影响因子：7.3
研究概述：
内质网应激（ERS）是溃疡性结肠炎（UC）发展的关键因素；然而，潜在的分子机制仍不清楚。这项研究旨在确定UC发病机制中与ERS相关的关键分子机制，并为UC提供新的治疗靶点。作者从基因表达综合（GEO）数据库获得UC患者和健康对照组的结肠组织基因表达概况和临床信息，用ERS相关基因集进行分析。利用加权基因共表达网络分析（WGCNA）和差分表达分析来识别与UC相关的关键模块和基因，并对UC患者进行分类，评估免疫细胞的浸润，探索潜在的生物机制，验证和识别ERS相关基因与生物制剂的关系，使用连接图（CMap）数据库预测了小分子化合物，进行了分子对接，以模拟小分子化合物和关键靶点的结合构象。作者确定了915个差异表达基因（DEGs）和11个ERS相关基因（ERSRGs），这些基因具有良好的诊断价值，并且高度相关。确定了五种共享微管蛋白抑制剂的潜在小分子药物，其中诺思卡平与目标的高结合亲和力表现出最高的相关性。活性UC和10个ERSRG与大量免疫细胞有关，ERS也与活性UC的结肠粘膜入侵有关。在ERS相关亚型中观察到基因表达模式和免疫细胞浸润丰度的显著差异。结果表明，ERS在UC发病机制中起着至关重要的作用，而诺斯卡平可能是UC的有前途的治疗剂。
关于非肿瘤生信，我们也解读过很多，主要有以下类型
1 单个疾病WGCNA+PPI分析筛选hub基因。
2 单个疾病结合免疫浸润，热点基因集，机器学习算法等。
3 两种相关疾病联合分析，包括非肿瘤结合非肿瘤，非肿瘤结合肿瘤或者非肿瘤结合泛癌分析
4 基于分型的非肿瘤生信分析
5 单细胞结合普通转录组生信分析
目前最新的机器学习思路是使用100多种机器学习组合进行建模或者筛选关键基因，这种方法在肿瘤中已经发表多篇1区文章，例如
[最新1区8+纯生信，结合10种机器学习算法构建模型，换个肿瘤可重复！]
如果这种思路在非肿瘤中使用，势必会给文章提高档次！
研究结果：
一、DEG的识别和功能注释以及DEG的路径丰富
1.作者确定了915个DEG，其中593个被上调，322个下调（图1A）。热图展示了DEG的表达模式和组内的相对一致性（图1B）。
2.对915个DEG的GO富集分析结果表明，这些基因显著参与白细胞迁移、白细胞趋化性和中性粒细胞迁移等信号通路（图1C）。KEGG富集分析结果显示，多种炎症反应相关途径被激活，包括IL-17信号通路、肿瘤坏死因子（TNF）信号通路、B细胞受体信号通路、核因子kappa B（NF-κB）信号通路、趋化因子信号通路、细胞因子-细胞因子受体相互作用、Toll样受体信号通路和NOD样受体信号通路（图1D）。
二、ERSRG的识别
1.使用WGCNA进行模块分类，确定了六个模块（图2A，B），选择了与UC作为关键模块的相关性最高的蓝色模块（r=0.66，p=6e−15）（图2C）并筛选了蓝色模块中的680个枢纽基因（图2D），以便进行后续分析。
2.通过识别ERG、DEG和枢纽基因的交集基因，通过Venn图获得了28个基因（图3A）。为了识别它们的相互作用，作者构建了一个PPI网络，并识别了11个degree>10的基因。（图3B）随后确定了两个集群模块，集群1的得分更高，与cytoHubba-MCC分析结果一致（图3C）。作者测试了11个基因的转录因子（TF）结合模式，这表明所有基因都受到NFAT5的调节（图3D）。
3.图3E显示了UC组和健康对照组之间11个ERSRG的表达模式。作者还分析了ERSRG之间的相关性，并发现了显著的协同效应（图3F）。随后进行了ROC分析，以验证ERSRG的诊断意义（图3G）。
三、UC患者潜在治疗药物的预测
用CMap数据库筛选可用于UC管理的有前途的小分子化合物，确定了五种具有微管蛋白抑制作用的潜在小分子药物：阿苯达唑、芬苯达唑、氟苯达唑、灰富尔芬和诺卡平（图4A）。这些化合物的结构显示在图4B-F中。根据药物和基因之间的相关评分，选择了诺斯卡平进行后续分析。
四、UC药物对抗ERS的分子对接景观
分子对接是通过找到小分子化合物和靶分子相互作用的最佳构象来进行结构性药物设计和筛选的重要方法。在这项研究中，从RCSB蛋白质数据库中下载了五个分辨率（小于3 Å）的分子靶点的晶体结构，AutoDock Tools1.57
对接诺斯卡平和折叠差异最大的五个分子靶点。对接分数小于-6千卡/摩尔，这表明诺斯卡平与目标的结合亲和力很高。结合姿势和位置如图5所示，其中红色代表化合物，黄色虚线代表氢键相互作用。
五、ERSRG的验证
1.验证11个ERSRG的表达式水平，作者使用了一个外部数据集（GSE206285）。与健康对照组相比，UC患者结肠组织中ERSRGs的表达水平明显更高（图6A）。ROC分析显示，除PTPRC外，所有ERSRG的AUC都>0.750（图6B）。作者进一步分析了10个ERSRG（不包括PTRC）。除IL-6外，在GSE179128数据集中，活跃的UC患者与非活跃的UC患者相比，这些基因的水平更高（图6C）。
