《NeuroMarkers》：Integrated bioinformatics approach reveals potential key genetic biomarkers and therapeutic targets in Alzheimer’s disease
编辑推荐：
摘要目的：阿尔茨海默病（Alzheimer’s disease, AD）是一种复杂的神经退行性疾病，需要整合性方法来阐明疾病相关转录失调的机制。本研究旨在探索疾病相关基因表达模式，识别假定的调控机制，并在已知与AD相关的生物学通路中将这些发现情境化。方法：研究
摘要目的：阿尔茨海默病（Alzheimer’s disease, AD）是一种复杂的神经退行性疾病，需要整合性方法来阐明疾病相关转录失调的机制。本研究旨在探索疾病相关基因表达模式，识别假定的调控机制，并在已知与AD相关的生物学通路中将这些发现情境化。方法：研究人员对人类皮层公开可用的单核RNA测序（single-nucleus RNA sequencing, snRNA-seq）数据进行了全面的重新分析，在细胞类型解析框架内探索AD中疾病相关的基因表达模式。结果：该方法揭示了AD样本与对照样本之间微弱但一致的转录差异，无广泛差异表达的证据。探索性分析强调了与神经元信号传导、免疫相关过程和细胞应激反应相关的基因和通路，为疾病相关分子趋势提供了见解。基于网络的分析进一步将这些发现置于蛋白质-蛋白质相互作用（protein-protein interaction, PPI）和调控框架中。鉴于生物学样本数量有限，所有结果均被解释为探索性和假设生成性的，而非诊断性的。结论：这项整合性单核转录组分析为AD中的转录改变提供了严格校正和生物学信息化的视角，为未来验证研究和机制研究奠定了基础。
**论文解读：整合生物信息学揭示阿尔茨海默病的转录调控网络与关键分子节点**
**研究背景与问题**
阿尔茨海默病（Alzheimer’s disease, AD）是一种以认知功能下降、记忆障碍和执行功能障碍为特征的进行性神经退行性疾病，其发病受年龄、遗传易感性、头部外伤史和心血管健康等多因素影响。尽管研究广泛，但AD发病的分子机制仍不完全清楚。当前诊断主要依赖认知评估和神经影像学，这些方法成本较高且灵敏度有限，因此识别分子生物标志物和支持早期检测的需求日益增长。脑脊液生物标志物（如神经丝轻链、神经颗粒蛋白等）虽具潜力，但腰椎穿刺的侵入性限制了其应用。蛋白质相互作用网络（protein-protein interaction network, PPI）中的枢纽基因（hub genes）在肿瘤学中已用于疾病机制研究，而在AD中类似网络分析揭示了候选基因和通路。转录因子（transcription factors, TFs）作为调控基因表达程序的关键元件，其失调与AD进展相关。本研究旨在通过整合生物信息学框架，重新分析公开的单核RNA测序数据集，探索AD相关转录模式、识别调控机制，并将其置于已知生物学通路中。
**研究内容与结论**
研究人员对GEO数据库（登录号GSE138852）中来自人类皮层尸检组织的单核RNA测序数据进行了二次分析，包括13,214个细胞核。通过质量控制、降维聚类、伪批量差异表达分析、功能富集、PPI网络分析、转录因子调控网络和微RNA（microRNA, miRNA）调控网络分析，系统描绘了AD相关的转录调控图谱。研究发现AD样本与对照样本之间转录差异微弱但一致，无广泛差异表达；功能富集突出显示了神经元信号、钙稳态、免疫炎症和髓鞘相关通路；PPI网络揭示了免疫、神经营养和髓鞘相关的模块化结构；网络中心性分析识别出CSF3、CNTF、IL6ST、CNTFR和IL1R1等关键节点；TF调控网络预测了MEIS1等转录因子与MOG等基因的潜在关联；miRNA网络显示miR-155等与AD通路相关。这些发现强调了AD中通路汇聚而非单个基因改变的重要性，为未来验证研究提供了基础。论文发表在《NeuroMarkers》。
**主要关键技术方法**
研究人员采用了以下关键技术方法：（1）单核RNA测序数据分析，使用Seurat框架进行质量控制、对数归一化、主成分分析降维、共享最近邻图聚类和UMAP可视化；（2）伪批量差异表达分析，将单核表达计数按生物学样本聚合，使用edgeR包进行负二项模型检验，并应用错误发现率（false discovery rate, FDR）校正；（3）功能富集分析，利用ShinyGO平台进行基因本体（Gene Ontology, GO）和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes, KEGG）通路富集，使用超几何检验和Benjamini-Hochberg校正；（4）蛋白质-蛋白质相互作用网络分析，通过STRING数据库构建PPI网络，使用Cytoscape软件中MCODE插件识别模块，cytoHubba插件进行五种拓扑算法（Maximal Clique Centrality, Degree, Radiality, Stress, Closeness）的中心性分析，并通过Venn图取交集识别网络影响基因；（5）转录因子-基因调控网络分析，使用TF2DNA数据库（Berger 2006预测方法，P值阈值0.0001）预测TF-靶基因关系；（6）微RNA-基因调控网络分析，使用miRTarBase和MieAA2数据库获取实验验证的miRNA-靶基因相互作用，并在Cytoscape中构建网络，利用miEAA工具进行miRNA功能富集分析。样本队列来源为GSE138852数据集，包含2例AD和4例对照样本的人皮层组织。
