切换至 "中华医学电子期刊资源库"
高级检索
中华肾病研究电子杂志

中华肾病研究电子杂志 ›› 2023, Vol. 12 ›› Issue (03) : 156 -162. doi: 10.3877/cma.j.issn.2095-3216.2023.03.007

论著

膜性肾病中M2巨噬细胞相关基因的生物信息学分析
吴琼, 朱国贞†()   
  1. 030001　太原，山西医科大学第二医院肾内科
  • 收稿日期:2022-09-06 出版日期:2023-06-28
  • 通信作者: 朱国贞
  • 基金资助:
    山西省自然科学研究面上项目(202103021224420)

Bioinformatic analysis of genes associated with M2 macrophages in membranous nephropathy

Qiong Wu, Guozhen Zhu†()   

  1. Department of Nephrology, Second Hospital of Shanxi Medical University, Taiyuan 030001, Shanxi Province, China
  • Received:2022-09-06 Published:2023-06-28
  • Corresponding author: Guozhen Zhu
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

吴琼, 朱国贞. 膜性肾病中M2巨噬细胞相关基因的生物信息学分析[J]. 中华肾病研究电子杂志, 2023, 12(03): 156-162.

Qiong Wu, Guozhen Zhu. Bioinformatic analysis of genes associated with M2 macrophages in membranous nephropathy[J]. Chinese Journal of Kidney Disease Investigation(Electronic Edition), 2023, 12(03): 156-162.

目的

通过生物信息学分析探讨膜性肾病(MN)中有关M2巨噬细胞的免疫分子机制。

方法

从基因表达集(GEO)数据库下载微阵列数据集(GSE104948和GSE108109，其中GSE108109作为验证数据集)，使用Timer数据库进行免疫浸润分析。以M2巨噬细胞作为表型进行加权基因共表达网络分析，筛选M2巨噬细胞相关核心基因。从差异表达基因和核心基因的交集确定潜在关键基因。利用数据集GSE108109验证潜在关键基因的表达水平，以接受者操作特征(ROC)曲线分析评估其诊断价值。

结果

M2巨噬细胞在MN组和正常对照组之间显著不同。确定了6个M2巨噬细胞相关的关键基因：PPARGC1A、ESRRG、KCNJ16、HLF、HGD和SULT1C2。ROC曲线分析显示，以上6个基因的ROC曲线下面积值均大于0.85。

结论

本研究发现了有关MN中M2巨噬细胞的6个基因，尚需进一步研究验证其在MN中的作用。

关键词: 膜性肾病, 免疫细胞浸润, M2巨噬细胞, 生物信息学分析, 关键基因
Objective

This study aimed to explore the immune molecular mechanisms related to M2 macrophages in membranous nephropathy (MN) through bioinformatics analysis.

Methods

Microarray datasets (GSE104948 and GSE108109, with GSE108109 as the validation dataset) were downloaded from the Gene Expression Omnibus (GEO) database. And immune infiltration analysis was performed using the Timer database. M2 macrophages were used as a phenotype for weighted gene co-expression network analysis in order to screen M2 macrophage-related hub genes. Differentially expressed genes and the hub genes were then intersected to identify potential key genes. Meanwhile, the expression levels of the potential key genes were validated in dataset GSE108109, and their diagnostic value was assessed by the receiver operating characteristics (ROC) curve analysis.

Results

M2 macrophages were significantly different between the MN patients and normal controls. Six M2 macrophages-related key genes were identified including PPARGC1A, ESRRG, KCNJ16, HLF, HGD, and SULT1C2. The ROC curve analysis showed that values of the area under the ROC curve of the key 6 genes were greater than 0.85.

Conclusions

This study identified six key genes related to M2 macrophages in MN, and further research is needed to verify their roles in MN.

