结合生物信息学和机器学习分析与验证脓毒症相关细胞衰老基因及潜在药物

《Renal Failure》:Combining bioinformatics and machine learning to analyze and validate sepsis-related cell senescence genes and potential drugs

【字体: 大 中 小 】 时间:2026年06月02日 来源:Renal Failure 3

编辑推荐:

  脓毒症(sepsis)是一种由宿主对感染的异常反应引起的危及生命的器官功能障碍。脓毒症可诱导细胞衰老(cellular senescence),从而加剧组织损伤和器官功能障碍。然而,细胞衰老的关键生物标志物及其在脓毒症中的相应靶向治疗仍不清楚。该研究通过生物信

  
脓毒症(sepsis)是一种由宿主对感染的异常反应引起的危及生命的器官功能障碍。脓毒症可诱导细胞衰老(cellular senescence),从而加剧组织损伤和器官功能障碍。然而,细胞衰老的关键生物标志物及其在脓毒症中的相应靶向治疗仍不清楚。该研究通过生物信息学(bioinformatics)分析和机器学习(machine learning)鉴定了8个差异表达的衰老相关基因(differentially expressed senescence-related genes, DE-SRGs),包括TXN、CDKN1C、UTP6、BCL11B、SMAD3、ITPKB、PRPF19和BCL2。这些枢纽基因(hub genes)对脓毒症具有良好的诊断性能。其中6个枢纽基因在验证集和实验样本中的表达趋势与训练集一致。免疫浸润(immunoinfiltration)分析显示,嗜酸性粒细胞(eosinophils)、M1型巨噬细胞(macrophages M1)、M2型巨噬细胞(macrophages M2)、活化NK细胞(NK cells activated)、静息NK细胞(NK cells resting)、CD8+T细胞(T cells CD8)和调节性T细胞(Tregs)与所有枢纽基因显著相关。基于枢纽基因,从DSigDB数据库中获得了大量靶向化合物或药物,这些药物主要与CDKN1C、BCL2和SMAD3相互作用。非诺贝特(fenofibrate)与这些靶蛋白的结合能均低于?5.0?kcal/mol。在脓毒症诱导的急性肾损伤(acute kidney injury, AKI)的体内和体外模型中,研究人员观察到非诺贝特可减轻衰老和炎症。总之,该研究鉴定了8个与脓毒症相关的DE-SRGs并验证了其诊断效能,且非诺贝特可能通过调控衰老基因在脓毒症诱导的AKI中发挥抗炎和抗衰老作用,为脓毒症治疗提供了新思路。
脓毒症(sepsis)是一种由感染引起的危及生命的器官功能障碍,其发病机制复杂且病情变化迅速,早期识别和治疗极具挑战性。细胞衰老(cellular senescence)是一种不可逆的细胞周期停滞状态,脓毒症可通过大规模炎症反应、氧化应激和线粒体功能障碍诱导细胞衰老,加剧组织损伤和器官功能障碍。然而,目前脓毒症相关的关键衰老生物标志物及相应靶向治疗尚不清楚。该研究发表于《Renal Failure》,旨在利用高通量测序数据结合生物信息学分析与机器学习方法,系统阐明脓毒症的遗传标志物和潜在治疗药物,为临床治疗提供依据。研究人员通过分析GEO数据库中的训练集GSE65682(760例脓毒症患者和42例健康对照)和验证集GSE28750(10例脓毒症患者和20例健康对照),结合加权基因共表达网络分析(WGCNA)、差异表达基因(DEG)筛选及CellAge数据库中的细胞衰老基因集,最终采用三种机器学习算法(最小绝对收缩和选择算子回归LASSO、随机森林RF、支持向量机递归特征消除SVM-RFE)鉴定出8个枢纽差异表达衰老相关基因(hub DE-SRGs)。随后进行免疫浸润分析,筛选靶向药物并进行分子对接,最后在盲肠结扎穿孔(CLP)诱导的小鼠脓毒症模型及脂多糖(LPS)刺激的人肾近端小管上皮细胞(HK-2)模型中验证非诺贝特(fenofibrate)对脓毒症诱导的急性肾损伤(AKI)的保护作用。

