SCIENTIFIC HUB

Araştırmanın izini sürün.

SCIENTIFIC LITERATURE · MED

Alzheimer hastalığının, Parkinson hastalığının ve multipl sklerozun transkripsiyonel dinamiklerini ortaya çıkarmak için tek çekirdekli dizi profilini entegre etmek.

Integrating single-nucleus sequence profiling to reveal the transcriptional dynamics of Alzheimer's disease, Parkinson's disease, and multiple sclerosis.

Makine çevirisi · Editoryal inceleme bekliyor

J Transl Med · 2023-09-21

DOI: 10.1186/s12967-023-04516-6PMID: 37735671

Open accessResearch Support, Non-U.S. Gov't; research-article; Journal ArticleKaynağa git ↗

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Arka planAlzheimer hastalığı (AD), Parkinson hastalığı (PD) ve multipl skleroz (MS), klinik ve genetik olarak kısmen örtüşen üç sinir sistemi hastalığıdır. Bununla birlikte, toplu RNA dizilimi, içlerindeki çekirdek patojenik molekülleri doğru bir şekilde tespit etmedi. Ölüm sonrası beyin koleksiyonlarının yüksek kaliteli tek hücreli RNA dizilimi verilerinin mevcudiyeti, insan beynindeki farklı hücrelerde büyük ölçekli bir gen ekspresyonunun üretilmesine izin verir, hastalıklar ve genler arasındaki moleküler özelliklere ve ilişkilere odaklanır. İnsan beyninin tek çekirdekli RNA dizilişli (snRNA-seq) veri kümelerini AD, PD ve MS ile birleştirdik ve bunlar arasındaki transkriptomik ortak noktaları ve ayrımları tespit ettik.MetodlarSnRNA-seq veri kümeleri Gene Expression Omnibus (GEO) veritabanından indirildi. Seurat paketi snRNA-seq veri işleme için kullanıldı. Tek tip manifold yaklaşımı ve projeksiyonu (UMAP) küme tanımlaması için kullanılmıştır. Seurat'taki FindMarker işlevi, farklı ifade edilen genleri tanımlamak için kullanıldı. Fonksiyonel zenginleştirme analizi Gene Set Zenginleştirme Analizi (GSEA) ve Gene ontoloji (GO) kullanılarak gerçekleştirildi. Diferansiyel olarak ifade edilen genlerin (DEG'lerin) protein-protein etkileşimi (PPI) analizi STRING veritabanı (http://string-db.org) kullanılarak analiz edildi. SCENIC analizi, hg19-tss merkezli-10 kb-10tür veritabanlarına dayanan pySCENIC (v0.10.0) kullanılarak gerçekleştirildi. Potansiyel terapötik ilaçların analizi Connectivity Map ( https://clue.io ) üzerinde analiz edildi.SonuçlarGen düzenleyici ağ analizi, HSPB1 ve HSPA1A'nın anahtar moleküller olduğu AD, PD ve MS'de düzenlenmiş birkaç göbek geni tanımladı. Bu yükseltilmiş HSP aile genleri AD ve MS'deki ribozom genleri ve PD'deki immünomodülatör genlerle etkileşime girer. Ayrıca, AD, PD ve MS arasındaki moleküler çapraz konuşmayı ortaya çıkarmak için önemli etkileri olan hub genlerinin birkaç transkripsiyon düzenleyicisini (SPI1, CEBPA, TFE3, GRHPR ve TP53) belirledik. Arctigenin, AD, PD ve MS.ConclusionsTogether için potansiyel bir terapötik ilaç olarak tanımlandı, entegre snRNA-seq verileri ve bulguları, AD, PD ve MS arasında paylaşılan ve benzersiz moleküler çaprazlamanın çözülmesi için önemli etkilere sahiptir. HSPB1 ve HSPA1A, nörodejeneratif hastalıkların patolojik mekanizmalarına dahil olan umut verici hedefler olarak. Ek olarak, arktigeninin AD, PD ve MS için potansiyel bir terapötik ilaç olarak tanımlanması, bu nörolojik bozuklukların tedavisindeki potansiyelini daha da vurgulamaktadır. Bu keşifler, AD, PD ve MS'e ilişkin anlayışımızı ve tedavimizi geliştirmek için gelecekteki araştırma ve müdahalelerin temelini oluşturdu.

Özgün kaynak özetini okuyun

BackgroundAlzheimer's disease (AD), Parkinson's disease (PD), and multiple sclerosis (MS) are three nervous system diseases that partially overlap clinically and genetically. However, bulk RNA-sequencing did not accurately detect the core pathogenic molecules in them. The availability of high-quality single cell RNA-sequencing data of post-mortem brain collections permits the generation of a large-scale gene expression in different cells in human brain, focusing on the molecular features and relationships between diseases and genes. We integrated single-nucleus RNA-sequencing (snRNA-seq) datasets of human brains with AD, PD, and MS to identify transcriptomic commonalities and distinctions among them.MethodsThe snRNA-seq datasets were downloaded from Gene Expression Omnibus (GEO) database. The Seurat package was used for snRNA-seq data processing. The uniform manifold approximation and projection (UMAP) were utilized for cluster identification. The FindMarker function in Seurat was used to identify the differently expressed genes. Functional enrichment analysis was carried out using the Gene Set Enrichment Analysis (GSEA) and Gene ontology (GO). The protein-protein interaction (PPI) analysis of differentially expressed genes (DEGs) was analyzed using STRING database ( http://string-db.org ). SCENIC analysis was performed using utilizing pySCENIC (v0.10.0) based on the hg19-tss-centered-10 kb-10species databases. The analysis of potential therapeutic drugs was analyzed on Connectivity Map ( https://clue.io ).ResultsThe gene regulatory network analysis identified several hub genes regulated in AD, PD, and MS, in which HSPB1 and HSPA1A were key molecules. These upregulated HSP family genes interact with ribosome genes in AD and MS, and with immunomodulatory genes in PD. We further identified several transcriptional regulators (SPI1, CEBPA, TFE3, GRHPR, and TP53) of the hub genes, which has important implications for uncovering the molecular crosstalk among AD, PD, and MS. Arctigenin was identified as a potential therapeutic drug for AD, PD, and MS.ConclusionsTogether, the integrated snRNA-seq data and findings have significant implications for unraveling the shared and unique molecular crosstalk among AD, PD, and MS. HSPB1 and HSPA1A as promising targets involved in the pathological mechanisms of neurodegenerative diseases. Additionally, the identification of arctigenin as a potential therapeutic drug for AD, PD, and MS further highlights its potential in treating these neurological disorders. These discoveries lay the groundwork for future research and interventions to enhance our understanding and treatment of AD, PD, and MS.

Bilimsel değerlendirme

01

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

02

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

03

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

04

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.