2.作者还分析了GSE107499数据集，其中包含来自活跃UC患者的炎症和非炎性结肠组织。该数据集中没有检测到CCL4；因此，验证了其他9个ERSRG的表达，这些ERSRG在活跃的UC患者的病变结肠组织中被发现上调（图6D）。
六、活跃的UC的免疫浸润景观
1.图7A显示了两组每个样本中免疫细胞类型的分布，而图7B显示了两组之间浸润免疫细胞丰度的差异。与健康对照组相比，发现更高水平的活化树突状细胞、M0和M1巨噬细胞、活化肥大细胞、中性粒细胞、活化CD4+记忆T细胞、滤泡辅助T细胞和γ&δ T细胞。图7C描述了22种免疫细胞类型之间的相关性，Tregs和单核细胞的相关性最高。
2.作者检查了10个ERSRG与免疫细胞之间的相关性（图7D）。结果表明，原始B细胞、CD4记忆激活的T细胞、卵泡辅助T细胞、M0和M1巨噬细胞、活化树突状细胞、γ&δ T细胞、活化肥大细胞和中性粒细胞与10个ERSRGs呈正相关，中性粒细胞表现出最强的相关性。
七、活性UC的结肠粘膜侵袭与ERS有关
1.TNF-α抑制剂英夫利昔单抗（IFX）、戈利单抗（GLM）和IL-12/IL-23抑制剂乌斯特基单抗（Ust）等生物制剂被批准用于治疗UC，并被提议作为中度至重度UC的一线治疗。使用GSE73661、GSE92415和GSE206285数据集探索了生物制剂对ERS的影响。结果表明，在IFX治疗之前，与健康对照组相比，UC患者的ERSRGs明显升高，但IL-6和CCL4除外。在临床反应组中，与无反应组相比，PTGS2、ICAM1和SELP的表达水平显著降低（图8A）。在IFX临床反应组中，除IL-6和CCL4外，ERSRGs的表达在IFX治疗后显著降低（图8B）。临床反应组的VCAM1、TLR2和MMP9表达水平在IFX治疗后恢复到健康对照组的表达水平（图8C）。
2.在GLM治疗之前，与健康对照组相比，活跃UC患者中所有10个ERSRG的表达都更高，临床反应组的IL1RN、ICAM1、CCL4、TLR2、SELP和IL1B的表达水平明显低于非反应组（图8D）。GLM治疗后，临床反应组中IL-6、ICAM1、CCL4、VCAM1、TLR2、SELP和MMP9的表达减少（图8E）。然而，只有TLR2表达水平恢复到健康对照组的表达水平（图8F）。
3.在Ust治疗之前，与无反应组相比，临床反应组的ERSRGs显著减少，但VCAM1除外（图9A）。此外，该数据集评估了接受Ust治疗的UC患者的粘膜愈合情况。粘膜愈合患者中ERSRGs的基线表达模式与临床反应者相似（图9B）。
八、识别UC中与ERS相关的亚型
1.使用基于10个ERSRG表达模式的“ConsensusClusterPlus”R包对GSE206285数据集中的550个UC样本进行了无监督聚类分析。当k=2时，我们观察到了稳定的等型数（图10A，B），以及CDF曲线下面积从k=2到k=6的相对变化的显著差异（图10C）。当k=2（全部超过0.8）时，亚类型的一致性得分最高（图10D）。因此，根据使用PCA分析观察到的显著差异，我们将550个UC样本分为两个子类型，即子类型1（n = 491）和子类型2（n = 59）（图10E，F）。
2.评估10个ERSRG表达的差异，所有10个ERSRG在亚型2中都显著升高（图11A，B）。进一步分析显示，这两种亚型之间的基因表达模式存在显著差异（图11C，D）。
3.比较UC患者两种不同亚型（亚型1和2）之间Ust治疗影响的差异，在接受8周的Ust治疗后，UC患者亚型1组的粘膜愈合和临床反应的百分比明显更高（图11E，F）。
进行GSVA分析，以评估富含ERS相关亚型的功能和途径的差异。分析显示，包括IL1β产生、IL1产生、IL1受体结合、对IL-6的反应、IL-1介导的信号通路、Toll样受体结合和生长因子受体结合的途径在亚型2中上调（图12A）。此外，FCγR介导的吞噬作用、凋亡和细胞因子相关途径在亚型2中上调（图12B）。
4.亚型1显示更多的静止树突状细胞、M0巨噬细胞、M2巨噬细胞、静止肥大细胞、浆细胞、CD8 T细胞、γ&δ T细胞和Tregs。亚型2显示更多的活化树突状细胞、活化肥大细胞、单核细胞、中性粒细胞、活化NK细胞和幼稚的CD4 T细胞。（图12C-E）
研究总结：本研究中，作者在UC中识别并验证了10个ERSRG，探讨了现有UC疗法对ERSRGs表达的影响。此外，确定了UC治疗中针对ERS的小分子的新目标。结果表明，ERS在UC发病机制中起着至关重要的作用，而noscapine通过影响ERS可能是UC的有前途的治疗剂。
网友评论