最新双疾病纯生信，心衰与肾衰之间共同机制及关键基因的探索。可重复

杂志：Frontiers in lmmunology

影响因子：5.7

研究概述：

心力衰竭（HF）和肾衰竭（KF）是密切相关的疾病，了解这两种情况之间的共同机制对于开发有效的疗法至关重要。作者利用转录组学分析在HF和KF患者中鉴定出2869个共享差异表达基因（DEGs）。功能富集分析表明，这些基因与细胞稳态、细胞通讯、细胞复制、炎症和细胞外基质 （ECM） 产生有关，其中 PI3K-Akt 信号通路显著富集。 利用PPI网络揭示了与细胞周期和炎症相关的两个关键蛋白质簇， 并通过机器学习算法鉴定出HF和KF的关键特征基因CDK2和CCND1。随后，作者进行了 CDK2 和 CCND1 的对接研究，以评估潜在的候选药物。免疫浸润和相关分析，显示CDK2 和 CCND1 与 HF 和 KF 的免疫反应相关。

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

研究流程：

研究结果：

HF和KF中DEGs的鉴定及其功能富集分析

作者分析了来自GEO数据库中的HF和KF数据集，通过limma包分别鉴定出两种疾病的差异DEGs（图2A-B）。韦恩图显示，HF和KF中共有的差异基因有2869个，其中有1602个基因下调，1267个基因上调（图2C）。图D展示了差异基因的GO富集结果（图2D）, KEGG分析强调共享的DEGs在 “PI3K-Akt 信号通路” 中显著富集（图2E）。图2F、G则分别展示了两个数据集差异基因中前5个上调和前五个下调的信号通路。

通过PPI网络和枢纽基因揭示HF和KF中的特征基因

为了阐明HF和KF之间的共同分子特征，作者以符合adjusted p value < 0.05 & |log2FC| > 0.2标准的DEGs，构建了一个由 191 个节点和 901 个交互组成的明显 PPI 网络（图 3A）前十的枢纽基因分别是：HIF1A、CDK2、MYC、CCND1、ACTB、TLR4、IRAK4、IRAK3、TLR2 和MYD88（图 3B）。对这两个蛋白质集群的 GO 和 KEGG 分析表明，红色网络主要与细胞周期和衰老有关（图 3C），而蓝色网络主要与免疫反应和炎症有关（图 3D）。Reactome 通路分析，十个枢纽基因专注于“G1 期细胞周期蛋白 D 相关事件”和“Toll 样受体级联”生物过程（图 3E）。

特征基因CDK2和CCND1在HF和KF中的作用

为了筛选影响两种疾病的关键基因，作者采用RF、SVM-RFE和LASSO算法，根据10个枢纽基因选择特征基因。在RF算法中，通过将 GSE57345 和 GSE37171 的前6个基因重叠，根据它们在 MeanDecreaseGini值中的重要性，提取出 3 个显著特征基因（图4A-B）。SVM-RFE 模型共鉴定出7个基因，LASSO回归则鉴定出4个基因（图4C-E）,三种算法鉴定出的共有特征基因有2个（图4F）。小提琴图显示，与健康组相比，CDK2表达显著降低，CCND1水平表现出显著增加（图4G、H）。GSVA 评分结果表明，与对照组相比，HF 和 KF 患者 CDK2 的生物活性显着降低，而 CCND1 则相反（图 4I、J）。图4K-R展示了两个基因在HF和KF中的GSEA富集生物过程和信号通路。 这表明特征基因通过调节炎症反应、细胞代谢、细胞凋亡和细胞周期在 HF 和 KF 的进展中发挥重要作用。

HF和KF中特征基因的ROC曲线分析

ROC 曲线分析用于研究关键基因 CDK2 和 CCND1 在训练数据集HF-GSE57345 和 KF -GSE37171以及 HF-GSE97709 和KF-GSE135055验证数据集中的诊断潜力。训练集中， CDK2 的 AUC 为 0.89209，在KF 中为 0.926667；对于 CCND1，在HF 中的AUC为 0.90233，在KF 中为 0.815333。这些 ROC 曲线表明这两个基因具有区分 HF 和 KF 患者与健康个体的特殊能力（图 5A、B）。此外，CDK2 和 CCND1 作为生物标志物的预测价值在KF-GSE135055 中分别为 0.857143 和 0.820105，HF-GSE97709 中分别为 0.91905 和 0.73333（图 5C、D）。