Key words: Membranous nephropathy, Immune cells infiltration, M2 macrophage, Bioinformatic analysis, Key genes
图1 差异表达基因的火山图和热图注：A：差异表达基因的火山图，横坐标log2(差异表达倍数)为差异表达倍数以2为底的对数值，纵坐标-log10(P值)为显著性水平以10为底的负对数值；B：差异表达基因的热图
图2 膜性肾病与正常对照组免疫细胞浸润对比注：A：膜性肾病组和对照组中免疫细胞在不同样本中的相对百分比，横坐标代表不同样本，纵坐标代表免疫细胞在样本中的表达量；B：膜性肾病组和正常对照组之间免疫细胞浸润的小提琴图，横坐标代表不同免疫细胞，纵坐标代表免疫细胞比例
图3 加权基因共表达网络分析注：A：基因共表达网络分层聚类树与共表达模块；B：M2巨噬细胞相关的模块特征，每个模块中上面的数值为模块与M2巨噬细胞之间的相关性值，下面括号中的数值为P值
表1 38个核心基因
上调/下调 核心基因
上调 HNF1B、CHI3L2、ELF3、WWC1、HBD、ITGB6、MAPK13、S100A14、C3orf52、VTCN1
下调 PPARGC1A、CLCN5、ESRRG、GLS、TMEM176B、HADH、HGD、ACADL、IMPA2、KCNJ16、GRAMD1C、RAB17、SLC15A1、SLC22A2、SULT1C2、KMO、AKR1C3、CLDN10、MTCL1、GALNT3、TOX3、HLF、MET、RAB25、TFAP2B、TPD52L1、FHOD3、SLC38A1
表2 核心基因的GO富集分析及KEEG通路分析结果
指标 功能或通路 P值 基因
GO功能富集分析      
0044282 小分子分解代谢过程 <0.001 ACADL、GLS、HADH、HGD、IMPA2、KMO、AKR1C3
0016491 氧化还原酶活性 <0.001 ACADL、HADH、HBD、HGD、KMO、AKR1C3
0006520 细胞氨基酸代谢过程 <0.001 GLS、HGD、KMO、SLC38A1
0003014 肾脏系统过程 <0.001 CLCN5、TFAP2B、AKR1C3
0006631 脂肪酸代谢过程 <0.001 ACADL、HADH、AKR1C3、PPARGC1A
0034599 细胞对氧化应激的反应 0.003 MAPK13、AKR1C3、PPARGC1A
0062197 细胞对化学应激的反应 0.005 MAPK13、AKR1C3、PPARGC1A
KEGG通路富集分析      
hsa05208 化学致癌-活性氧 0.003 MET、MAPK13、AKR1C3
图4 潜在关键基因的确定及表达注：A：差异表达基因和核心基因的韦恩图；B：9个潜在关键基因在GSE104948中的表达情况，横坐标代表不同的基因，纵坐标代表基因相对表达量
图5 9个潜在关键基因在GSE108109中的表达注：横坐标代表不同的基因，纵坐标代表基因相对表达量
图6 6个关键基因的ROC曲线
表3 关键基因的基因集富集分析结果
通路 基因数目 标准化的富集分数(NES) 错误发现率(FDR) P值
HLF        
色氨酸代谢 32 1.843 0.077 0.008
脂肪酸代谢 37 1.701 0.108 0.023
细胞色素P450对外源性物质的代谢 45 1.701 0.099 0.016
精氨酸和脯氨酸代谢 45 1.691 0.099 0.042
PPARGC1A        
精氨酸和脯氨酸代谢 45 2.112 0.001 0.002
甘氨酸、丝氨酸和苏氨酸代谢 26 2.077 0.002 <0.001
氧化磷酸化 94 2.053 0.002 <0.001
脂肪酸代谢 37 1.950 0.005 0.001
ESRRG        
精氨酸和脯氨酸代谢 45 1.989 0.012 0.005
三羧酸循环 27 1.836 0.023 0.005
补体和凝血级联反应 66 1.656 0.058 0.030
抗原处理和呈递 71 －1.667 0.167 0.047
FCγR介导的吞噬作用 84 －1.578 0.250 0.041
HGD        
精氨酸和脯氨酸代谢 45 2.146 <0.001 <0.001
甘氨酸、丝氨酸和苏氨酸代谢 26 2.061 0.002 <0.001
脂肪酸代谢 37 1.936 0.006 0.005
PPAR信号通路 57 1.872 0.009 0.003
KCNJ16        
精氨酸和脯氨酸代谢 45 2.062 0.002 0.001
过氧化物酶体 68 1.977 0.005 0.003
三羧酸循环 27 1.920 0.008 0.001
补体和凝血级联反应 66 1.920 0.007 0.005
抗原处理和呈递 71 －1.664 0.233 0.047
SULT1C2        
精氨酸和脯氨酸代谢 45 2.139 0.001 <0.001
过氧化物酶体 68 1.954 0.005 0.004
补体和凝血级联反应 66 1.721 0.032 0.026
