基于囊性纤维化疾病分子特征及其作用机制的生物信息学分析

doi:10.13481/j.1671-587X.20220524

摘要/Abstract

摘要：

目的筛选囊性纤维化（CF）特异性相关基因，预测其靶基因，并探讨其作用机制。方法从基因表达汇编（GEO）数据库获取CF样本和正常对照样本的高通量芯片数据集GSE71799、GSE24206、GSE98925和GSE69764，并分为CF组和对照组。采用R软件limma包筛选CF组和对照组差异表达基因（DEGs），使用基因本体（GO）功能注释和京都基因与基因组百科全书（KEGG）对DEGs进行功能和通路富集分析，使用基因集富集分析（GSEA）获取DEGs显著富集的基因集，采用STRING数据库建立蛋白-蛋白互作（PPI）网络，采用Cytoscape软件可视化并筛选hub基因。结果 GEO数据库获取并筛选共429个DEGs（|log2（FC）|>1，P<0.05），CF组中显著高表达DEGs 105个，对照组中显著高表达DEGs 324个。GO富集分析，DEGs主要富集于中性粒细胞介导的免疫、趋化因子活动和细胞黏附分子结合等方面；KEGG通路分析，DEGs主要富集于白细胞介素17（IL-17）信号通路（P<0.05）。GSEA分析，DEGs主要富集于信号通路翻译、核糖体RNA（rRNA）处理和线粒体翻译等相关基因集。STRING数据库和Cytoscape软件分析共筛选出基质金属蛋白酶9（MMP9）、C-X-C基序趋化因子配体2（CXCL2）、C-X-C基序趋化因子配体3（CXCL3）等35个hub基因，其中CXCL2和CXCL3 hub基因与DNA甲基化有关联。结论 hub基因可能是CF中调节中性粒细胞免疫的关键基因，通过中性粒细胞介导的免疫和与免疫密切相关的IL-17信号通路相关基因失调可促进CF发生发展，CXCL2和CXCL3基因可能成为CF的DNA甲基化治疗的生物标志物。

关键词: 囊性纤维化, 生物信息学, 差异表达基因, hub基因, 分子机制

Abstract:

Objective To screen the specific genes of cystic fibrosis （CF） and predict the target genes， and to study its mechanism. Methods The datasets（GSE71799，GSE24206，GSE98925 and GSE69764） including CF samples and normal samples were downloaded from the Gene Expression Omnibus（GEO）database and divided into CF group and control group. The R software limma package was used to screen the differentially expressed genes（DEGs） in CF group and control group. Gene Ontology（GO） and Kyoto Encyclopedia of Genes and Genomes（KEGG）were used to analyze the function and pathway enrichment of DEGs， Gene Set Enrichment Analysis（GSEA）was used to obtain the significantly enriched gene sets of DEGs， and STRING database was used to establish the protein-protein interaction（PPI）network. The PPI network was analyzed and visualized by Cytoscape software， and the hub genes were screened. Results A total of 429 DEGs were obtained and screened， including 105 DEGs that were overexpressed in CF group and 324 DEGs that were overexpressed in control group（|log2（FC）|>1，P<0.05）. The GO enrichment analysis results showed that DEGs were mainly enriched in the neutrophil mediated immunity， chemokine activity and cell adhesion molecule binding and so on（P<0.05）. The results of KEGG pathway analysis demonstrated that DEGs were mainly enriched in interleukin-17（IL-17） signaling pathway（P<0.05）. The results of GSEA demonstrated that DEGs were mainly enriched in signaling pathway translation， ribosomal RNA（rRNA） processing and mitochondrial translation and so on. Through STRING database and Cytoscape software， 35 hub genes in the PPI network were screened out， including matrix metallopeptidase 9（MMP9）， C-X-C motif chemokine ligand 2（CXCL2） and C-X-C motif chemokine ligand 3（CXCL3）. In addition， CXCL2 and CXCL3 were associated with DNA methylation. Conclusion The disorder of neutrophil-mediated immunity-related genes and IL-17 signaling pathway-related genes may play an important role in the occurrence and development of CF. CXCL2 and CXCL3 genes may become the biomarkers for DNA methylation therapy of CF.

