论文部分内容阅读
目的:糖尿病足溃疡(Diabetic footulcer,DFU)是糖尿病常见且最严重的并发症之一,具有高发病率、高致残率、高致死率以及高复发率等临床特征,严重影响糖尿病患者肢体健康,同时对社会产生极大的医疗负担,阐明DFU的病理发生机制有望为揭示其潜在发病原因,制定临床干预策略提供基础,因此积极探究DFU的病理变化机制是糖尿病研究领域的热点。既往研究表明DFU的病理生理机制是复杂且多因素的,主要包括神经病变、血管病变、创伤合并感染和异常的足部生物力学等。环状RNA(circular RNA,circRNA)通过竞争性地吸附微RNA(microRNA,miRNA)来调节信使RNA基因(messenger RNA,mRNA)表达,构成竞争性内源 RNA(competing endogenous RNA,ceRNA)作用网络,参与诸多疾病的病理变化过程,然而有关ceRNA网络是否参与DFU的发生发展过程的文献鲜有报道,同时ceRNA网络中的关键靶点亦需进一步阐明。因此本文致力于构建DFU的circRNA-miRNA-mRNA网络,识别预测ceRNA网络中的关键靶点,结合临床队列验证分析其临床意义。材料与方法:基于美国国立生物信息中心(National Center for Biotechnology Information,NCBI)的基因表达综合数据库(Gene Expression Omnibus,GEO)下载circRNA 数据集 GSE114248、miRNA 数据集 GSE84971 以及 mRNA 数据集 GSE134431和GSE80178,通过R语言“limma”包分别对circRNA、miRNA和mRNA的表达谱进行差异分析,筛选出差异表达基因,采用circBank数据库预测与差异表达circRNAs相结合的miRNAs,同时将差异miRNAs与预测miRNAs做交集处理;同时采用miRtarbase数据库预测与重叠miRNAs相结合的mRNAs,对差异mRNAs及预测的mRNAs取交集,保留与差异表达circRNAs和miRNAs两者均结合的miRNAs和mRNAs,构建circRNA-miRNA-mRNA网络并使用Cytoscape软件可视化,随后利用String数据库挖掘ceRNA网络中mRNAs分子的相互作用关系,构建蛋白质互作网络图(protein-protein interaction,PPI),采用京都基因与基因组百科全书(kyoto encyclopedia of genes and genomes,KEGG)和基因本体论(gene ontology,GO)分析对mRNAs进行通路和功能分析,并采用四种拓扑结构分析算法分析PPI中的拓扑属性关系,筛选关键基因,并构建基于关键基因的ceRNA网络。此外针对确定的关键基因,分别收集正常志愿者(健康人组)、未合并糖尿病足溃疡的糖尿病患者(non-DFU组)以及糖尿病足溃疡患者(DFU组)肘静脉血标本、基线及临床资料,利用实时荧光定量PCR技术(real-time fluorescent quantitative PCR,qRT-PCR)验证关键基因在健康人组与non-DFU组、DFU组血清之间的相对表达量,同时采用logistics回归分析DFU的危险因素,并采用受试者工作曲线(receiver operator characteristic curve,ROC)分析关键基因表达量对DFU发生的预测价值。结果:通过差异分析联合靶向预测筛选出候选1 1个circRNAs、12个miRNAs以及17个mRNAs,并成功构建DFU相关的circRNA-miRNA-mRNA网络,对17个mRNAs进行GO分析发现mRNAs基因主要富集在核因子κB转录因子活性、氧化还原酶活性、细胞—细胞粘附连接等功能。而KEGG分析则显示mRNAs涉及丝裂原激活的蛋白激酶信号通路、Wnt信号通路、Hedgehog信号通路等。通过分析基于mRNAs构建PPI的拓扑属性获取关键基因并取交集,得出早期反应基因3(immediate early response 3,IER3)、硫氧还蛋白相互作用蛋白(Thioredoxin interacting protein,TXNIP)、BCL-2/腺病毒 E1B 19-kDa 相互作用蛋 3(BCL2/adenovirus EIB 19 kDa protein-interacting protein 3,BNIP3)为PPI网络的关键靶点,结合ceRNA网络分析获得3个circRNA-miRNA-关键基因网络图,分别是:TXNIP 是 circ0000907-miR-34a-5p、circ0092299-miR-302d-3p、circ00 17412-miR1 5a-5p、circ0072697-miR1 5a-5p、circ0072697-miR-23b-3p、circ0089763-miR-27b-3p 轴的下游靶点。IER3 是 circ0089763-miR-27b-3p 轴的下游靶点。BNIP3是circ0000907-miR-34a-5p、circ0000907-miR-145-5p、circ0080968-miR-145-5p、circ0091419-miR-145-5p、circ0089763-miR-27b-3p 轴的下游靶点。qRT-PCR 结果表明TXNIP在DFU组中的相对表达水平明显高于健康人组和non-DFU组(P<0.05),而BNIP3和IER3在各组的表达水平均无统计学差异。同时ROC曲线显示TXNIP具有鉴别DFU和non-DFU患者的功能。此外,DFU患者的年龄、糖尿病病程、体重指数、腰臀比、甘油三酯、总胆固醇、低密度脂蛋白胆固醇、白蛋白、同型半胱氨酸、肌酐、C肽、胰岛素、D-二聚体、凝血酶原时间、活化部分凝血活酶时间与non-DFU相比没有差异(P>0.05)。logistic回归分析结果显示TXNIP是DFU事件的危险因素。结论:本研究基于生物信息学分析成功构建DFU的circRNA-miRNA-mRNA调控网络,其中TXNIP是该网络中的关键靶点,对临床识别DFU具有诊断价值。