生物信息学联和孟德尔随机化（Mendelian Randomization，MR）是一种最新流行的研究方法，结合了生物信息学和遗传学的优势，旨在深入探究单个遗传风险评分（Genetic Risk Score，GRS）或特定基因型与多种表型之间的潜在联系。生物信息学联和孟德尔随机化的结合，可以被视为孟德尔随机化研究的一种更加完善的形式。它充分利用生物信息学技术，如基因组学、转录组学和蛋白质组学，以分析基因型和表型之间的潜在因果关系。这一方法为我们提供了一种强大的工具，可以帮助解决复杂的生物医学问题。在生物信息学联和孟德尔随机化中，研究者可以利用遗传变异作为自然随机化实验的工具，从而评估特定基因型对不同表型的影响。通过合理的数据分析和统计建模，研究人员可以得出关于基因型与健康或疾病之间因果关系的结论。这种方法不仅有助于理解遗传和疾病之间的关系，还为精准医学的发展提供了宝贵的线索。尽管在国内尚未崭露头角，但这一研究领域前景广阔，拥有巨大的潜力。
孟德尔随机化联和生物信息学分析的优势所在：
01
全面性分析：孟德尔随机化联和生物信息学分析结合了遗传学、基因组学、表观遗传学、代谢组学等多个层面的数据，使得研究更为全面。这有助于全面了解生物系统的运作方式，包括基因与表型之间的关系。
02
高效性与大规模分析：生物信息学工具和方法的发展使得大规模数据的高效处理成为可能。孟德尔随机化联合生物信息学分析可以同时处理数百至数千个样本和基因，从而加速研究进程，提高数据的可靠性。
03
发掘潜在基因关联：孟德尔随机化联和生物信息学可以帮助鉴别基因与表型之间的因果关系，而非仅仅是关联。这有助于找到真正对生物学过程和疾病发病机制有影响的基因。
04
探索表观遗传学：该方法还允许分析表观遗传学的角色，包括DNA甲基化、组蛋白修饰等，这些因素在基因调控中起关键作用。
05
数据整合与交互作用：孟德尔随机化联和生物信息学分析有助于整合不同数据类型，如基因表达数据、SNP数据、DNA甲基化数据，揭示它们之间的交互作用和如何影响生物表型。
06
预测治疗靶点：通过深入了解基因与疾病之间的关系，该方法有望帮助识别新的治疗靶点，推动个体化医学的发展。
下面为大家分享一篇1区高分文献“氧化应激基因表达、DNA甲基化和肠道微生物区系相互作用引发克罗恩病：一项多组学孟德尔随机研究”
克罗恩病（CD）是一种慢性复发性炎症性肠病，主要影响胃肠道，常伴随肠外表现和肛周疾病。尽管CD的确切病因尚不为人明了，但研究表明它可能涉及多种因素的复杂相互作用，包括遗传变异、环境因素、免疫功能障碍以及肠道微生物区系的参与。
其中，氧化应激（OS）被认为在CD的多因素病理生理过程中扮演重要角色。氧化应激是指氧化剂和抗氧化剂之间的失衡，与CD的发展密切相关。多个与氧化应激相关的基因，如NOS2A、NOX1和DUOX2，已被发现参与CD的发病机制。这些基因的过度表达与肠道屏障受损、微生物失调和细菌入侵有关，突显了宿主氧化应激信号与肠道微生物区系之间的紧密联系。
尽管有越来越多的研究表明CD中存在与氧化应激相关的基因，但目前仍未全面确定它们与CD之间的潜在因果关系。为了更深入地了解这一问题，研究者采用了多组学整合方法，如孟德尔随机化（MR），以确定CD治疗靶点的关键调控因子，包括血液中基因表达介导的因果变量。这一研究提出了一项基于多组学的孟德尔随机化研究，旨在确定CD中氧化应激相关基因在血液和肠道组织中的可能因果效应和分子机制。此外，研究还进行了敏感性分析和部分复制，以确保结果的可靠性和一致性。这一研究有望为CD的治疗和预防提供新的见解和方向。
研究方法
研究设计和数据来源如下：
从GeneCards数据库提取与氧化应激（OS）相关的基因，使用关键词“氧化应激”，并根据先前方法中的相关评分≥7分。
从Gene Expression Omnibus（GEO）数据库获得6个公开的肠道活检的转录组数据集，包括克罗恩病（CD）患者和健康对照（HC），进行荟萃分析以确定CD中与OS相关的差异表达基因（DEGs）。
