|
结果：
为探究心肌梗髓期血液中的基因表达变化，作者检索了 NCBI GEO 数据库中的基因表达数据。如第 2 节所述，选定了三个 GEO 数据集进行 DEG 识别。DEG 结果通过火山图可视化（支持信息 2：图 S1A–C）。在 GSE123342 数据集中，识别出 2662 个上调基因和 2945 个下调基因（支持信息 2：图 S1A）。在 GSE141512 数据集中，获得了 1942 个上调基因和 2054 个下调基因（支持信息 2：图 S1B）。在 GSE62646 数据集中，作者获得了 5288 个上调基因和 4185 个下调基因（支持信息 2：图 S1C）。所示三个数据集的基因变化交集部分采用了文氏图。在 AMI 期间共识别出 278 个上调基因和 376 个下调基因（支持信息 3：图 S2 和支持信息 4）。通路结果显示，这些基因大多在“中性粒细胞脱颗粒”中得到富集（ 见图 2）。由于中性粒细胞是炎症的首要反应者，“中性粒细胞脱颗粒”通路的激活反映了 AMI 后炎症反应的启动。这些 DEGs 还在与 RNA 或蛋白质代谢相关的多种途径中富集（ 见图 2）。这种 RNA 和蛋白质代谢的失调可能与心肌梗死期间的白细胞增多有关，白细胞增多可能促进免疫细胞浸润到心脏组织。 此外，先前研究报告称 AMI 影响全身的新陈代谢[24];因此，外周血中的 RNA 和蛋白质代谢功能障碍只是冰山一角。通向分析显示，这些已识别的基因与若干富集术语有显著相关，如 GO_BP 的“生物调控”、GO_CC 的“膜”和 GO_MF 的“蛋白结合”（ 见图 3A）。
AMI 中发现的 DEGs 反应组通路分析。条形棒的长度代表一个丰富项的意义（实体比率）。该条的亮度代表负对数10FDR 值。颜色越亮，这个术语的重要性就越大。急性心肌梗死（AMI）;DEGs，差异表达的基因。
针对 AMI 和吸烟中发现的 DEGs 进行 Go 分析。（A）AMI 中 DEG 的 GO 结果。（B）吸烟中 DEGs 的 Go 结果。每一列代表一个增强的 GO 项。每列顶部的数字表示该项内的 DEG 总数。急性心肌梗死（AMI）;DEGs，差异表达基因;去吧，基因本体论。
作者选择了三个相关的 GEO 数据集，以探索吸烟中血液基因表达的分布。总体来看，在 GSE23323、GSE23515 和 GSE 55962 数据集中分别发现了 507、608 和 1153 个上调基因（支持信息 2：图 S1D–F）;在 GSE23323、GSE23515 和 GSE55962 数据集中分别获得了 413、859 和 940 个下调基因（支持信息 2：图 S1D–F）。情绪波动图显示，三个吸烟相关数据集中有 5 个共同上调基因和 18 个共同下调基因（图 4B、D 及支持信息 5）。对这些吸烟相关 DEGs 的迁移分析显示，它们与 AMI 具有相同的多个富集 GO 项（见图 3B）。
在 AMI 和吸烟中识别出的 DEGs 的维恩图和扰乱图。（A）和（C）面板中的维恩图展示了三个 AMI 数据集中的整合结果。（B）和（D）面板中的扰动图显示了 AMI 与三个吸烟数据集之间 DEG 的交集情况。AMI 上调 ，常见 DEG 在三个 AMI 数据集中上调;AMI 下调 ，常见 DEG 在三个 AMI 数据集中下调。急性心肌梗死（AMI）;DEGs，差异表达的基因。
为寻找 AMI 与吸烟之间的共同 DEGs，作者将 AMI 期间改变的基因与吸烟时改变的基因交叉配对，并鉴定出三个候选 DEGs：PYHIN1、PRSS23 和 PTGDR（见图 4D ）。为验证 AMI 患者中这三个基因的血液表达水平，作者使用了一个独立的 GEO 数据集 GSE59867。结果显示，PYHIN1、PRSS23 和 PTGDR 的表达水平在 AMI 患者中显著低于稳定的 CAD 对照组（见图 5A，B）。值得一提的是，外周血中三种常见 DEG 的表达水平在 AMI 患者或吸烟后个体中显著降低（图 4D，蓝色箭头表示）。然而，未发现在 AMI 和吸烟条件下均有上调的常见 DEGs。