自然杀伤细胞介导的细胞毒性 114 －1.692 0.234 0.035
抗原处理和呈递 71 －1.666 0.249 0.046
[1]
Stahl RA, Reinhard L, Hoxha E. Characterization of autoantibodies in primary membranous nephropathy and their clinical significance [J]. Expert Rev Clin Immunol, 2019, 15(2): 165-175.
[2]
Liu Q, Liu J, Lin B, et al. Novel biomarkers in membranous nephropathy [J]. Front Immunol, 2022, 13: 845767.
[3]
Hu W, Li G, Lin J, et al. M2 macrophage subpopulations in glomeruli are associated with the deposition of IgG subclasses and complements in primary membranous nephropathy [J]. Front Med (Lausanne), 2021, 8: 657232.
[4]
Clough E, Barrett T. The gene expression omnibus database [J]. Methods Mol Biol, 2016, 1418: 93-110.
[5]
Leek JT, Johnson WE, Parker HS, et al. The sva package for removing batch effects and other unwanted variation in high-throughput experiments [J]. Bioinformatics, 2012, 28(6): 882-883.
[6]
Ritchie ME, Phipson B, Wu D, et al. Limma powers differential expression analyses for RNA-sequencing and microarray studies [J]. Nucleic Acids Res, 2015, 43(7): e47.
[7]
Li T, Fu J, Zeng Z, et al. TIMER2.0 for analysis of tumor-infiltrating immune cells [J]. Nucleic Acids Res, 2020, 48(W1): W509-W514.
[8]
Pei G, Chen L, Zhang W. WGCNA application to proteomic and metabolomic data analysis [J]. Methods Enzymol, 2017, 585: 135-158.
[9]
Zhou Y, Zhou B, Pache L, et al. Metascape provides a biologist-oriented resource for the analysis of systems-level datasets [J]. Nat Commun, 2019, 10(1): 1523.
[10]
Couser WG. Primary membranous nephropathy [J]. Clin J Am Soc Nephrol, 2017, 12(6): 983-997.
[11]
Di Benedetto P, Ruscitti P, Vadasz Z, et al. Macrophages with regulatory functions, a possible new therapeutic perspective in autoimmune diseases [J]. Autoimmun Rev, 2019, 18(10): 102369.
[12]
Alikhan MA, Ricardo SD. Mononuclear phagocyte system in kidney disease and repair [J]. Nephrology (Carlton), 2013, 18(2): 81-91.
[13]
Hobson-Gutierrez SA, Carmona-Fontaine C. The metabolic axis of macrophage and immune cell polarization [J]. Dis Model Mech, 2018，11(8): dmm034462.
[14]
Mills EL, O′Neill LA. Reprogramming mitochondrial metabolism in macrophages as an anti-inflammatory signal [J]. Eur J Immunol, 2016, 46(1): 13-21.
[15]