**研究结果**
**3.1 单核转录组谱分析与质量控制**
质量控制后保留了13,214个高质量细胞核，线粒体转录本比例低，表明数据完整性好。主成分分析肘部图显示前30个主成分捕获了主要生物学变异，用于后续分析。
**3.2 无监督聚类与细胞异质性**
基于30个主成分的聚类识别出15个转录上不同的细胞核群体，UMAP可视化显示清晰的分离。AD和对照样本的细胞核分布在同一簇中，表明AD相关转录改变发生在现有细胞群内，而非出现疾病特异性细胞类型。
**3.3 簇标记基因表达**
簇特异性标记分析显示，簇0-2表达多种标记基因，代表主要或转录活跃群体；簇6-9和11-12表达模式更选择性，对应更特化的亚型。突触和神经元相关基因（如PTPRD、IL1RAPL1、PPP2R2B、DLG2、PCDH9）表现出簇限制性富集，验证了聚类的生物学合理性。
**3.4 伪批量差异表达分析**
通过伪批量策略（2个AD样本，4个对照样本）进行差异表达分析，平均差图显示大多数基因log?倍数变化集中在零附近，无全局表达偏倚。仅有限基因子集呈现一致方向变化，表明AD转录改变微弱且依赖于特定通路，而非大规模失调。
**3.5 功能富集与通路分析**
GO富集分析显示与神经元信号、钙离子调节、突触功能、免疫炎症反应和细胞应激通路相关的生物学过程显著富集。KEGG通路分析突出显示了神经活性配体-受体相互作用（hsa04080）通路。层次聚类树状图显示富集通路间存在相互连接的主题，包括神经系统发育、感觉感知、血管调节、钙离子转运、细胞外基质组织、免疫炎症和细胞黏附，反映了AD的多因素性质。
**3.6 蛋白质-蛋白质相互作用网络分析**
PPI网络包含59个节点和374条边，平均节点度12.7，平均局部聚类系数0.717，富集显著（P<1.0×10?1?）。MCODE算法识别出多个模块：一个包括髓鞘相关基因（MOG、RTN4、RTN4R、OMG），另一个富集免疫和细胞因子信号（CSF3、IL6ST、IL6R、PDGFB、EPO），第三个涉及神经营养因子和MAPK信号（NGFR、NTF3、NTF4）。这些模块强调了髓鞘完整性、免疫信号和神经营养支持在AD中的协调作用。
**3.7 网络影响基因的识别**
通过五种拓扑算法（Degree、Betweenness、Closeness、Stress、EcCentricity）的交集分析，识别出CSF3、CNTF、IL6ST、CNTFR和IL1R1作为网络影响基因。这些基因与免疫和神经营养信号相关，如CSF3编码粒细胞集落刺激因子，可能调节神经炎症；CNTF与神经元存活相关；IL6ST编码gp130信号转导子，参与IL-6家族信号；IL1R1介导IL-1驱动的炎症信号，与血脑屏障破坏相关。
**3.8 转录因子-基因调控网络分析**
TF-基因调控网络预测了MOG与MEIS1的关联，MEIS1参与神经发育和可塑性；ZBTB7B和ZNF384等TF与免疫和应激相关基因的潜在调控。这些预测提示转录调控在维持神经元稳态和AD病理中的可能作用，但需实验验证。
**3.9 微RNA调控网络分析**
miRNA-基因调控网络包含435个节点和562条边，18个hub基因中有7个（MOG、CNTFR、CCDC24、CNTF、CSF3、IBSP、TYK2）与miRNA相连。miRNA富集分析显示115个miRNA与AD显著相关，117个与多种疾病神经退行通路相关，13个与AD中Aβ分泌酶通路相关。这些发现强调了miRNA在AD进展中的复杂调控网络。
**讨论与结论**
讨论部分指出，本研究通过整合性生物信息学框架，揭示了AD中转录和调控改变的微弱但协调的模式，重点在通路汇聚而非单个基因差异表达。功能富集突出突触信号、钙稳态、神经炎症、免疫调节和髓鞘通路，与先前单核和空间转录组研究一致。PPI网络模块和网络影响基因（如CSF3、CNTF、IL6ST）支持免疫-神经营养信号汇聚模型。TF和miRNA调控分析提供了上游调控线索，但受限于计算预测和数据库偏倚。局限性包括样本量有限、依赖公共数据集、缺乏独立验证、以及网络分析对已知基因的偏倚。未来需更大队列、纵向采样和iPSC来源模型的功能验证。
研究结论：本研究应用整合性系统生物信息学框架，通过伪批量策略重新分析公开snRNA-seq数据，强调通路汇聚而非广泛基因差异表达。发现AD以关键生物学通路中微弱但协调的转录变化为特征，包括突触信号、钙稳态、免疫调节、神经炎症和髓鞘形成。EFHD2和CEND1参与tau和淀粉样蛋白相关通路信号，MOG和CSF3与髓鞘完整性和神经免疫调节相关，支持AD中免疫-髓鞘相互作用的新模型。PPI分析揭示了以免疫和神经营养信号为中心的模块化网络，网络影响基因被解释为通路内的汇聚点而非因果驱动因子或生物标志物。TF和miRNA调控分析进一步提示影响这些协调转录模式的上游机制，但仍属假设生成性质，需实验验证。局限性包括有限的生物学重复、依赖 curated 相互作用数据库以及计算调控推理的固有约束。未来需纳入更大队列和功能验证模型来阐明这些通路的机制作用。