Key words: Cystic fibrosis, Bioinformatics, Differentially expressed genes, Hub gene, Molecular mechanism

中图分类号:

王小燕,张秋月,胡雨洁,莫之婧. 基于囊性纤维化疾病分子特征及其作用机制的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(5): 1290-1297.

Xiaoyan WANG,Qiuyue ZHANG,Yujie HU,Zhijing MO. Bioinformatics analysis based on molecular characteristics and mechanism of cystic fibrosis[J]. Journal of Jilin University(Medicine Edition), 2022, 48(5): 1290-1297.

图/表 4

图1

图2

表1

图3

参考文献 34

1	RIORDAN J R， ROMMENS J M， KEREM B S， et al. Identification of the cystic fibrosis gene： cloning and characterization of complementary DNA ［J］. Science， 1989， 245（4922）： 1066-1073.
2	BESSONOVA L， VOLKOVA N， HIGGINS M， et al. Data from the US and UK cystic fibrosis registries support disease modification by CFTR modulation with ivacaftor［J］. Thorax， 2018， 73（8）：731-740.
3	DRUMM M L， KONSTAN M W， SCHLUCHTER M D， et al. Genetic modifiers of lung disease in cystic fibrosis ［J］. N Engl J Med， 2005， 353（14）： 1443-1453.
4	CORVOL H， BLACKMAN S M， BOELLE P Y， et al. Genome-wide association meta-analysis identifies five modifier loci of lung disease severity in cystic fibrosis ［J］. Nat Commun， 2015， 6： 8382.
5	EMOND M J， LOUIE T， EMERSON J， et al. Exome sequencing of extreme phenotypes identifies DCTN4 as a modifier of chronic Pseudomonas aeruginosa infection in cystic fibrosis［J］. Nat Genet， 2012， 44（8）： 886-889.
6	XU Y， LIU C， CLARK J C， et al. Functional genomic responses to cystic fibrosis transmembrane conductance regulator （CFTR） and CFTR（delta508） in the lung［J］. J Biol Chem， 2006， 281（16）：11279-11291.
7	DAVIS S， MELTZER P S. GEOquery： a bridge between the gene expression omnibus （GEO） and BioConductor ［J］. Bioinformatics， 2007， 23（14）： 1846-1847.
8	SMYTH G K. Limma： linear models for microarray data［M］//Bioinformatics and Computational Biology Solutions Using R and Bioconductor.New York：Spring Verlag，2005：397-420.
9	GU Z G， EILS R， SCHLESNER M. Complex heatmaps reveal patterns and correlations in multidimensional genomic data ［J］. Bioinformatics， 2016， 32（18）： 2847-2849.
10	YU G C， WANG L G， HAN Y Y，et al. ClusterProfiler： an R package for comparing biological themes among gene clusters［J］. OMICS， 2012， 16（5）： 284-287.
11	SZKLARCZYK D， GABLE A L， LYON D， et al. STRING v11： protein-protein association networks with increased coverage， supporting functional discovery in genome-wide experimental datasets ［J］. Nucleic Acids Res， 2019， 47（D1）： D607-D613.
12	DEMCHAK B， HULL T， REICH M， et al. Cytoscape： the network visualization tool for GenomeSpace workflows［J］.F1000Research，2014，3：151.
13	BANDETTINI W P， KELLMAN P， MANCINI C，et al.MultiContrast Delayed Enhancement （MCODE）improves detection of subendocardial myocardial infarction by late gadolinium enhancement cardiovascular magnetic resonance： a clinical validation study ［J］. J Cardiovasc Magn Reson， 2012， 14（1）： 83.
14	ISIDRO-SÁNCHEZ J， AKDEMIR D， MONTILLA-BASCÓN G. Genome-wide association analysis using R［J］. Methods Mol Biol， 2017， 1536： 189-207.
15	LEY K， HOFFMAN H M， KUBES P， et al. Neutrophils： New insights and open questions［J］. Sci Immunol， 2018， 3（30）： eaat4579.
16	ADIB-CONQUY M， PEDRON T， PETIT-BERTRON A F， et al. Neutrophils in cystic fibrosis display a distinct gene expression pattern ［J］. Mol Med， 2008， 14（1/2）： 36-44.
