基于GEO数据库筛选阿尔茨海默病的关键基因及信号通路

doi:10.3969/j.issn.1673-8640.2022.07.013

检验医学 ›› 2022, Vol. 37 ›› Issue (7): 664-668.DOI: 10.3969/j.issn.1673-8640.2022.07.013

基于GEO数据库筛选阿尔茨海默病的关键基因及信号通路

侯玉丽¹, 王怡斐², 付静轩¹, 王培昌¹()

1.首都医科大学宣武医院检验科国家老年疾病临床医学研究中心,北京 100053
2.首都医科大学临床检验诊断学系,北京 100069

收稿日期:2021-12-01 修回日期:2022-06-10 出版日期:2022-07-30 发布日期:2022-08-26
通讯作者: 王培昌
作者简介:王培昌,E-mail： pcw1905@126.com。
侯玉丽,女,1992年生,博士,检验师,主要从事衰老相关分子机制研究;
王怡斐,女,2004年生,主要从事衰老相关疾病机制研究。第一联系人：
侯玉丽与王怡斐对本研究具有同等贡献,并列为第一作者。
基金资助:
国家自然科学基金项目(81871714);国家自然科学基金项目(81901406);2021年度“扬帆”计划重点医学专业项目(ZYLX202114);北京市临床重点专科(建设项目);宣武医院国家自然科学基金青年培育项目(QNPY2021036)

Key genes and signal pathways of Alzheimer's disease based on GEO database

HOU Yuli¹, WANG Yifei², FU Jingxuan¹, WANG Peichang¹()

1. Department of Clinical Laboratory,Xuanwu Hospital,Capital Medical University,the National Clinical Research Center for Geriatric Diseases,Beijing 100053,China
2. Faculty of Laboratory Medicine,Capital Medical University,Beijing 100069,China

Received:2021-12-01 Revised:2022-06-10 Online:2022-07-30 Published:2022-08-26
Contact: WANG Peichang

摘要/Abstract

摘要：

目的采用生物信息学分析方法从GEO数据库筛选与阿尔茨海默病（AD）发生、发展密切相关的基因及信号通路。方法从GEO数据库选择GSE118553作为分析数据集,GSE106241作为关键基因的验证数据集。从GSE118553数据集筛选出差异表达基因,对差异表达基因进行基因本体（GO）富集分析、京都基因与基因组数据库（KEGG）通路分析。构建蛋白质-蛋白质相互作用（PPI）网络,筛选出评分居前10位的关键基因。采用GSE106241数据集验证筛选出的10个关键基因在不同braak分级AD患者与正常对照者颞叶皮层组织中表达的差异及其与β-淀粉样蛋白（Aβ）42表达的相关性。结果从GSE118553数据集中筛选出157个差异表达的基因,其中表达上调88个、表达下调69个。GO富集和KEGG通路分析结果显示,差异表达基因涉及γ-氨基丁酸（GABA）信号通路、神经递质传递和突触传递等。在PPI网络中,筛选出的评分居前10位的关键基因分别为SNAP25、SYT1、GRIN2A、SLC12A5、GAD1、GABRG2、GABRD、PVALB、GABRB2和FN1。采用GSE106241数据集进行验证,结果显示,不同braak分级AD患者之间颞叶皮层组织SNAP25、SYT1、GRIN2A、SLC12A5、GAD1、GABRG2、GABRD、PVALB和GABRB2表达差异均有统计学意义（P<0.05）。Pearson相关分析结果显示,SNAP25、SYT1、SLC12A5表达与Aβ42表达呈负相关（r值分别为-0.354、-0.283、-0.310,P<0.05）。结论筛选出的关键基因SNAP25、SYT1和SLC12A5或可作为AD潜在的生物标志物,为AD的诊疗提供新的靶点。

关键词: 阿尔茨海默病, 生物信息学, 关键基因, 信号通路

Abstract:

Objective To screen the differentially expressed genes（DEG） and signal pathways related to Alzheimer's disease（AD） using bioinformatics analysis methods based on GEO database. Methods GSE118553 was selected from GEO database as the analysis dataset,and GSE106241 was used as the validation dataset of key genes. The DEG were selected from the GSE118553 dataset matrix. Using cluster profile package,Gene Ontology（GO） analysis and Kyoto Encyclopedia of Genes and Genomes（KEGG） pathway analysis on DEG were preformed. Protein-protein interaction（PPI） network was constructed to screen out the top 10 key genes involved in AD. GSE106241 dataset was used to verify the expression differences of 10 key genes in temporal cortex tissues of AD patients with different braak grades to healthy controls and the correlation with amyloid bata-protein（Aβ）42 expression. Results There were 157 DEG obtained in GSE118553 dataset,including 88 up-regulated genes and 69 down-regulated genes. GO analysis and KEGG pathway analysis showed that DEG were enriched in gamma-aminobutyric acid（GABA） signaling pathway,neurotransmitter transmission and synaptic transmission and so on. A PPI network of DEG was constructed,and 10 key genes（SNAP25,SYT1,GRIN2A,SLC12A5,GAD1,GABRG2,GABRD,PVALB,GABRB2 and FN1） related to Alzheimer's disease were verified. The GSE106241 dataset was used for verification,and the results showed that there was statistical significance in the expression of SNAP25,SYT1,GRIN2A,SLC12A5,GAD1,GABRG2,GABRD,PVALB and GABRB2 in temporal cortex tissues of AD patients with different braak grades（P<0.05）. Pearson correlation analysis showed that the expression of SNAP25,SYT1 and SLC12A5 were negatively correlated with the expression of Aβ42（r values were -0.354,-0.283 and -0.310,respectively,P<0.05）. Conclusions The obtained key genes,SNAP25,SYT1 and SLC12A5,may be potential biomarkers of Alzheimer's disease and provide new targets for the diagnosis and treatment of AD.

