral Biol. 2020;120:104947.

10. Ивучукву И., Нгуен Д., Биверс М., Тран В., Сулейман В., Фаннин Э. и др. Регуляторная сеть микроРНК как биомаркер позднего приступа у больных со спонтанным внутримозговым кровоизлиянием. Мол Нейробиол. 2020;57(5):2346–57.

11. Ван Зонневельд А.Дж., Рабелинк Т.Дж., Бийкерк Р. Сети, координируемые микроРНК, как многообещающие терапевтические мишени при остром повреждении почек. Ам Джей Патол. 2017;187(1):20–4.

12. Wu J, Li DD, Li JY, Yin YC, Li PC, Qiu L, et al. Идентификация сетей микроРНК-мРНК, участвующих в индуцированном цисплатином повреждении эпителиальных клеток почечных канальцев. Евр Дж Фармакол. 2019; 851:1–12.

13. Лангфельдер П., Хорват С. WGCNA: пакет R для взвешенного корреляционного сетевого анализа. БМК Биоинформ. 2008; 9:559.

14. Zhang X, Bai J, Yuan C, Long L, Zheng Z, Wang Q и др. Биоинформатический анализ и идентификация потенциальных генов, связанных с патогенезом цервикальной интраэпителиальной неоплазии. Дж Рак. 2020;11(8):2150–7.

15. Li J, Lu L, Zhang YH, Xu Y, Liu M, Feng K, et al. Идентификация сигнатур экспрессии стволовых клеток лейкемии с помощью стратегии выбора признаков Монте-Карло и машины опорных векторов. Ген Рака Ther. 2020;27(1–2):56–69.

16. Pan X, Zeng T, Yuan F, Zhang YH, Chen L, Zhu L, et al. Скрининг признаков метилирования и функций генов, связанных с подтипами глиом с мутацией изоцитратдегидрогеназы. Фронт Биоэнг Биотехнолог. 2019;7:339.

17. Шэнь М., Сонг З., Ван Дж. Х. Профили микроРНК и мРНК в миндалевидном теле связаны со стресс-индуцированной депрессией и устойчивостью у молодых мышей. Психофармакология. 2019;236(7):2119–42.

18. Ан Т, Сонг З, Ван Дж. Х. Молекулярный механизм лечения вознаграждением, улучшающего депрессивно-подобное поведение, вызванное хроническим стрессом, оценивается путем секвенирования микроРНК и мРНК в медиальной префронтальной коре. Biochem Biophys Res Commun. 2020;528(3):520–7.

19. Зук А., Бонвентре Дж.В. Острое поражение почек. Анну Рев Мед. 2016;67:293–307.

20. Wilfingseder J, Sunzenauer J, Toronyi E, Heinzel A, Kainz A, Mayer B, et al. Молекулярный патогенез острого повреждения почек после трансплантации: оценка полногеномных профилей мРНК и микроРНК. ПЛОС ОДИН. 2014;9(8):e104164‑e.