17	DICKERHOF N， ISLES V， PATTEMORE P， et al. Exposure of Pseudomonas aeruginosa to bactericidal hypochlorous acid during neutrophil phagocytosis is compromised in cystic fibrosis ［J］. J Biol Chem， 2019， 294（36）： 13502-13514.
18	BRATCHER P E， ROWE S M， REEVES G， et al. Alterations in blood leukocytes of G551D-bearing cystic fibrosis patients undergoing treatment with ivacaftor ［J］. J Cyst Fibros， 2016， 15（1）： 67-73.
19	VAN KESSEL K P M， BESTEBROER J， VAN STRIJP J A G.Neutrophil-mediated phagocytosis of staphylococcus aureus ［J］. Front Immunol， 2014， 5： 467.
20	KHAN M A， FARAHVASH A， DOUDA D N， et al. JNK activation turns on LPS- and gram-negative bacteria-induced NADPH oxidase-dependent suicidal NETosis ［J］. Sci Rep， 2017， 7（1）： 3409.
21	TAMASSIA N， BIANCHETTO-AGUILERA F， ARRUDA-SILVA F，et al.Cytokine production by human neutrophils： Revisiting the “dark side of the moon”［J］. Eur J Clin Invest， 2018， 48（）： e12952.
22	CONTI H R， BRUNO V M， CHILDS E E， et al. IL-17 receptor signaling in oral epithelial cells is critical for protection against oropharyngeal candidiasis ［J］. Cell Host Microbe， 2016， 20（5）： 606-617.
23	MCGEACHY M J， CUA D J， GAFFEN S L.The IL-17 family of cytokines in health and disease ［J］. Immunity， 2019， 50（4）： 892-906.
24	SONG X Y， DAI D， HE X， et al. Growth factor FGF2 cooperates with interleukin-17 to repair intestinal epithelial damage［J］. Immunity， 2015，43（3）： 488-501.
25	MACLEOD A S， HEMMERS S， GARIJO O， et al. Dendritic epidermal T cells regulate skin antimicrobial barrier function［J］. J Clin Invest， 2013， 123（10）： 4364-4374.
26	CHEN X， CAI G， LIU C， et al. IL-17R-EGFR axis links wound healing to tumorigenesis in Lrig1+ stem cells ［J］. J Exp Med， 2019， 216（1）： 195-214.
27	O’NEILL L A J， ARTYOMOV M N. Itaconate： the poster child of metabolic reprogramming in macrophage function［J］. Nat Rev Immunol， 2019， 19（5）： 273-281.
28	BENYELLES M， O’DONOHUE M F， KERMASSON L， et al. NHP2 deficiency impairs rRNA biogenesis and causes pulmonary fibrosis and Høyeraal-Hreidarsson syndrome ［J］. Hum Mol Genet， 2020， 29（6）： 907-922.
29	YU H， GUO W K， LIU Y D，et al. Immune characteristics analysis and transcriptional regulation prediction based on gene signatures of chronic obstructive pulmonary disease［J］. Int J Chron Obstruct Pulmon Dis， 2021， 16： 3027-3039.
30	YIN Y， WU Y Y， ZHANG X， et al. PPA1 regulates systemic insulin sensitivity by maintaining adipocyte mitochondria function as a novel PPARγ target gene ［J］. Diabetes， 2021， 70（6）： 1278-1291.
31	ONENGUT-GUMUSCU S， PAILA U， CHEN W M， et al. Novel genetic risk factors influence progression of islet autoimmunity to type 1 diabetes ［J］. Sci Rep， 2020， 10： 19193.
32	AVERNA M， BAVESTRELLO M， CRESTA F，et al. Abnormal activation of calpain and protein kinase Cα promotes a constitutive release of matrix metalloproteinase 9 in peripheral blood mononuclear cells from cystic fibrosis patients ［J］. Arch Biochem Biophys， 2016， 604： 103-112.
33	TURNBULL A R， PYLE C J， PATEL D F， et al. Abnormal pro-gly-pro pathway and airway neutrophilia in pediatric cystic fibrosis［J］. J Cyst Fibros， 2020， 19（1）： 40-48.
34	HUAN C J， YANG T， LIANG J R， et al. Methylation-mediated BMPER expression in fibroblast activation in vitro and lung fibrosis in mice in vivo ［J］. Sci Rep， 2015， 5： 14910.