Key words: Alzheimer's disease, Bioinformatics, Hub gene, Signal pathway

中图分类号:

R446.7

侯玉丽, 王怡斐, 付静轩, 王培昌. 基于GEO数据库筛选阿尔茨海默病的关键基因及信号通路[J]. 检验医学, 2022, 37(7): 664-668.

HOU Yuli, WANG Yifei, FU Jingxuan, WANG Peichang. Key genes and signal pathways of Alzheimer's disease based on GEO database[J]. Laboratory Medicine, 2022, 37(7): 664-668.

图/表 5

图1 AD患者脑组织中差异表达基因的筛选注：（a）差异表达基因火山图;▲表达上调基因;▲表达下调基因;●无差异的表达基因;|log FC|>0.8, P<0.05;（b）差异表达基因聚类热图;蓝色为表达下调基因,红色为表达上调基因。

图2 差异表达基因的GO富集分析注：（a）生物学进程;（b）细胞成分;（c）分子功能。

图3 差异表达基因的KEGG通路分析

图4 差异表达基因编码蛋白的PPI网络及关键基因的筛选注：（a）差异表达基因编码蛋白的PPI网络图;（b）采用Cytoscape软件筛选出的10个关键基因。

图5 不同braak分级AD患者脑组织中关键基因表达的比较注：（a）SNAP25;（b）SYT1;（c）GRIN2A;（d）SLC12A5;（e）GAD1;（f）GABRG2;（g）GABRD;（h）PVALB;（i）GABRB2。

参考文献 16

[1]	李文正, 禹松林, 尹逸丛, 等. AD患者血清核酸氧化损伤产物与抗氧化物质相关性分析[J]. 检验医学, 2021, 36(11):1164-1168.
[2]	WILSON B, GEETHA K M. Neurotherapeutic applications of nanomedicine for treating Alzheimer's disease[J]. J Control Release, 2020, 325:25-37. DOI URL
[3]	陈小童, 林勇. 阿尔茨海默病相关血液学标志物研究进展[J]. 检验医学, 2020, 35(4):374-379.
[4]	SENGOKU R. Aging and Alzheimer's disease pathology[J]. Neuropathology, 2020, 40(1):22-29. DOI URL
[5]	李婉琳, 宋勋, 叶亮, 等. 阿尔茨海默病发病机制及药物治疗方法研究进展[J]. 中国临床神经科学, 2021, 29(5):581-589.
[6]	刘音, 杨涛, 谢裕赛, 等. 基于GEO数据库筛选狼疮性肾炎的关键基因和信号通路[J]. 上海交通大学学报(医学版), 2021, 41(6):749-755.
[7]	KIVISÄKK P, CARLYLE B C, SWEENEY T, et al. Increased levels of the synaptic proteins PSD-95,SNAP-25,and neurogranin in the cerebrospinal fluid of patients with Alzheimer's disease[J]. Alzheimers Res Ther, 2022, 14(1):58. DOI URL
[8]	JIA L, ZHU M, KONG C, et al. Blood neuro-exosomal synaptic proteins predict Alzheimer's disease at the asymptomatic stage[J]. Alzheimers Dement, 2021, 17(1):49-60. DOI URL
[9]	AGOSTINI S, MANCUSO R, LIUZZO G, et al. Serum miRNAs expression and SNAP-25 genotype in Alzheimer's disease[J]. Front Aging Neurosci, 2019, 11:52. DOI URL
[10]	DAS J. SNARE complex-associated proteins and alcohol[J]. Alcohol Clin Exp Res, 2020, 44(1):7-18. DOI URL
[11]	TAGLIATTI E, BELLO O D, MENDONÇA P R F, et al. Synaptotagmin 1 oligomers clamp and regulate different modes of neurotransmitter release[J]. Proc Natl Acad Sci U S A, 2020, 117(7):3819-3827. DOI URL
[12]	ZHANG F X, SUN Q J, ZHENG X Y, et al. Abnormal expression of synaptophysin,SNAP-25,and synaptotagmin 1 in the hippocampus of kainic acid-exposed rats with behavioral deficits[J]. Cell Mol Neurobiol, 2014, 34(6):813-824. DOI URL
[13]	SHI Z, ZHANG K, ZHOU H, et al. Increased miR-34c mediates synaptic deficits by targeting synaptotagmin 1 through ROS-JNK-p53 pathway in Alzheimer's Disease[J]. Aging Cell, 2020, 19(3):e13125.
[14]	ÖHRFELT A, BRINKMALM A, DUMURGIER J, et al. The pre-synaptic vesicle protein synaptotagmin is a novel biomarker for Alzheimer's disease[J]. Alzheimers Res Ther, 2016, 8(1):41. DOI URL
[15]	KILB W. When are depolarizing GABAergic responses excitatory?[J]. Front Mol Neurosci, 2021, 14:747835. DOI URL
[16]	BIE B, WU J, LIN F, et al. Suppression of hippocampal GABAergic transmission impairs memory in rodent models of Alzheimer's disease[J]. Eur J Pharmacol, 2022, 917:174771. DOI URL

