肥胖患者及非酒精性脂肪性肝病患者基因表达调控机制初步研究

发布时间：2020-10-29 23:59

　　 随着现代化进程的加快,人民生活水平快速提高、饮食习惯发生了很大的改变,长期的能量摄入与消耗不平衡,使人体内的脂肪组织大量增加,即被定义为肥胖。在超过三十年的时间里,肥胖成为全球性的健康问题。在已知研究中,发现肥胖与多种疾病的发生发展相关,其中以肝脏疾病、Ⅱ型糖尿病、心脑血管疾病及某些特定癌症为代表。而饮酒人数剧增以及受到的药物影响等因素,加上预防医疗措施相对滞后,被称为现代“富贵病”的脂肪性肝病发病率在我国呈逐年增高。据统计,目前脂肪性肝病发病率较5年前增加了50倍,而且有年龄向低龄化发生的趋势。尤其是一些经济较发达地区,脂肪性肝病已成为一种常见疾病。流行病学调查显示：脂肪性肝病的发病率已占到平均人口的10%,在肥胖、嗜酒和糖尿病人群中可高达50%-60%,不少医院甚至查出十四五岁的小脂肪性肝病患者。脂肪性肝病按照病因一般分为两大类,酒精性脂肪性肝病和非酒精性脂肪性肝病,尤其是非酒精性脂肪性肝病除了与酒精性脂肪性肝病一样可导致肝病相关残疾和死亡外,还与Ⅱ型糖尿病、代谢综合征及其相关心脑血管病事件有着密切的关系。因此,脂肪性肝病已成为当代肝病领域的新挑战,对人类健康和社会造成了巨大的威胁。大量研究已经证实,非酒精性脂肪性肝病与肥胖、胰岛素抵抗、糖尿病、高血脂代谢综合征等机体代谢紊乱的疾病以及心血管疾病密切相关,若这些疾病没有得到有效的控制或治疗,将会伴随NAFLD的发生,且疾病之间相互作用渗透,形成恶性的循环。80年代未随着人类基因组计划的启动,随着现代生物学与医学科学和生物统计学、信息科学、计算机科学、数学等学科相互渗透并高度交叉形成的一门新兴前沿学科——生物信息学。随着基因组测序数据迅猛增加,特别是人类基因组计划的顺利推进,产生了海量的生物学数据,生物分子数据的积累速度呈指数增加。这些数据隐藏着丰富的生物学知识,具有丰富的内涵。充分利用这些数据,通过数据处理、分析,揭示这些数据的内在含义,得到对人类有用的信息,是生物学家和数学家所面临的严峻的挑战。生物信息学正是为迎接这种挑战而发展起来的一个交叉学科。本研究利用生物信息学技术,对公开发表的肥胖患者数据集GDS3602和非酒精性脂肪性肝病数据集GSE49541的早期阶段(mild)和晚期阶段(advanced)的全基因组表达数据进行挖掘,利用Qlucore Omics Explorer、BRB-Array Tools、PANTHER及DAVID进行生物信息学分析。本研究利用Qlucore Omics Explorer及DAVID在线分析工具对数据集GDS3602进行分析,并结合蛋白质相互作用网络分析肥胖的发生机制。同时用BRB-ArrayTools软件及DAVID在线分析工具等对肝纤维化程度不同的mild和advanced非酒精性脂肪性肝病患者进行比较,筛选他们之间的差异表达基因。结果显示,两个阶段基因表达差异明显,说明在出现非酒精性肝硬化前,重度的肝纤维化患者基因表达已发生了较大变化,提示非酒精性脂肪性肝病转化为肝硬化这个过程中,重度肝纤维化是一个较为重要的阶段。我们利用差异基因构建非酒精性脂肪性肝病的蛋白质相互作用网络。在生物体内,蛋白质通过与核酸、小分子或者其他蛋白质进行相互作用来执行各种生物功能,蛋白质间的相互作用存在于每个细胞的生命过程中,是生命活动过程的基础。因此,绘制蛋白质的相互作用网络图谱,将会帮助我们了解许多生命活动的机制。网络中每个节点对于整个网络的影响可以用不同的参数来描述,通过对于网络的计算,选取合适的条件,我们可以得到对于蛋白质作用网络较为重要的网络节点,这些节点的存在对于整个网络的稳定性至关重要,所以这些核心节点在疾病的发展过程中处于重要位置,对于这些节点可以作为潜在的治疗靶点,经过对获得的上调蛋白质作用网络和下调蛋白质作用网络的分析计算,分别获得了10个核心节点,和17个核心节点。我们将这些核心节点分别与上调表达差异基因和下调表达差异基因进行映射,于是共获得了12个重合的基因,CYP3A4, EFHD1、 GALK1。GCDH、GSTZ1、MT1X、SORL1、CACNA2D1、EPHA3、GINS1、GINS2和GJA这12个核心节点的表达量发生了变化,说明这12个基因对于非酒精性脂肪性肝病的发生发展起着至关重要的作用。于是我们在收集的临床标本中验证它们的表达量。对获得的12个核心节点基因原始表达量进行统计学分析,保留具有统计学意义的基因。其中EFHD1 (P=0.001)、GALK1(P=0.001)、GCDH、(P=0.004)和MT1X (P=0.01)的mRNA表达量在早期非酒精性脂肪性肝病中显著升高,CACNA2D1 (P=0.002)、EPHA3 (P=0.003)、GINS1 (P=0.001)和 GJAl (P=0.01)的mRNA表达量在晚期非酒精性脂肪性肝病中显著升高,构建ROC (receiver operating characteristic)曲线用以预测早晚期非酒精性脂肪性肝病核心蛋白mRNA表达水平。qPCR结果表明8核心节点基因的在早晚期非酒精性脂肪性肝病中表达显著不同,特别是EFHD1、GALK1GCDH·、CACNA2D1、MT1X、 EPHA3、GINS1、GJA1,可能在非酒精性脂肪肝进展的生物过程扮演了一个重要的角色。ROC曲线分析还表明,这些核心节点基因可以区分非酒精性脂肪肝早晚期患者,虽然诊断准确度不是很高(AUC=0.621--0.719)。在这些核心节点基因中,CACNA2D1, EPHA3, GINS1及GJAl在晚期NAFLD中表达上调,提示这些基因在晚期NAFLD中发挥着重要的作用。CACNA2D1编码的蛋白属于α-2蛋白亚族,a-2蛋白属于电压依赖型钙离子通道复合体,CACNA2D1被报道同癫痫、智力缺陷、肥胖及胰岛功能亢进等临床症状相关,而这些影响同时很有可能由GALK1的突变导致。EPHA3属于酪氨酸激酶的肝配蛋白受体亚族。该基因的缺失被认为是潜在的肌萎缩性脊髓侧索硬化症(Amyotrophic Lateral Sclerosis, ALS)的保护因素。EphA3蛋白主要位于细胞质和细胞膜上,该蛋白的合成被认为同多种肿瘤相关。GINS1在DNA复制中发挥重要作用。GJAl基因突变主要是常染色体显性遗传疾病。对这些核心蛋白编码基因在非酒精性脂肪肝和健康样本的表达水平进行分析,我们进一步计算晚期以及早期非酒精性脂肪性肝病与正常人群的差异表达基因。通过ROC曲线分析,我们进一步的分析了早期NAFLD蛋白质作用网络中的6个核心节点基因(EFHD1、GALK1、GCDf、SORL1、EPHA3和GINS2)的表达量。其中的4个基因(EFHD1、GALK1、GCDH和 SORL1)具有符合统计学意义的AUC值,可以被用来提高早、晚期NAFLD患者诊断准确率。这些分析表明,EFHD1、GALK1、GCDH、MT1X、CACNA2D1、EPHA3、 GINS1和GJA1是诊断早晚期非酒精性脂肪性肝病的潜在生物标记物。这些基因往往出现跨多个肿瘤相关疾病,如直肠癌、肺癌、前列腺癌、胃癌,以及胶质母细胞瘤和肝癌,这表明他们可能在非酒精性脂肪性肝病的发生发展过程中扮演着重要的角色,并可能在未来发展成为有效的诊断方法。而在对肥胖患者同NAFLD患者基因表达谱的共同分析中发现,GCDH在肥胖患者及早、晚期NAFLD患者中表达量逐渐降低,显示GCDH的表达量可能同肥胖患者并发NAFLD有密切关系,且GCDH可以作为肥胖患者中NAFLD的治疗靶点。
【学位单位】：南方医科大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：R589.2;R575.5
【部分图文】：