这可能是因为作者的过滤策略过于严格，需要合并全部六个数据集（三个 AMI 数据集：GSE141512、GSE62646 和 GSE123342;三个吸烟数据集：GSE23323、GSE23515 和 GSE 55962）。然而，如图 4 所示，如果只选择三种吸烟数据集中的一到两个而非全部三个，可以识别出更常见的 DEGs，包括上调和下调的（图 4 B，3，带红点的方框）。因此，共识别出 5 个上调和 14 个下调的常见 DEGs，作者也倾向于认为这些常见 DEG 可能是香烟导致 AMI 风险增加的重要因素。
验证了GSE59867 数据集中三个枢纽基因。（A） Limma 火山图结果在 GSE59867 数据集中。x 轴代表 log2 FC，y 轴表示 log10FDR。每个点代表一个在两组中均可检测表达的基因。红点表示 AMI 组中表达显著的基因，相较于稳定 CAD 对照组。FC，弃牌变换;FDR，虚假发现率。（B）PYHIN1、PRSS23 和 PTGDR 在 AMI 患者及对照组中的相对表达。∗∗∗p < 0.001（这里的 p 值为调整 p 值，FDR）。急性心肌梗死。
3.4. AMI 数据集基因表达数据的综合荟萃分析及 qRT-PCR 验证
尽管上述使用交叉法（维恩图）的分析已识别出共同的 DEGs，但为提高样本量和统计功效，作者对这三个 AMI 地理数据集 GSE141512、GSE62646 和 GSE123342 进行了联合分析（荟元分析）。总体而言，该荟萃分析方法构建了一个包含 141 个样本（99 个 AMI 样本和 42 个对照样本）的综合基因表达矩阵，显著增加了样本量，同时也与上述单个分析的总样本量保持一致。通过该矩阵，作者识别出 1698 个 DEGs，其中包括 796 个上调和 902 个下调（图 6A 及支持信息 6）。因为在上述个别分析中，已识别的 DEG 被输入过代表分析（ORA），包括 GO 和反应组通路分析，以探讨它们富集了哪些 GO 或 Reactome 项目。同样，作者也对 1698 个 DEGs 进行了反应组通路（GSEA）。GSEA 结果显示，这些 DEGs 大多富集于“中性粒细胞脱颗粒”、“先天免疫系统”、“免疫系统”、“RNA 代谢”等通路（图 6B 及支持信息 7）。这些结果总体上与上述个别分析一致，表明尽管个体分析方法在每个数据集中样本量较小，但其可行且可靠。接着，作者将 1698 个 DEG 与吸烟数据集中识别的 DEG 交叉。最终获得了四个共同枢纽基因（图 6C，D）。 四个枢纽基因中有三个与单个分析结果相同，但剩余一个 SLAMF7 是新发现的，仅通过荟萃分析获得。作者还验证了验证数据集中 AMI 与对照组之间 SLAMF7 的表达变化 GSE59867。结果显示，AMI 组中 SLAMF7 明显表达不足（图 6E）。此外，作者进行了 qRT-PCR 验证 AMI 患者中四个枢纽基因的表达。结果显示 PYHIN1 和 PRSS23 的表达水平显著下调（支持信息 3：图 S2）。相比之下，虽然 PTGDR 和 SLAMF7 表达呈下降趋势，但这些变化未达到统计显著性。这种统计学显著性的缺失可能归因于样本量有限。未来需要扩大队列以提供更明确的验证。
荟萃分析结果，汇集了三个 AMI 数据集。（A）前 100 名基因的热图。热图显示了每个 AMI 数据集样本中前 100 个过度表达和不足基因的表达情况。（B）通过荟萃分析方法识别的 1698 个 DEGs 的 GSEA。富集图仅显示了前八条富集反应组通路。（C 和 D）通过荟萃分析方法（AMI 数据集）和三个吸烟数据集，识别了 DEGs 的维恩图。（E） 验证GSE59867 数据集中 SLAMF7 表达。∗∗∗p < 0.001。急性心肌梗死。
总结
总之，作者利用转录组分析识别出 AMI 患者和暴露于烟草烟雾人群血液中的关键基因。尽管存在一些局限性，作者的发现对未来研究有帮助，并为心肌梗塞的病理生理提供了宝贵且有前景的见解。需要更多功能实验来评估心肌梗塞中识别的三个基因。
|