ID	Set size	Enrichment score	NES	P	FDR
REACTOME_TRANSLATION	248	0.665 1	2.354 4	0.025 2	0.017 5
REACTOME_RRNA_PROCESSING	168	0.690 3	2.352 7	0.025 2	0.017 5
REACTOME_MITOCHONDRIAL_TRANSLATION	91	0.726 3	2.269 2	0.025 2	0.017 5
REACTOME_EUKARYOTIC_TRANSLATION_ELONGATION	73	0.744 1	2.268 5	0.025 2	0.017 5
REACTOME_EUKARYOTIC_TRANSLATION_INITIATION	100	0.707 4	2.263 2	0.025 2	0.017 5

[1]	胡连涛,邓文俊,鹿士振,孙跞,李学斌,黎楚豪,王欣然,张春斌,李玥,王伟群. CC趋化因子配体20在肝细胞癌组织中的表达及其在肝细胞肝癌预后评估中作用的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(4): 1010-1017.
[2]	刘迁,祁国萍,于华裔,戴宇阳,陆文斌,金建华. 结肠癌核心基因和独立预后因子筛选的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(3): 755-765.
[3]	李小燕,张维,何杰. REG1A通过调控Wnt/β-catenin信号通路对肺腺癌细胞增殖和迁移的促进作用[J]. 吉林大学学报(医学版), 2022, 48(2): 444-453.
[4]	赵莹,赵丹玉,刘超. 基于TXNDC11基因对泛癌的预后评估价值及其免疫调节作用的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(1): 142-153.
[5]	赵志娟,孟莲,刘春霞. 基于融合基因作用于横纹肌肉瘤的miRNA-mRNA调控网络的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(1): 154-162.
[6]	李楠,陈蕾,许天敏,张琨. 子宫内膜异位症患者细胞外基质相关基因筛选的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(1): 188-194.
[7]	董浩,江海圳,李超,高登科,靳亚平,陈华涛. 小鼠NR1D1基因过表达载体的构建及其生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(1): 94-103.
[8]	李苇航,丁子毅,王栋,潘益凯,刘玉辉,张世磊,李靖,闫铭. 基于骨肉瘤核心驱动基因筛选的生物信息学分析和患者生存期预测基因模型的构建[J]. 吉林大学学报(医学版), 2021, 47(6): 1570-1580.
[9]	于洋,刘赛男,刘云恺,李勇,乔乙春,程熠. PRPS2表达特点及其与乳腺癌预后关系的生物信息学分析[J]. 吉林大学学报(医学版), 2021, 47(5): 1229-1236.
[10]	潘玉卿, 孙运艳, 李轶勋, 王丽英, 斯南卓玛, 陈睿, 张曦, 杜艳. 基于高通量芯片对急性髓系白血病竞争内源性RNA网络的构建和分析[J]. 吉林大学学报(医学版), 2021, 47(3): 669-676.
[11]	林瑶,林春霖,王琴,张彬,王少瑜,朱广伟. 微小染色体蛋白家族和染色体结构维持蛋白4基因在宫颈鳞状细胞癌组织中的表达及其生物信息学分析[J]. 吉林大学学报(医学版), 2021, 47(2): 430-437.
[12]	郑兰,朴松哲,徐然,王馨悦,王艺璇,林贞花,杨洋. 基于m⁶A调节基因表达水平对子宫内膜癌免疫浸润及其预后影响的生物信息学分析[J]. 吉林大学学报(医学版), 2021, 47(2): 438-452.
[13]	张曦, 翟丽, 孙运艳, 杨伟, 高艳章, 雷鸣, 潘玉卿. 基于高通量芯片对小儿急性髓系白血病的生物信息学分析[J]. 吉林大学学报(医学版), 2020, 46(05): 1036-1042.
[14]	王治, 洪莉, 李素廷, 曾婉玲. 基于GEO数据库生物信息学方法分析子宫内膜癌相关基因和候选通路[J]. 吉林大学学报(医学版), 2020, 46(04): 804-809.
[15]	谭琦, 任立群, 张祎冰, 王亚帝, 谷泽慧, 黄鹏, 陈素贤. 生物信息学在三阴性乳腺癌miRNA生物标志物筛选中的应用[J]. 吉林大学学报(医学版), 2019, 45(05): 1098-1105.