分析结果共筛选出ＯＬ組差异表达基因４４８个，其中肥胖患者中上调表达基因??２８０个，下调基因１６８个。将上调基因定义为ｆａｔ组，下调基因定义为ｌｅａｎ组，分析??结果如图２－１?（Ｃ）所示；ＯＦ姐共筛选出１７８个差异表达基因，其中高表达９９个，??低表达７９个，如图２－１?（ｂ）?；?ＯＭ组共筛选出６２个差异表达基因，其中３９个基因??在肥胖男性島表达，２３个为低表达如園２－１?（ａ）。差异基因列表见附录一。??■山￣?．．．?Ｉ．?＂＊＊??誦瞒讓??Ｍｕ；＊；；－?？‘??ＯＭ射巧巧細巧黄拍?ｂ．ＯＦ巧巧巧馴利谢?爸旨基旧Ｒ巧苗??？：?Ｔｈｅ?ｃｌｕｓｔｅｒｉｎｇ?ｆｏｒ?ｇｒｏｕｐ?ＯＭ?？ｎｄ?ＩＭ?ｈＴｈｅｄｕｓｔｅｒｔｎｇｆｏｆ?町）ｕｐ?巧化?饥ＫｄａＭｉｃｆａｒｔＭＭＶｉＭａｉｉｉＯｂｅｉｖ??图２－１备组差异基因分析及聚类结果??ａ．?ＯＭ沮差异基因聚类图，ｂ．?ＯＦ组差异基因聚类图，Ｃ．化组差异基因聚类图??１１??

