《IBRO Neuroscience Reports》：Lipid metabolism dysregulation in Parkinson’s disease: a Mendelian randomization and transcriptomic analysis
编辑推荐：
摘要
背景
帕金森病（Parkinson's disease, PD）是一种进行性神经退行性疾病，其代谢失调与神经元易感性之间的关联机制尚未完全阐明。越来越多的证据表明，脂质代谢失调在调节线粒体功能、蛋白质稳态和神经炎症中发挥重要作用。本研究旨在识别与
摘要
背景
帕金森病（Parkinson's disease, PD）是一种进行性神经退行性疾病，其代谢失调与神经元易感性之间的关联机制尚未完全阐明。越来越多的证据表明，脂质代谢失调在调节线粒体功能、蛋白质稳态和神经炎症中发挥重要作用。本研究旨在识别与脂质代谢相关的PD分子驱动因素，并探讨其在疾病中的潜在贡献。
方法
从基因表达综合数据库（Gene Expression Omnibus, GEO）获取基因表达数据集GSE20141和GSE20292。采用加权基因共表达网络分析（Weighted Gene Co-expression Network Analysis, WGCNA）识别PD相关模块，并将其与差异表达基因及经整理的脂质代谢基因集相交，以确定候选脂质代谢相关基因（lipid metabolism-related genes, LMRGs）。应用机器学习算法LASSO回归和Boruta识别潜在生物标志物。通过受试者工作特征（receiver operating characteristics, ROC）分析评估诊断性能。采用基因集富集分析（Gene Set Enrichment Analysis, GSEA）、免疫浸润分析和孟德尔随机化（Mendelian randomization, MR）评估生物学功能和因果关系。通过DGIdb数据库预测药物-基因相互作用。
结果
DGKD、LEP和GGPS1三个基因被一致鉴定为PD相关候选LMRGs，且具有可重复的诊断性能（AUC > 0.7）。其中，GGPS1是甲羟戊酸途径中调控蛋白质异戊二烯化的关键酶，富集于神经营养因子信号通路，并与中央记忆T细胞相关。这些发现提示脂质代谢、小GTP酶异戊二烯化与神经元稳态之间存在机制性关联。药物-基因相互作用分析确定了靶向GGPS1的化合物，包括双膦酸盐衍生物，作为进一步研究的潜在治疗候选药物。
结论
这项整合分析确定了DGKD、LEP和GGPS1作为PD的脂质代谢相关分子特征，并强调GGPS1介导的异戊二烯化途径是连接代谢失调与神经退行性变的潜在机制轴。这些发现为未来针对PD脂质驱动通路的实验验证和治疗探索提供了框架。正在进行的研究正在评估GGPS1调控对人类神经元模型中线粒体稳态和神经元易感性的功能影响。
论文解读
**研究背景与科学问题**
帕金森病（Parkinson's disease, PD）是仅次于阿尔茨海默病的第二大常见年龄相关神经退行性疾病，也是最常见的运动障碍疾病。全球疾病负担在过去数十年间翻了一番以上，预计到2040年患者将达到约1200万例。PD的临床特征为黑质致密部（Substantia Nigra pars compacta, SNpc）多巴胺能神经元的进行性丢失以及α-突触核蛋白的病理性聚集。由于临床症状仅在显著神经退行性变之后才出现，早期诊断和有效治疗手段的开发极为迫切。
近年来，脂质代谢失调在PD发病机制中的作用日益受到关注。α-突触核蛋白作为生理性结合脂质膜的蛋白，其功能高度依赖脂质动态；而鞘糖脂代谢失调可能通过炎症小体激活、钙失衡、血脑屏障破坏及免疫细胞浸润等机制促进PD中的神经炎症。尽管已有孟德尔随机化（Mendelian randomization, MR）研究揭示血脂、免疫生物标志物及血糖性状与PD风险存在因果关联，但PD中差异表达的脂质代谢相关基因（DE-LMRGs）尚未得到系统研究。因此，识别并验证PD中脂质代谢相关的分子标志物，评估其诊断潜力、遗传因果性及治疗靶点价值，具有重要的科学意义和临床转化前景。