CD的遗传关联研究（GWAS）汇总统计数据来自两个独立的炎症性肠病（IBD）GWAS的荟萃分析，包括欧洲人群中的12,194例CD患者和28,072例HC样本。
从eQTLGen中获得了血液中与OS相关基因的eQTL汇总统计数据，包括来自37个数据集的31,684例个体的血液基因表达遗传数据。
血液中的mQTL汇总数据来自布里斯班系统遗传学研究（n = 614）和洛锡安出生队列（n = 1366）的荟萃分析。
肠道中的eQTL数据来自基因型组织表达（GTEx）项目（n = 860）和1000IBD队列（n = 299），专注于距离基因起始和末端1 mb内的cis-eQTL和cis-mQTL。
粪便中的mbQTL数据来自荷兰微生物组项目（DMP）研究，包括7738名个体的数据，以评估宿主遗传对肠道微生物群的影响。
为了进行外部验证，招募了46名治疗未经验的CD患者和44名HC受试者，收集肠道活检和粪便标本，并进行RNA测序和shotgun宏基因组测序。
统计分析包括：
使用线性回归模型对CD和HC患者之间与OS相关的DEGs进行Meta分析，同时进行年龄、性别、体重指数和用药情况的调整。对肠道DEGs分别进行分析，并使用Metafor R包进行固定效应荟萃分析。对肠道cis-eQTL和cis-mQTL进行Meta分析，使用SMR和共定位分析来检测SNPs对表型的影响是否由基因表达、DNA甲基化和肠道微生物区系等分子特征介导。使用MR方法进行敏感性分析，以检测个体因果效应的异质性。共定位分析评估肠道基因表达和微生物区系之间的潜在相互作用，并使用COLOCC R包确定共同因果变异。
重复性分析包括：
从Meta分析中选择显著的DEG结果来检验CD患者和HC对照组之间的关系。评估肠道基因表达与途径相关微生物分类群丰度之间的相关性。细胞类型特定的富集物和调节元件分析使用CSEA-DB和eFORGE进行，以研究肠道DEGs是否对特定细胞类型具有特异性。
分析结果
1.Meta分析的基本情况：
研究目的是了解氧化应激相关基因在CD中的作用。共纳入6个基因表达数据集（3个微阵列数据集和3个RNA-seq数据集），比较了CD（704例）和HCS（212例）患者的肠道组织中的RNA表达。
2.鉴定与氧化应激相关的差异表达基因（DEGs）：
下载了817个相关性分数为≥7的与氧化应激相关的基因。通过Meta分析，鉴定出438个DEGs在CD组织和对照组织中差异表达。
CD和HCS患者之间六个肠道基因表达数据集的Meta分析。总体而言，在所有6个肠道转录组数据中出现的817个基因中，有708个基因被评估为CD患者和HCS患者之间的表达差异。火山曲线图显示了x轴上的Meta Effect大小，而y轴上显示了−log10变换后的Meta P值。红点是438个显著差异表达基因(Deg)，灰点代表非显著表达基因。虚线表示经基因测试次数校正后FDR<0.05的显著阈值。使用B细胞类型特异性浓缩分析数据库来研究肠道DEGS是否是小肠和结肠中任何细胞类型所特有的。X轴表示来源于肠道组织和血液的细胞类型。圆点代表77种小肠和结肠细胞类型，由23种一般分类按重要性降序标注。虚线是FDR<0.05的显著阈值。
3.针对DEGs进行细胞类型特异性表达分析（CSEA）：
指出与氧化应激相关的DEGs在肠道细胞中显著丰富。暗示上皮细胞在调节肠道氧化应激和维持黏膜内环境稳定中的重要作用。
4.寻找候选致病基因：
认为在CD和HCS患者中观察到如此数量的DEGs可能解释了疾病的合理因果关系。目标是寻找CD的候选致病基因，并探索其在血液中基因调控的潜在表观遗传学机制。
5.遗传调控分析：
