整合生物信息学与单细胞转录组学鉴定子痫前期诊断的线粒体功能障碍驱动型生物标志物

《Frontiers in Molecular Biosciences》:Integrated bioinformatics and single-cell transcriptomics identify mitochondrial dysfunction-driven biomarkers for preeclampsia diagnosis

【字体: 大 中 小 】 时间:2026年09月23日 来源:Frontiers in Molecular Biosciences 4.4

编辑推荐:

  背景:子痫前期(preeclampsia, PE)是一种复杂的妊娠障碍,以高血压和蛋白尿为特征,对母胎健康构成显著风险。目前的诊断和治疗方法有限,亟需识别有效的生物标志物和治疗靶点。方法:研究人员利用生物信息学方法,包括差异表达分析、加权基因共表达网络分析(w

  
背景:子痫前期(preeclampsia, PE)是一种复杂的妊娠障碍,以高血压和蛋白尿为特征,对母胎健康构成显著风险。目前的诊断和治疗方法有限,亟需识别有效的生物标志物和治疗靶点。方法:研究人员利用生物信息学方法,包括差异表达分析、加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)、蛋白质-蛋白质相互作用(protein-protein interaction, PPI)网络和机器学习算法,鉴定与子痫前期相关的关键线粒体基因。富集分析采用基因集富集分析(gene set enrichment analysis, GSEA)、基因集变异分析(gene set variation analysis, GSVA)、基因本体论(gene ontology, GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)进行。采用受试者工作特征(receiver operating characteristic, ROC)分析和SHapley Additive exPlanations(SHAP)分析评估关键基因和诊断模型的诊断性能。单细胞分析提供了对细胞异质性和相互作用的见解。通过逆转录定量聚合酶链反应(reverse transcription-quantitative polymerase chain reaction, RT-qPCR)验证所识别的关键基因。结果:研究人员鉴定了六个线粒体关键基因(SOD1、ACSF2、ABAT、ACSS1、ALDH4A1、PDHA1)及诊断模型,显示出稳健的诊断准确性。功能富集表明这些基因参与氧化磷酸化、三羧酸(tricarboxylic acid, TCA)循环和脂肪酸代谢。单细胞分析显示滋养层亚群是线粒体失调的关键部位。RT-qPCR证实ABAT、PDHA1和SOD1在子痫前期胎盘中显著下调。结论:基于生物信息学分析鉴定的子痫前期相关基因和通路可能具有诊断和治疗价值。未来研究应在更大规模人群中确认其临床潜力。
论文解读:线粒体功能障碍驱动子痫前期诊断生物标志物的整合生物信息学与单细胞转录组学研究

子痫前期(preeclampsia, PE)是妊娠期特有的复杂疾病,以高血压和蛋白尿为主要特征,严重威胁母胎健康,全球约2%–8%的妊娠受累,是孕产妇和围产期死亡的重要原因。当前PE的诊断依赖临床症状,治疗以降压、解痉和适时终止妊娠为主,存在检测滞后、缺乏个性化等局限。线粒体功能障碍,包括DNA损伤、氧化应激和异常凋亡信号,在PE发病中起关键作用,但调控PE发生发展的精确遗传决定因素仍未完全阐明。因此,识别有效的早期诊断生物标志物和机制导向的治疗靶点具有重要的临床意义。研究人员设计了一套整合多组学数据、机器学习与单细胞转录组学的分析流程,系统鉴定与PE相关的线粒体关键基因,并评估其诊断价值。

研究人员从基因表达综合(Gene Expression Omnibus, GEO)数据库获取了四个PE相关数据集。其中GSE24129(8例PE,8例对照)和GSE75010(80例PE,77例对照)合并作为训练集,经批次效应去除后共包含88例PE和85例对照胎盘样本;GSE186257(26例PE,18例对照)作为独立验证集;GSE173193(2例PE,2例对照)为单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)数据。利用MitoCarta3.0数据库获得1,136个线粒体相关基因(mitochondria-related genes, MitoRGs)和149条线粒体通路。通过差异表达分析、WGCNA、PPI网络构建以及三种机器学习算法(LASSO、SVM-RFE、随机森林)的交叉筛选,最终确定6个共识关键基因:SOD1、ACSF2、ABAT、ACSS1、ALDH4A1、PDHA1。功能富集分析显示这些基因主要参与氧化磷酸化、TCA循环和脂肪酸代谢。ROC分析和SHAP分析评估了关键基因及诊断模型的性能,单细胞分析揭示了胎盘细胞异质性和细胞间通讯变化,最后通过RT-qPCR对关键基因在PE胎盘组织中的表达进行了实验验证。