列线图评估和诊断标志物验证

该研究在 CDK2 和 CCND1 两个特征基因上构建了诊断列线图模型，以通过训练集或验证集预测 HF 和 KF 发生的可能性（图 6A、D、G、J），列线图的预测准确性最初是使用四个数据集 GSE57345、 GSE37171、 GSE135055 和 GSE97709 的校准曲线进行评估的（图 6B、E、H、K）。随后， ROC 分析评估了列线图模型在四个数据集中的精度和稳定性（图 6C、F、I、L），结果表明 CDK2 和 CCND1 这两个特征基因在有效区分 HF 和 KF 患者与健康对照者方面具有潜在的临床价值，为心肾疾病提供了有前途的诊断生物标志物。

在候选药物筛选可能的双功能 CDK2/CCND1 调节剂

为了靶向特征基因 CDK2 和 CCND1 以用于 HF 和 KF 的潜在治疗，作者通过 ChEMBL 数据库进行了初步筛选，以确定可以同时激活 CDK2 酶和抑制 CCND1 的化合物。然而，这种筛选没有发现任何常见的化学实体，只有三种化合物被鉴定为能够激活 CDK2。其中，化合物 CID141497232 表现出最低的结合能，与 CDK2 的结合能为 -5.63 kcal/mol，与 CCND1 的结合能为 -5.55 kcal/mol，表明最稳定的对接结果（图 7A、B）。此外，使用化合物 CID23434592（一种已知的 CCND1 抑制剂）进行对接分析，其显示 CCND1 的结合能为 -4.04 kcal/mol，CDK2 的结合能为 -3.89 kcal/mol（图 7C、D）。

免疫细胞浸润及其与特征基因的相关性

采用 CIBERSORTx 算法，计算HF/KF与正常对照组中免疫细胞的浸润情况。 在 22 种免疫细胞中，HF 组表现出较高比例的浆细胞、CD8+ T 细胞、初始 CD4+ T 细胞、M0 巨噬细胞、M1 巨噬细胞、静息肥大细胞和嗜酸性粒细胞，而 M2 巨噬细胞和中性粒细胞的比例较低（图 8A)。相反，与对照组相比，KF 组显示记忆 B 细胞、浆细胞、γ δ T 细胞、单核细胞和 M0 巨噬细胞显著增加，而初始 B 细胞、CD8+ T 细胞和静息 NK 细胞减少（图 8B）。22 种免疫细胞类型之间的相关性分析显示，静息记忆 CD4+ T 细胞与 CD8+ T 细胞、初始 B 细胞和调节性 T 细胞呈负相关，活化的 NK 细胞与 初始 B 细胞呈负相关（图 8C）。此外，中性粒细胞和单核细胞与 CD8+ T 细胞和静息 NK 细胞呈负相关（图 8F）。在特征基因与免疫细胞的相关性分析中，CDK2 和 CCND1 与多种免疫细胞，特别是中性粒细胞、单核细胞和静息 NK 细胞具有显著相关性（图 8D、E、G、H）。因此，作者提出，CDK2 和 CCND1 可能在免疫反应中发挥关键作用，可能通过涉及中性粒细胞、单核细胞和静息 NK 细胞的信号通路，这与心脏和肾衰竭的病理生理学有关。

研究总结：

总之，作者首次探索利用集成的生物信息学和机器学习框架来分析与 HF 和 KF 相关的转录组数据。确定了两种新的生物标志物 CDK2 和 CCND1，并揭示了细胞周期调节和免疫反应之间的相互作用，这可能为阐明 HF 和 KF 的共同分子机制提供线索。该研究结果强调了 CDK2 和 CCND1 在 HF 和 KF 中的诊断相关性，为这两种疾病或心肾综合征的诊断和治疗提供了潜在的新见解和目标。