靳鑫，倪田根，王宁，等. PGC-1α通过线粒体介导巨噬细胞极化状态的机制研究[J]. 第三军医大学学报，2019, 41(1): 56-62.
[16]
Tran M, Parikh SM. Mitochondrial biogenesis in the acutely injured kidney [J]. Nephron Clin Pract, 2014, 127(1-4): 42-45.
[17]
Noordmans GA, Huang Y, Savage H, et al. Genetic analysis of intracapillary glomerular lipoprotein deposits in aging mice [J]. PLoS One, 2014, 9(10): e111308.
[18]
刘浩，杨慧，宋宁，等. PGC-1α和ERRγ在子宫内膜癌组织中的表达及临床意义[J]. 现代肿瘤医学，2017, 25(13): 2108-2112.
[19]
孟桂林，孟欣欣，谷瑞民，等. 高钾饮食调节血压的肾脏机制[J]. 生理学报，2022, 74(1): 110-116.
[20]
Gachon F, Olela FF, Schaad O, et al. The circadian PAR-domain basic leucine zipper transcription factors DBP, TEF, and HLF modulate basal and inducible xenobiotic detoxification [J]. Cell Metab, 2006, 4(1): 25-36.
[21]
杨利，黄慧，杨玉，等. 尿黑酸尿症一家系基因诊断及分析[J]. 中华实用儿科临床杂志，2015, 30(8): 608-610.
[1] 徐建波, 周星宇, 谢琴琴, 欧信德, 叶锦宁, 彭建军, 吴晖. 结直肠癌奥沙利铂耐药关键基因的生物信息学分析及意义[J]. 中华普通外科学文献(电子版), 2020, 14(05): 349-354.
[2] 张原, 李小龙, 王亚鹏. 胰腺癌中ANGPTL2蛋白与免疫抑制细胞浸润的关系及临床意义[J]. 中华普外科手术学杂志(电子版), 2023, 17(02): 145-148.
[3] 唐国军, 洪余德, 赵崇玉, 李辽源. 基于TCGA数据库Wnt相关长链非编码RNA构建肾乳头状细胞癌预后模型[J]. 中华腔镜泌尿外科杂志(电子版), 2023, 17(03): 270-275.
[4] 代叶梅, 苏晓乐, 王利华. 膜性肾病靶抗原的研究进展[J]. 中华肾病研究电子杂志, 2023, 12(05): 282-286.
[5] 杨蕴钊, 周诚, 石美涵, 赵静, 白雪源. 人羊水间充质干细胞对膜性肾病大鼠的治疗作用[J]. 中华肾病研究电子杂志, 2023, 12(04): 181-186.
[6] 王素霞. 非典型膜性肾病的病理表现和鉴别诊断思路[J]. 中华肾病研究电子杂志, 2022, 11(06): 360-360.
[7] 辛洋洋, 王兴智. 神经表皮生长因子样蛋白1在膜性肾病中的研究进展[J]. 中华肾病研究电子杂志, 2022, 11(05): 290-293.
[8] 王晓玉, 胡豪飞, 韦宁荣, 毕慧欣. 特发性膜性肾病患者血清β2微球蛋白与局灶节段性肾小球硬化病变的关系分析[J]. 中华肾病研究电子杂志, 2022, 11(05): 249-257.
[9] 王琳娜, 郭存霞, 苗艳, 田素革, 乔东鸽, 阎磊, 刘冰, 朱清, 邵凤民, 陈香美. 青少年特发性膜性肾病的临床和病理特点及其转归影响因素[J]. 中华肾病研究电子杂志, 2022, 11(04): 181-190.
[10] 梁小雨, 米杰. 磷脂酶A2受体相关特发性膜性肾病研究进展[J]. 中华肾病研究电子杂志, 2022, 11(01): 52-56.
[11] 鲁春蕾, 刘昌华. 特发性膜性肾病并发静脉血栓栓塞症的研究进展[J]. 中华肾病研究电子杂志, 2020, 09(05): 220-223.
[12] 杨囡, 王利华. 血、尿中PLA2R抗体以及THSD7A抗体在特发性膜性肾病中的临床意义[J]. 中华肾病研究电子杂志, 2019, 08(06): 246-252.
[13] 戴沛霖, 杨悦, 涂天琪, 李文歌. 乙型肝炎病毒相关膜性肾病患者抗血清磷脂酶A2受体-IgG特点及其相关因素的临床研究[J]. 中华肾病研究电子杂志, 2019, 08(04): 159-162.
[14] 许航, 崔宇韬, 任广凯, 刘贺, 王雁冰, 彭传刚, 吴丹凯. 骨质疏松症关键基因的筛选及生物信息学分析[J]. 中华老年骨科与康复电子杂志, 2023, 09(01): 18-22.
[15] 华杨, 孙劲禹, 程晨, 邢子琳, 盛燕辉, 孔祥清, 孙伟. 肥厚型心肌病的关键基因：一项基于加权基因共表达网络的分析[J]. 中华心脏与心律电子杂志, 2023, 11(01): 32-38.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号