基于GEO数据库筛选阿尔茨海默病的关键基因及信号通路

Key genes and signal pathways of Alzheimer's disease based on GEO database

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 16

相关文章 15

编辑推荐

Metrics

[1]	刘庆阳, 袁建明, 夏进军, 姜风英, 王秋波, 王晓明. 基于GEO数据库和临床样本验证CXCL9作为类风湿关节炎生物标志物的研究[J]. 检验医学, 2023, 38(12): 1121-1129.
[2]	虞莉莎, 张盈盈. 基于GEO数据库对儿童急性淋巴细胞白血病差异基因的筛选和生物信息学分析[J]. 检验医学, 2022, 37(8): 745-750.
[3]	王仕超, 刘斌, 赵星, 任晓敏, 潘园园, 李霞, 徐淑英. 基于全转录组测序分析多形性胶质母细胞瘤增殖及侵袭的相关机制[J]. 检验医学, 2022, 37(8): 772-781.
[4]	文舒展, 付子乐, 陈淑英. hsa-miR-34a在肿瘤中的表达及生物信息学分析[J]. 检验医学, 2022, 37(7): 657-663.
[5]	叶敬文, 沈云岳, 刘鷖雯, 何怡青, 杜艳, 张国良, 高锋, 杨翠霞. MAPK/ERK信号通路在逆转乳腺癌内分泌治疗耐药中的作用[J]. 检验医学, 2022, 37(4): 342-348.
[6]	娄小燕, 王涛, 高琼, 路伟, 李丹, 李振华, 林萍. 阿尔茨海默病患者环状RNA差异表达初步分析[J]. 检验医学, 2021, 36(11): 1114-1120.
[7]	李文正, 禹松林, 尹逸丛, 于佳磊, 王丹晨, 邹雨桐, 邱玲. AD患者血清核酸氧化损伤产物与抗氧化物质相关性分析[J]. 检验医学, 2021, 36(11): 1164-1168.
[8]	陈小童, 林勇. 阿尔茨海默病相关血液学标志物研究进展[J]. 检验医学, 2020, 35(4): 374-379.
[9]	李丹, 林萍, 金伟峰, 陈姝子, 李萍, 程训佳. 阿尔茨海默病患者糖、脂代谢与脂多糖的相关性[J]. 检验医学, 2020, 35(11): 1126-1129.
[10]	赵铮, 李毅, 杨飞翔. NKX2-5在乳腺癌患者他莫昔芬耐药中的作用及调控机制[J]. 检验医学, 2020, 35(1): 47-55.
[11]	尚璐, 张骁, 陈岩, 吴棋, 邾国庆, 刘雅, 王佳谊, 孙奋勇, 张蕾. Hippo/YAP信号通路调控蛋白ACAN作为新型肝细胞肝癌血清肿瘤标志物的研究[J]. 检验医学, 2019, 34(1): 60-66.
[12]	张鹏, 罗琴, 汪婷婷, 袁向亮, 沈立松. 基于NCBI基因表达综合数据库筛查胃癌关键基因和信号通路的分析[J]. 检验医学, 2018, 33(3): 242-247.
[13]	姜晓峰. 高通量测序在临床分子诊断中的应用与展望[J]. 检验医学, 2017, 32(4): 250-254.
[14]	徐北惠, 李琪, 邹秀群, 徐洪, 侯照远, 王家敏, 倪培华. 基于RNA测序研究过表达AJUBA对T47D基因表达谱的影响[J]. 检验医学, 2016, 31(6): 527-532.
[15]	丁彬彬, 邬建民, 介勇, 孙荣莲, 王晓燕. 阿尔茨海默病和血管性痴呆患者血清炎症因子和生化指标的检测及临床意义[J]. 检验医学, 2016, 31(5): 363-367.