Identificación de biomarcadores para la especificidad de género de la enfermedad de Alzheimer basada en los perfiles del transcriptoma glial
Summary
Este estudio analizó transcriptomas de un solo núcleo de treinta y tres individuos con enfermedad de Alzheimer (EA), revelando DEG específicos del sexo en las células gliales. El análisis de enriquecimiento funcional destacó las vías sinápticas, neuronales y relacionadas con las hormonas. Se identificaron genes clave, a saber, NLGN4Y y sus reguladores, y se propusieron posibles candidatos terapéuticos para la EA específica del género.
Abstract
Recientemente se han revelado muchos biomarcadores específicos del sexo en la enfermedad de Alzheimer (EA); sin embargo, rara vez se informaron células gliales cerebrales. Este estudio analizó 220.095 transcriptomas de un solo núcleo de la corteza frontal de treinta y tres individuos con EA en la base de datos GEO. Se identificaron genes expresados diferencialmente (DEG) específicos del sexo en las células gliales, incluidos 243 en astrocitos, 1.154 en microglía y 572 en oligodendrocitos. Los análisis de anotación funcional de Gene Ontology (GO) y los análisis de enriquecimiento de vías de la Enciclopedia de Genes y Genomas de Kioto (KEGG) revelaron concentraciones funcionales en vías sinápticas, neuronales y relacionadas con hormonas. La red de interacción proteína-proteína (PPI) identificó a MT3, CALM2, DLG2, KCND2, PAKACB, CAMK2D y NLGN4Y en astrocitos, TREM2, FOS, APOE, APP y NLGN4Y en microglía, y GRIN2A, ITPR2, GNAS y NLGN4Y en oligodendrocitos como genes clave. NLGN4Y fue el único gen compartido por las tres glías y se identificó como el biomarcador de la especificidad de género de la EA. La red correguladora de factor de transcripción génica (TF)-miRNA identificó reguladores clave para NLGN4Y y sus TCM objetivo. Se identificaron Ecklonia kurome Okam (Kunbu) y Herba Ephedrae (Mahuang), y se mostraron los efectos de los ingredientes activos sobre la EA. Finalmente, el análisis de enriquecimiento de Kunbu y Mahuang sugirió que podrían actuar como candidatos terapéuticos para la especificidad de género de la EA.
Introduction
La enfermedad de Alzheimer (EA) es una enfermedad mundial con alta incidencia, y representa el 60%-80% de la demencia1. A pesar de su alta incidencia, la patogenia mecanicista de la EA no está claramente delimitada, yhasta ahora no ha habido terapias efectivas 2. Las principales patologías en la EA fueron identificadas como la atrofia neuronal y la acumulación de residuos patológicos, principalmente la proteína Tau asociada a microtúbulos y β-amiloide (Aβ)3,4. La patogenia de la EA se asocia con autofagia anormal, estrés oxidativo, disfunción mitocondrial, inflamación y trastorno del metabolismo energético5. Las encuestas de prevalencia demostraron que dos tercios de los pacientes con EA eran mujeres6. Existen diferencias específicas por sexo en la EA en la etiología, las manifestaciones clínicas, la prevención y el tratamiento. Por lo tanto, revelar el mecanismo biológico que causa las diferencias específicas de sexo en la EA y dirigirse a la medicina tradicional china (MTC) puede proporcionar un marco teórico más completo para comprender la patogénesis de la EA y guiar aún más la estrategia de tratamiento precisa.
Las células neurogliales, especialmente la microglía, los astrocitos y los oligodendrocitos, pueden contribuir a la patogénesis de la EA. En la EA, la microglía se activa y se altera genéticamente, lo que contribuye a la respuesta inflamatoria, la fagocitosis y el aclaramiento de Aβ 7,8; El astrocito está alterado genéticamente, lo que afecta a la actividad sináptica, la homeostasis iónica y el metabolismo energético y lipídico9; Los oligodendrocitos están genéticamente alterados con la especificidad del sexo, lo que contribuye a la pérdida neuronal, ovillos neurofibrilares y lesiones de la sustancia blanca10,11.