**研究内容概述**
研究人员从GEO公共数据库获取了GSE20141（含10例PD和8例对照SNpc样本）及GSE20292（含18例PD和11例对照SNpc样本）两个转录组数据集，并从分子特征数据库（Molecular Signatures Database, MSigDB）获取776个脂质代谢相关基因（LMRGs）。研究采用加权基因共表达网络分析（WGCNA）构建基因共表达网络，识别与PD最相关的模块；通过差表达分析获得差异表达基因（DEGs），将模块基因、DEGs与LMRGs三者取交集确定候选DE-LMRGs。随后结合LASSO回归与Boruta两种机器学习算法筛选生物标志物，利用ROC曲线评估诊断效能，采用GSEA、免疫浸润分析、MR及药物预测等多元手段系统评估这些生物标志物的生物学功能、因果关联及治疗潜力。该整合分析框架旨在连接统计关联与机制推断，为探索PD中脂质代谢驱动的因果分子轴提供了可重复的研究范式。
该论文发表在《IBRO Neuroscience Reports》。
**主要技术方法**
研究使用的主要技术方法包括：基于GSE20141和GSE20292数据集的全转录组差异表达分析（limma包）；加权基因共表达网络分析（WGCNA）用于构建共表达网络并识别PD最相关模块；LASSO回归和Boruta算法两种机器学习方法用于筛选生物标志物；受试者工作特征（ROC）曲线和列线图（nomogram）用于评估诊断性能；基因集富集分析（GSEA）用于通路富集注释；单样本基因集富集分析（ssGSEA）用于评估24种免疫细胞的浸润水平；基于全基因组关联研究（GWAS）汇总数据的双样本孟德尔随机化分析用于推断因果关联；基于DGIdb数据库的药物-基因相互作用预测及AutoDock Vina分子对接模拟；基于GSE184950单细胞数据集（含6例PD组织样本和10例对照样本）的单细胞RNA测序分析，以解析关键基因的细胞类型特异性表达模式。
**研究结果**
**1. 鉴定出九个与PD相关的DE-LMRGs**
通过WGCNA分析，在GSE20141数据集中构建了11个基因共表达模块，其中salmon模块与PD表型相关性最强（相关系数=0.63，p=0.006），共包含489个基因。差异表达分析鉴定出3109个DEGs（2703个上调，406个下调）。将salmon模块基因、MSigDB数据库的LMRGs及DEGs三者取交集，获得9个DE-LMRGs：GGPS1、RXRA、PLA2G2A、LEP、LIPH、OXCT2、CYP4F2、MED26和DGKD。
**2. DE-LMRGs富集于脂肪细胞因子信号通路**
基因本体论（GO）富集分析显示这9个基因显著富集于341个GO条目，主要涉及磷脂酸代谢过程、脂质分解代谢过程、磷脂酶活性和脂肪酶活性等。KEGG通路富集分析揭示其参与12条通路，显著包括脂肪细胞因子信号通路、甘油磷脂代谢、脂肪消化吸收和醚脂代谢。蛋白-蛋白相互作用（PPI）网络中RXRA与MED26和LEP存在密切相互作用。在GSE20292外部数据集中，GGPS1、LEP、CYP4F2和DGKD四个基因在两个数据集中均表现出一致的表达模式和统计学显著的差异表达。
**3. 三个基因被鉴定为PD生物标志物**
结合LASSO回归和Boruta算法，最终确定GGPS1、LEP和DGKD为PD的生物标志物。ROC曲线分析显示这三个生物标志物在GSE20141和GSE20292两个数据集中均表现出强区分能力（AUC > 0.7）。基于这三个标志物构建的诊断列线图表现出良好的校准性能和预测准确性（AUC=0.832），决策曲线分析显示其具有显著的临床净获益。
**4. GGPS1富集于PD及神经营养因子信号通路**
GSEA结果显示，GGPS1富集于PD、神经营养因子信号及线粒体翻译等通路；DGKD富集于细胞因子-细胞因子受体相互作用和脂肪酸合酶活性相关通路；LEP富集于阿尔茨海默病、神经营养因子信号及线粒体翻译终止相关通路。GGPS1与SNCA呈显著正相关（cor=0.58，p<0.05）。基因-基因相互作用（GGI）网络分析显示SNCA与STX1A、GGPS1与SNCAIP之间存在物理相互作用，这些基因主要参与醇生物合成过程、类异戊二烯代谢和铜离子结合等生物学功能。