关键技术方法包括:从GEO数据库获取训练集GSE65682(760例脓毒症患者,42例健康对照)和验证集GSE28750(10例脓毒症患者,20例健康对照),细胞衰老基因集来自CellAge数据库。通过‘limma’包筛选DEGs,WGCNA鉴定核心模块,与衰老基因集交集获得54个DE-SRGs;采用LASSO、RF和SVM-RFE三种机器学习算法筛选8个hub基因。利用CIBERSORT算法分析22种免疫细胞浸润情况。从DSigDB数据库检索靶向药物,使用AutoDock Vina进行分子对接。体内实验采用C57BL/6J小鼠CLP模型,体外实验采用LPS刺激HK-2细胞。

研究结果:
3.1 脓毒症中DEGs和枢纽基因模块的鉴定:训练集中共获得3,138个DEGs(1,384个上调,1,754个下调)。WGCNA筛选出与脓毒症显著相关的棕色模块(1,380个基因),其与脓毒症呈强负相关(r = ?0.6,p = 1e?78)。
3.2 差异表达衰老相关基因的鉴定与富集分析:从CellAge数据库获得866个衰老相关基因,与DEGs和WGCNA核心模块基因取交集得到54个DE-SRGs。KEGG富集分析显示这些基因显著富集于细胞衰老、细胞周期、NF-κB信号通路等通路;GO分析显示其参与有丝分裂细胞周期相变、MAPK级联负调控等生物学过程。
3.3 利用机器学习筛选具有诊断价值的枢纽DE-SRGs:三种机器学习算法共同鉴定出8个hub DE-SRGs(TXN、CDKN1C、UTP6、BCL11B、SMAD3、ITPKB、PRPF19、BCL2)。在训练集中每个基因的AUC均超过0.9,逻辑回归模型AUC为1.0;在验证集中7个基因AUC大于0.7,模型AUC为1.0。
3.4 验证集中枢纽DE-SRGs的表达:验证集显示BCL2、ITPKB、CDKN1C、PRPF19、UTP6、BCL11B在脓毒症组中显著降低,TXN显著升高,SMAD3无显著差异。
3.5 免疫浸润分析:脓毒症组单核细胞和中性粒细胞比例升高,CD8+T细胞和初始CD4+T细胞显著降低。相关分析显示嗜酸性粒细胞、M1/M2巨噬细胞、活化/静息NK细胞、CD8+T细胞和Tregs与所有hub基因显著相关。
3.6 枢纽基因的靶向药物及分子对接:DSigDB数据库筛选出靶向hub基因的药物,其中非诺贝特与8个靶蛋白(SMAD3、BCL2、TXN、ITPKB、CDKN1C、PRPF19、UTP6、BCL11B)的结合能均低于?5.0?kcal/mol,表明可形成稳定结合。
3.7 非诺贝特通过靶向关键衰老基因减轻脓毒症中的细胞衰老:在CLP小鼠模型中,非诺贝特治疗显著上调了SMAD3、BCL2、ITPKB、PRPF19、UTP6、BCL11B的mRNA表达,下调了CDKN1C的表达(TXN表达进一步升高)。SA-β-Gal染色显示非诺贝特降低了脓毒症小鼠肾脏和LPS刺激的HK-2细胞中的衰老活性,同时降低了衰老标志蛋白p53和p16的表达。
3.8 非诺贝特改善脓毒症诱导的AKI:HE染色显示非诺贝特减轻了肾组织病理损伤,降低了血清肌酐和尿素氮水平,并显著降低了促炎因子IL-6、IL-1β和TNF-α的水平。

讨论部分总结:该研究鉴定的8个hub DE-SRGs(SMAD3、BCL2、TXN、ITPKB、CDKN1C、PRPF19、UTP6、BCL11B)中,6个在验证集和动物样本中表达趋势一致,且均具有良好诊断效能。免疫浸润分析揭示这些基因与巨噬细胞、NK细胞、CD8+T细胞和Tregs密切相关。非诺贝特在体内外模型中显示出抗炎和抗衰老作用,可能通过调控衰老相关基因实现。研究存在局限性,如机制需进一步探索、临床数据需补充、对其他器官的影响尚不明确。

研究结论:该研究鉴定了8个与脓毒症相关的枢纽DE-SRGs,并验证了其对脓毒症的诊断效能。免疫微环境分析显示枢纽DE-SRGs与多种免疫细胞(如巨噬细胞、NK细胞、CD8+T细胞、Tregs)密切相关。最后,该研究确定了非诺贝特在脓毒症相关AKI中的抗炎和抗衰老特性,为脓毒症治疗提供了新思路。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号