主要技术方法包括:使用GEOquery下载数据,sva包去除批次效应,limma包进行差异表达分析和标准化;WGCNA识别与PE最相关的基因模块;STRING数据库和Cytoscape软件构建PPI网络;LASSO、SVM-RFE和随机森林三种算法筛选特征基因;GSEA、GSVA、GO和KEGG进行功能富集;pROC包绘制ROC曲线并计算AUC值,采用十种机器学习算法构建预测模型,SHAP框架进行模型解释;Seurat包(v5.1.0)进行单细胞质控、聚类和注释,Harmony算法校正批次效应,miloR进行差异丰度分析,AUCell评估线粒体基因活性,Monocle3和destiny进行细胞轨迹推断,CellChat进行细胞间通讯分析。临床样本来自温州医科大学附属第三医院,包括10例PE和10例健康对照胎盘组织,通过RT-qPCR验证关键基因表达。

研究结果具体如下:
3.2 合并PE数据集:通过sva去除批次效应后,分布箱线图和主成分分析(PCA)显示批次效应被成功消除,合并数据集可用于后续分析。
3.3 WGCNA和差异表达分析:以软阈值为7构建共表达网络,鉴定出蓝色模块与PE状态相关性最强(相关系数0.67,p=1e?23)。差异分析共获得2,462个差异表达基因(DEGs),其中上调965个、下调1,387个。将DEGs、MitoRGs和蓝色模块基因取交集,得到43个线粒体相关差异表达基因(MitoRDEGs)。
3.4 富集分析:GSEA显示PE样本显著富集于柠檬酸循环(TCA循环)和呼吸电子传递、氨基酸代谢、GABA受体激活、线粒体电子传递链系统、线粒体复合物I组装模型OXPHOS系统及DNA修复等通路。GSVA分析显示PE组维生素A代谢升高,而犬尿氨酸代谢、钼辅因子合成、GABA代谢等通路降低。GO和KEGG分析显示43个MitoRDEGs主要参与乙酰辅酶A生物合成、脂肪酸代谢、葡萄糖代谢和TCA循环,定位于线粒体基质和线粒体内膜。
3.5 PPI网络构建和关键基因筛选:基于STRING数据库构建43个MitoRDEGs的PPI网络,根据节点度值筛选出前15个关键基因。
3.6 利用三种机器学习算法识别关键特征基因:LASSO、SVM-RFE和随机森林分别鉴定出9个、7个和8个特征基因,取交集后获得6个共识基因:SOD1、ACSF2、ABAT、ACSS1、ALDH4A1、PDHA1。GeneMANIA分析显示这些基因存在共表达、预测互作等关系。
3.7 关键基因表达差异和相关性分析:热图和箱线图显示6个基因在PE组和对照组间表达差异显著(p<0.001)。染色体定位显示这些基因分布于1、16、17、20、21和X染色体。相关性分析发现SOD1与ALDH4A1呈最强正相关,SOD1与ABAT呈最强负相关。Friends分析表明ACSF2和ACSS1与其他基因功能相似性最高。
3.8 ROC分析和预测模型构建:6个关键基因中,SOD1、ACSF2、ABAT、ACSS1、ALDH4A1在验证集GSE186257中AUC介于0.7–0.9,具有中等诊断准确性;PDHA1的AUC在0.5–0.7之间。基于6个基因构建的十种机器学习模型中,随机森林模型性能最佳(AUC=0.932)。校准曲线显示预测概率与实际风险高度一致,决策曲线分析表明模型具有临床净收益。SHAP分析显示ABAT是模型中影响最大的特征(平均|SHAP|=0.121),其次是SOD1(0.083);ACSF2表达升高增加PE风险,而ABAT、SOD1、ACSS1、PDHA1、ALDH4A1水平升高则具有保护效应。
3.9 胎盘细胞亚群的鉴定和变化:通过scRNA-seq对GSE173193数据集分析,经过质控获得27,359个胎盘细胞,注释出7种细胞类型:粒细胞、滋养层细胞、髓系细胞、T/NK细胞、肥大细胞、基质细胞和B细胞。Milo差异丰度分析显示,与对照组相比,PE组滋养层细胞亚群比例增加,而髓系和粒细胞比例降低。
3.10 AUCell评分分析线粒体活性:AUCell评分显示滋养层细胞的线粒体基因活性最高。关键基因表达分布显示,SOD1、ACSF2、ACSS1、ALDH4A1和PDHA1主要表达于滋养层细胞,而ABAT主要在髓系细胞中表达。PE与对照的滋养层细胞差异表达分析及GO/KEGG富集分析揭示了与线粒体功能相关的通路变化。
3.11 滋养层细胞亚群分析:进一步将滋养层细胞分为四个亚群:祖细胞绒毛细胞滋养层(VCTp)细胞、绒毛滋养层(VCT)细胞、合体滋养层(SCT)细胞和绒毛外滋养层(EVT)细胞。PE组VCTp和EVT比例增加,VCT比例减少。亚群富集分析显示多个与线粒体功能相关的KEGG通路富集。
3.12 细胞轨迹分析:CytoTRACE2评分显示VCTp细胞分化状态最低,Monocle3和扩散图分析确定VCTp为分化起点,依次分化为VCT细胞,再进一步分化为SCT和EVT细胞。
3.13 细胞间通讯分析:CellChat分析显示VCT细胞是细胞通讯网络中的核心,具有最高的互作频率和强度。在VEGF信号通路中,EVT细胞接收信号最强,SCT细胞发送信号最强;在MIF信号通路中,B细胞接收信号最强,EVT和VCTp细胞发送信号最强。
3.14 RT-qPCR验证关键基因:在10例PE和10例对照胎盘中,ABAT、PDHA1和SOD1在PE组显著下调(p<0.001),ACSF2、ACSS1和ALDH4A1的表达差异未达到统计学显著。