使用三步SMR方法，整合了与CD相关的SNP数据、DEGs、eQTL和mQTL数据，鉴定了与CD相关的候选致病基因。发现与STAT3、GPX3、MUC1、CD40、Park7、PRKAB1和NDUFS1等基因的表达和遗传调控有关。
三步SMR分析利用血液组织对CD的假定原因OS基因和机制进行了优先排序。众所周知的和新的CD-原因OS基因的例子。A，C位点缩放图显示了CDGWA3、cis-mQTL和cis-eQTL在STAT3和GPX3附近的一致遗传效应(从上到下，最小P<1×10−5)。B、D三步SMR提示基因表达与甲基化介导的CD发病有显著因果关系(均<0.05，Heidi检验P>0.05)。从左到右：基因表达与CD GWAs之间的SMR，基因甲基化与CD GWAs之间的SMR，基因甲基化与表达之间的SMR
6.基因-微生物区系相互作用分析：
进一步研究肠道OS基因的作用，包括MUC1、CD40、PRKAB1等基因在肠道微生物区系中的相互作用。提出MUC1的遗传变异可能会影响其基因表达和微生物区系代谢产物的产生，增加CD的风险。CD40和PRKAB1也被认为在免疫相关和微生物区系代谢中起作用。
SMR和共定位分析了CD中肠道原因OS基因的优先顺序以及与肠道微生物途径的相互作用。左侧方框显示基因表达与CD GAs之间的SMR(均为SMR FDR<0.05；Heidi检验P>0.05），右侧方框通过共定位分析显示cis-eQTL和mBQTL之间的位置比较(均PPH4>0.5)。R2值表示变异体和顶部SNP之间的连锁不平衡(LD)。A-C分别为MUC1、CD40和PRKAB1基因。
7.验证研究：
在独立的样本中验证了Meta分析的DEG结果，发现在CD中这些基因的表达发生了强烈的变化。
外部队列验证。中山大学第一附属医院(FAH-SYS)的队列，包括肠道总RNA-SEQ和粪便元基因组学数据，纳入验证分析。Meta分析发现CD和HC的差异表达基因共有388个（88.79%），两者变化一致(Spearman等级相关系数r_s=0.84，P=2.2×10~(−)23）。X轴和y轴分别表示从Meta分析和FAH-sys队列估计的Z分数。黄点代表388个一致的DEG，而灰点代表未验证的。分别对DEGS、与途径相关的分类群以及分类群与基因表达之间的关联进行B-D验证（从左到右）。从上到下的面板分别是MUC1、PRKAB1和CD40基因。PWY.7237、P164.PWY和PWY.5101中可能涉及的分类群选自MetaCyc数据库注释。
文章小结
在这项研究中，作者采用了多种数据来源和分析方法来深入研究与氧化应激（OS）相关的基因在克罗恩病（CD）中的作用。首先，从GeneCards数据库提取了与OS相关的基因，并使用基因表达总表（GEO）数据库获取包括CD患者和健康对照的肠道活检组织的转录组数据。还得出了CD的遗传关联研究（GWAS）汇总统计数据，以及血液和肠道组织的基因表达和甲基化数据。此外还从现场招募了CD患者和健康对照，进行了RNA测序和元基因组测序。
在统计分析方面，使用线性回归模型对CD患者和健康对照之间的肠道差异表达基因（DEG）进行Meta分析，考虑了年龄、性别、体重指数和用药情况的调整。还对肠道cis-eQTL和cis-mQTL进行Meta分析，使用SMR和共定位分析来检测SNPs对表型的影响是否由基因表达、DNA甲基化和肠道微生物区系等分子特征介导。此外，进行了敏感性分析，以检测个体因果效应的异质性。
在共定位分析方面，评估了肠道基因表达和微生物区系之间的相互作用，并使用COLOCC R包来确定共同因果变异。最后，进行了重复性分析，选择了Meta分析中显著的DEG结果来检验CD患者和健康对照组之间的关系，并评估肠道基因表达与途径相关微生物分类群丰度之间的相关性。还进行了细胞类型和调节元件分析，以研究肠道DEG是否对特定细胞类型具有特异性，并评估DNA甲基化位点的监管签名浓缩。这一综合性研究有望为CD的机制提供新的见解和治疗靶点。
网友评论