早！今天小编和大家分享一篇23年7月发表在Molecular Neurobiology杂志的文章《Identification and Experimental Validation of Parkinson’s Disease with Major Depressive Disorder Common Genes》。帕金森病（PD）是第二常见的神经退行性疾病，影响全球约10万人。重度抑郁症（MDD）是PD的非运动表现之一，它仍未得到有效识别和治疗。PD中的MDD具有复杂的病理生理学，目前尚不清楚。
背景
帕金森病（PD）是全球第二常见的神经退行性疾病，病理特征表现为运动迟缓、姿势不稳和静止性震颤等运动症状，以及睡眠障碍、抑郁、嗅觉减退和便秘等非运动症状。在世界范围内发病率不断上升影响约1000万人。PD通常伴随着非运动和运动症状。有研究表明非运动症状比运动症状更早更严重。因此关注非运动症状很重要。重度抑郁症（MDD）是PD的非运动表现之一，被认为是PD最常见的神经精神障碍，研究表明与健康对照组相比，PD患者更容易患MDD，2.7-90%的PD患者存在重度抑郁症。但目前解释PD和MDD共存独特机制也尚不清楚。该研究旨在探索PD合并MDD的候选基因和分子机制。
方法（图1）
1，PD（GSE6613）和MDD（GSE98793）基因表达谱从Gene Expression Omnibus（GEO）下载；
2，使用R的Limma包获得差异表达基因（DEGs），取两个差异基因的交集，去除表达趋势不一致的基因；
3，对共同DEGs本体（GO）和京都基因和基因组百科全书（KEGG）分析进行了研究，以探索常见DEG的功能；
4，构建DEGs蛋白质-蛋白质相互作用（PPI）网络得到枢纽基因；
5，使用最小绝对收缩和选择算子（LASSO）回归来进一步识别关键基因；
6，小提琴图和受试者工作特征（ROC）曲线验证中心基因；
7，通过免疫细胞浸润研究了PD中的免疫细胞失调。
结果
1.基于GEO数据库PD数据集共获得797个DEGs，发现420个和377个基因显著上下调。基于MDD数据集共获得2145个DEGs，1384个和761个基因显著上下调.venn图显示了94个PD与MDD的公共DEGs，有45个常见DEGs有相同趋势。（Fig.2-4）
2.对共同DEGs基因进行GO和KEGG富集分析，GO富集分析结果显示主要富集在“中性粒细胞颗粒释放”、“中性粒细胞活化参与免疫反应”和“B细胞活化参与免疫反应”等生物过程（BP）；在“细胞质囊腔”、“分泌颗粒膜”和“富含ficolin-1的颗粒”等细胞组分（CC）；以及在“免疫受体活性”、“鸟苷酸交换因子活性”和“蛋白磷酸酶结合”等分子功能（MF）上富集。而根据KEGG富集分析的结果显示，这些基因主要富集在“代谢信号通路”、“成骨细胞分化”和“类固醇生物合成”等通路上。（Fig.5）
3.筛选可能参与PD和MDD共发病的关键基因，使用STRING分析公共DEGs的PPI网络，以阐明它们之间的相互作用。使用MCC、MNC、Degree和DNMC四种算法对PPI网络中的前15个枢纽基因进行预测和探索。从S100A11、COASY、SNCA、FECH、UGP2、CXCR1、AQP9、CSF3R、FDFT1、CFP、LILRB2、RPH3A、CYTH4、SPI1这15个枢纽基因中鉴定出14候选枢纽基因，对14个枢纽基因进行GO和KEGG富集分析。（Fig.6）
4.采用LASSO logistic回归构建列线图并进行诊断价值评估。LASSO回归算法确定了8个潜在的生物标志物，包括CYTH4、AQP9、SPI1、CFP、RPH3A、FECH、UGP2和FDFT1。多因素Cox回归分析显示该预后模型是PD的独立预后参数。此外，热图显示了根据风险评分的候选基因的表达。最后通过LASSO分析对候选基因进行进一步验证。（Fig.7）
5.使用PD的GSE99039数据集对筛选出的8个基因的表达进行了测试，结果显示AQP9、CFP、RPH3A、CYTH4和SPI1与之前的研究一致。在这三个数据集中，使用R软件包绘制了使用这四个关键基因的表达情况的ROC曲线，评估了其诊断准确性。五个候选基因具有较高的诊断价值。此外，还使用MDD的GSE201332数据集进行了外部验证。小提琴图显示了AQP9、RPH3A和SPI1在MDD数据集中的差异表达情况。同时，建立了这三个基因的ROC曲线，用于诊断MDD。（Fig.8）
6.建立帕金森病（PD）和抑郁症（MDD）动物模型的方法（Mptp和CumS）。Mptp模型是通过给小鼠注射1-甲基-4-苯基-1,2,3,6-四氢吡喃（MPTP）来诱导PD模型。这个模型可以模拟PD中多巴胺能神经元的退化。CumS模型是通过给小鼠施加不同的轻度应激刺激来诱导抑郁症模型。模型的建立可以用于研究PD和MDD的发病机制。（Fig.9）
7.通过qPCR验证了AQP9、RPH3A和SPI1这三个关键基因在MPTP相关应激组中的表达水平。与对照组相比，MPTP相关应激组中AQP9、RPH3A和SPI1的表达水平均有所增加。（Fig.10）
8.通过对PD和MDD患者的临床数据进行分析，发现PD患者的AQP9、RPH3A和SPI1表达水平与UPDRS I-IV评分呈正相关，表明这些基因与PD的严重程度有直接关联。此外，还发现AQP9、RPH3A和SPI1在MDD患者中的表达水平与抑郁症程度有关。（Fig.11-12）
9.通过使用STRING数据库和Cytoscape平台，构建了核心基因蛋白质-蛋白质相互作用网络和TF-基因相互作用网络。核心基因蛋白质-蛋白质相互作用网络的构建结果显示，共有20个基因参与其中，包括核心基因APQ9、RPH3A和SPI1。通过GeneMANIA工具进行可视化。TF-基因相互作用网络的构建结果使用NetworkAnalyst进行可视化，显示了候选基因与转录因子基因之间的相互作用。这些网络可以帮助我们理解核心基因在PD和MDD的发生中的作用，并揭示转录因子与基因之间的相互作用关系。（Fig.13）
10.使用CIBERSORT算法估计的免疫细胞比例显示，PD和MDD患者的免疫细胞浸润存在差异。使用'Cibersort' R软件包进行的浸润分析可以提供关于免疫细胞在PD和MDD发展中的重要作用的信息。对22种免疫细胞进行相关性分析，在数据集GSE6613中，CD8 T细胞与中性粒细胞呈负相关(r =−0.69)，初始B细胞与浆细胞呈负相关(r=−0.61)，而CD8 T细胞与初始CD4 T细胞呈负相关(r =−0.57)。在数据集GSE98793中，CD8 T细胞与中性粒细胞呈负相关(r = - 0.67)，初始B细胞与记忆B细胞呈负相关(r = - 0.69)，而CD8 T细胞与初始CD4 T细胞呈负相关(r = - 0.61)。在GSE6613中，发现所有的hub基因与中性粒细胞显著相关。在GSE98793中，只有AQP9与中性粒细胞显著相关。所有核心基因均与单核细胞具有显著相关性。所以，中性粒细胞和单核细胞可能在PD和MDD的发展中起着重要的作用，可能与这两种疾病的发病机制有关。（Fig.14-15）
感兴趣的老师可以搜索查看。
联系客服