**5. GGPS1与中央记忆T细胞显著正相关**
ssGSEA免疫浸润分析显示，PD样本与对照组之间NK细胞、中央记忆T细胞（Tcm）和调节性T细胞（Treg）的丰度存在显著差异。相关性分析显示LEP与中性粒细胞强正相关，GGPS1与Tcm正相关，DGKD与NK细胞正相关。调控网络分析揭示了多个miRNA和转录因子对这些生物标志物的潜在调控关系，如hsa-miR-4319可能通过LEP调控CEBPA，hsa-miR-506-3p可能通过GGPS1调控EGR1，而RGS5可能通过hsa-miR-29b-3p调控DGKD。
**6. GGPS1对PD具有正向因果效应**
双样本MR分析显示，在LEP、DGKD和GGPS1三个基因中，仅GGPS1被鉴定为PD的遗传风险因素（IVW p=0.03，β=0.10）。敏感性分析证实不存在异质性（Cochran's Q p=0.97）和水平多效性（MR-Egger截距 p=0.97），留一法分析进一步验证了结果的稳健性。反向MR分析未发现PD对GGPS1的因果效应（IVW p=0.54）。
**7. PD生物标志物的潜在药物预测**
通过DGIdb数据库查询，确定GGPS1的候选药物包括双香叶基双膦酸盐和唑来膦酸，LEP关联15种药物。分子对接显示GGPS1与双香叶基双膦酸盐和唑来膦酸的结合能分别为-4.4 kcal/mol和-4.3 kcal/mol；LEP与甲巯咪唑和非洛地平的结合能分别为-5.2 kcal/mol和-4.3 kcal/mol，表明具有良好的结合亲和力。
**8. PD中脂质代谢基因的单细胞图谱**
基于GSE184950单细胞数据集，经质量控制后保留116,105个细胞，无监督聚类将细胞分为21个簇，注释为9种主要细胞类型：少突胶质细胞、神经元、星形胶质细胞、少突胶质前体细胞、内皮细胞、小胶质细胞、周细胞、T细胞和成纤维样细胞。关键基因表达分析显示DGKD在T细胞中表达水平最高，因此T细胞被定义为后续分析的关键细胞类型。
**讨论与结论**
研究通过整合多组学分析策略，系统鉴定了GGPS1、LEP和DGKD作为PD中脂质代谢相关的候选生物标志物。其中，GGPS1编码香叶基香叶基二磷酸合酶1，催化小GTP酶（如Rab和Rho家族）异戊二烯化所需底物GGPP的合成，这些GTP酶调控的囊泡运输、线粒体动力学和自噬过程在PD中均受损。MR分析支持GGPS1与PD之间存在因果关联，提示蛋白质异戊二烯化缺陷可能促进多巴胺能神经元易感性。LEP（瘦素）在能量稳态和脂质代谢中发挥核心作用，具有通过增强线粒体功能和防止ATP耗竭来发挥神经保护作用的潜力；DGKD（二酰甘油激酶δ）参与调控蛋白激酶C和mTOR的脂质信号通路，可能与α-突触核蛋白聚集和线粒体健康相关，但两者在MR分析中均未获得因果证据。免疫浸润分析揭示NK细胞、Tcm和Treg的失调，提示脂质代谢与神经炎症在PD发病中存在相互作用。药物重定位分析优先确定了唑来膦酸和非洛地平作为靶向脂质代谢通路的候选治疗药物：唑来膦酸通过抑制法尼基焦磷酸合酶阻断甲羟戊酸通路，可能恢复内溶酶体和线粒体稳态；非洛地平作为二氢吡啶类钙通道阻滞剂，通过Ca2?–AMPK–TFEB信号轴激活自噬并促进α-突触核蛋白聚集体的清除。单细胞分析进一步揭示DGKD在T细胞中的高表达，提示脂质代谢重编程可能参与调节T细胞活化状态和功能极化，从而影响PD中的神经免疫炎症反应。
研究结论指出，脂质代谢失调由GGPS1、LEP和DGKD等关键基因驱动，可能通过干扰线粒体功能和免疫稳态而促进PD发病。GGPS1介导的异戊二烯化途径被认为是连接代谢失调与神经退行性变的潜在机制轴。尽管存在样本量有限、死后脑组织转录组易受混杂因素影响、缺乏独立验证队列和体外实验确认等局限性，该研究为理解PD中脂质代谢的病理作用提供了全面的分析框架，为未来靶向脂质驱动通路的实验验证和治疗探索奠定了重要基础。