讨论总结:该研究通过多组学整合和实验验证,系统阐明线粒体功能障碍在PE中的核心地位,提出线粒体功能障碍通过能量代谢崩溃、氧化应激放大和表观遗传失调三种相互关联的病理机制参与PE发生发展。6个关键基因分别涉及TCA循环、脂肪酸氧化、抗氧化防御和代谢物驱动的表观遗传调控等环节。基于随机森林的诊断模型结合SHAP解释框架,增强了模型的临床可解释性,筛选出的ABAT和SOD1作为关键贡献因子,与实验验证结果一致。但研究存在局限性:胎盘样本多在分娩时获取,无法判断基因变化的时间顺序;scRNA-seq验证队列样本量较小;仅限于胎盘组织,未捕捉母体全身性线粒体功能障碍;功能验证仅限于mRNA水平。未来需要在产前母体样本中进行前瞻性纵向研究,并开展蛋白质水平及细胞功能实验。

研究结论:该研究通过整合多组学生物信息学、机器学习和实验验证,揭示了线粒体功能障碍在PE发病中的关键作用,鉴定出6个PE相关的胎盘线粒体基因:ABAT、PDHA1、SOD1、ACSF2、ACSS1和ALDH4A1。这些基因与能量代谢破坏、氧化应激放大以及免疫和表观遗传失调相关。RT-qPCR验证证实ABAT、PDHA1和SOD1在PE胎盘中显著下调。单细胞RNA测序揭示了与细胞组成改变相关的细胞类型特异性失调。机器学习模型,特别是随机森林算法,在回顾性数据集中显示出良好的PE诊断区分能力,SHAP分析强调ABAT和SOD1是模型预测的重要贡献因子。这些发现支持胎盘线粒体功能障碍与PE中代谢、氧化和表观遗传改变之间的关联。然而,由于胎盘样本主要采集于分娩时,这些基因的时间角色及作为早期生物标志物的潜力需要在前瞻性纵向队列中验证。
相关新闻
生物通微信公众号
微信
新浪微博

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