２丄２．１基因富集分析结果??ＯＬ组中取ｐ值小于０．００１，ＦＤＲ值小于５％，且包含基因数大于５的分类，共有??８６个分类被保留。Ｐ值最小的前十个ＧＯ分类如图２－２?（ａ）所示。ＯＭ沮中Ｐ值小于??０．５的ＧＯ分类共有１５个，包括生物过程（ＢｉｏｌｏｇｉｃａｌＰｒｏｃｅｓｓ，?ＢＰ）?４个分类，分子??功能（ＭｏｌｅｃｕｌａｒＦｕｎｃｔｉｏｎ，?ＭＦ）?５个分类，细胞组分（ＣｅｌｌｕｌａｒＣｏｍｐｏｎｅｎｔ，?ＣＣ）??６个分类。ＯＦ组中Ｐ值小于０．５的ＧＯ分类共９５个，包括生物过程（Ｂｉｏｌｏｇｉｃａｌ??Ｐｒｏｃｅｓｓ，?ＢＰ）?６６个分类，分子功能（ＭｏｌｅｃｕｌａｒＦｕｎｃｔｉｏｎ，?ＭＦ）?１７个分类，细胞??组分（ＣｅｌｌｕｌａｒＣｏｍｐｏｎｅｎｔ，?ＣＣ）?口个分类。??用ＦＤＲ值对Ｐ值进行进一步校正，保留ＦＤＲ小于５％，分类中包含基因数多于??５的ＧＯ类别。最终ＯＭ组中没有类别符合条件，ＯＦ组中ＢＰ、ＭＦ、ＣＣ分别有１１、??４、３个类别被保留。ＯＦ组过滤后的ＧＯ分类如图２－２化）所示。??ＯＬ组中差异基因所涉及的ＫＥＧＧ通路Ｐ值小于０．０５且ＦＤＲ值小于５％、包含基??因数大于５的通路有韦条

算这八个基因的的皮尔森相关系数（Ｐｅａｒｓｏｎ?ｃｏｒｒｅｌａｔｉｏｎ?ｃｏｅ班ｃｉｅｎｔ），最高的的??皮尔森相关系数为ＥＦＨＤ１和ＧＪＡ１?（ＰＣＣ＝０．９７９２，?Ｐ＜０．００１）。这些基因的高度相关??提示它们在生物功能上可能存在相似性（图４－１Ｂ、图４－１Ｃ）。ＲＴ－ＰＣＲ结果如图４－１Ａ、??４－１Ｄ、４－１Ｆ。对健康对照组、早期ＮＡＦＬＤ及晚期ＮＡＦＬＤ的转录水平进行统计学分??析在图４－１Ｄ中，相较对照组，Ｎ／ｍＸ和说ＴＺ１在早期ＮＡＦＬＤ中表达显著上调，??而?ＥＦＨＤ１，ＧＡＬＫ１，ＧＣＤ吐?Ｓ０ＲＬ１，ＥＰＨＡ３?和?ＧＩＮＳ２?显著下调。而?ＣＹＰ３Ａ４，??ＣＡＣＮＡ２Ｄ１，ＧＩＮＳ１和ＧＪＡ１的差异不具有昆著的统计学意义。同化与对照组相??比，ＧＳＴＺＩ，ＭＴ化，ＧＩＮＳ１?和?ＧＪＡ１?在晚期?ＮＡＦＬＤ?表达显著上调，ＥＦＨＤ１，ＧＡＬＫ１，??ＧＣＤＨ?和?Ｓ０ＲＬ１?显著下调（图?４－１Ｆ）。同样的
【参考文献】

相关期刊论文 前1条

1 杨明星,高志贤,王升启;基因芯片及其应用[J];传感器技术;2002年06期

本文编号：2861661