En este estudio, empleamos la secuenciación de ARN de un solo núcleo (snRNA-seq) como una técnica superior. En comparación con la secuenciación de ARN de una sola célula (scRNA-seq), el snRNA-seq ofrece ventajas en términos de riqueza de muestras, integridad del tipo de célula y fiabilidad de los datos12,13. El SnRNA-seq se ha utilizado ampliamente en estudios centrados en la EA y explorando el papel de las células gliales 14,15,16. Su amplia adopción en estas áreas de investigación pone de manifiesto su eficacia a la hora de proporcionar información valiosa sobre las características transcripcionales de las células gliales en la EA. Al aprovechar las ventajas de snRNA-seq, los investigadores han podido descubrir información crucial sobre la participación de las células gliales en la patología de la EA e identificar posibles objetivos terapéuticos. Con el fin de explorar las características transcripcionales neurogliales específicas del sexo en la EA y las posibles MTC para la especificidad sexual de la EA, este estudio analizó los datos de snRNA-seq de la corteza frontal de pacientes con EA de la base de datos pública NCBI GEO. Los genes expresados diferencialmente (DEG) específicos del sexo, la ontología génica (GO), la Enciclopedia de Genes y Genomas de Kioto (KEGG), la red de interacción proteína-proteína (PPI) y la red gen-TF-miRNA se analizan más a fondo para revelar biomarcadores clave y una posible patogénesis. Por último, se sugirieron posibles MTC y se mostraron sus ingredientes activos en tablas mediante la búsqueda en las bases de datos Coremine Medical, TCMIP y TCMSP.
Protocol
Representative Results
Discussion
Se ha identificado especificidad de género en epidemiología, patología y manifestación clínica de la EA19. Aquí, confirmamos el posible mecanismo patológico del “eje hormona-sinapsis-neurona” a partir de genes gliales específicos de género y vías relacionadas en pacientes con EA. NLGN4Y fue el único gen compartido en las tres glías y fue elegido como biomarcador para la especificidad de género de la EA. TF y miRNAs que regulan NLGN4Y estaban fuertemente relacionados con las diferencia…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Los autores agradecen a Jessica S. Sadick, Michael R. O’Dea, Philip Hasel, etcetera., por proporcionar el GSE167490 conjunto de datos. Los autores aprecian que Faten A Sayed, Lay Kodama, Li Fan, etcetera., ofrezcan el conjunto de datos GSE183068. Los autores agradecen a Shuqing Liu por la ayuda con el análisis de datos y a Wen Yang por proporcionar la plataforma de análisis de datos. Este estudio contó con el apoyo de la Fundación Nacional de Ciencias Naturales de China (82174511), los becarios de la Universidad de Medicina Tradicional China de Chengdu, el Programa de Mejora de la Investigación del Talento Disciplinario (QJJJ2022001), el Programa de Talentos de Revitalización de LiaoNing (XLYC 1807083), el Fondo de Medicina y Hierbas Chinas de la Oficina de Administración de Sichuan (2023MS578), el Proyecto Nacional de Capacitación en Innovación y Emprendimiento de Pregrado (202310633003X) y Temas innovadores de la práctica de investigación científica para estudiantes universitarios en la Universidad de Medicina Tradicional China de Chengdu (ky-2023100). Hanjie Liu y Hui Yang contribuyeron al diseño del estudio, la recopilación, la interpretación de los datos, la redacción y la revisión del manuscrito. Shuqing Liu y Siyu Li participaron en el diseño del estudio, la recopilación de datos y la redacción del manuscrito. Wen Yang y Anwar Ayesha fueron responsables de la recopilación e interpretación de los datos. Xin Tan preparó figuras y/o tablas. Cen Jiang, Yi Liu y Lushuang Xie concibieron el estudio y revisaron/editaron el manuscrito. Todos los autores contribuyeron al artículo y aprobaron la versión presentada.
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/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).
