เครือข่าย MiRNA–mRNA ตามกฎข้อบังคับเกี่ยวข้องกับการตอบสนองของการปลูกถ่ายในการบาดเจ็บของไตเฉียบพลัน
Mar 21, 2022
ต้วน กั๋ว1,2†, หยู่ฟาน3†, Ji‑Rong Yue4*และเต๋าหลิน3*
ติดต่อ:joanna.jia@wecistanche.com
เชิงนามธรรม
พื้นหลัง:เฉียบพลันไตบาดเจ็บ(AKI) เป็นภาวะแทรกซ้อนที่คุกคามถึงชีวิต โดยลักษณะการทำงานของไตลดลงอย่างรวดเร็ว ซึ่งมักเกิดขึ้นหลังการผ่าตัดปลูกถ่าย อย่างไรก็ตาม กลไกระดับโมเลกุลที่เป็นรากฐานของการพัฒนา AKI หลังการปลูกถ่าย (post-Tx) ยังไม่เป็นที่ทราบแน่ชัด การศึกษาจำนวนมากขึ้นได้แสดงให้เห็นว่า microRNAs (miRNAs) บางตัวทำหน้าที่สำคัญใน AKI การศึกษาในปัจจุบันพยายามที่จะอธิบายกลไกระดับโมเลกุลใน post-Tx AKI โดยการสร้างเครือข่าย miRNA–mRNA ด้านกฎระเบียบ
ผลลัพธ์:ตามชุดข้อมูลสองชุด (GSE53771 และ GSE53769) โมดูลหลักสามโมดูลซึ่งประกอบด้วย 55 mRNAs, 76 mRNA และ 151 miRNAs ถูกระบุโดยทำการวิเคราะห์เครือข่ายการแสดงออกของยีนแบบถ่วงน้ำหนัก (WGCNA) Mind IP v4.1 ถูกใช้เพื่อทำนายการโต้ตอบของโมดูลหลัก mRNA และ miRNAs และคู่ miRNA–mRNA ที่มีความมั่นใจมากกว่า 02 ถูกเลือกเพื่อสร้างเครือข่าย miRNA–mRNA ตามกฎข้อบังคับโดย Cytoscape . เครือข่าย miRNA–mRNA ประกอบด้วย 82 โหนด (48 mRNA และ 34 miRNAs) และ 125 ขอบ miRNA สองตัว (miR-203a-3p และ miR-205-5p) และ ERBB4 ที่มีระดับโหนดสูงกว่าเมื่อเปรียบเทียบกับโหนดอื่นๆ อาจมีบทบาทสำคัญในหลัง Tx AKI นอกจากนี้ การวิเคราะห์เส้นทาง Gene Ontology (GO) และ Kyoto Encyclopedia of Genes and Genomes (KEGG) ระบุว่าเครือข่ายนี้มีส่วนเกี่ยวข้องกับไต-/ฟังก์ชันที่เกี่ยวข้องกับไตและเส้นทางการส่งสัญญาณ PI3K–Akt/HIF-1/Ras/MAPK
บทสรุป:เราสร้างเครือข่ายควบคุม miRNA–mRNA เพื่อให้ข้อมูลเชิงลึกใหม่เกี่ยวกับการพัฒนาหลัง Tx AKI ซึ่งอาจช่วยค้นหาไบโอมาร์คเกอร์ใหม่หรือยารักษาโรคเพื่อเพิ่มความสามารถในการคาดการณ์ล่วงหน้าและการแทรกแซง และลดอัตราการเสียชีวิตของ AKI หลังการปลูกถ่าย
คำสำคัญ: เฉียบพลันไตบาดเจ็บ, การปลูกถ่ายไต, WGCNA, เครือข่าย miRNA–mRNA
cistanche propiedadesสำหรับไต
พื้นหลัง
ในฐานะที่เป็นโรคร้ายแรงทางคลินิกประเภทหนึ่งที่มีการสูญเสียการทำงานของไตอย่างรวดเร็วและอัตราการเสียชีวิตสูงเฉียบพลันไตบาดเจ็บ(AKI) มักเกิดขึ้นในผู้รับการปลูกถ่าย ซึ่งอาจส่งผลให้การปลูกถ่ายล้มเหลวและเสียชีวิตได้ [1] การวินิจฉัยและการรักษาอย่างทันท่วงทีมีความสำคัญในการปรับปรุงการพยากรณ์โรคของผู้ป่วย AKI แต่ปัจจุบันถูกขัดขวางโดยการขาดตัวบ่งชี้เฉพาะสำหรับการทำนายในระยะเริ่มต้น การประเมินอย่างช้า ๆ และการติดตามผลการรักษา เนื่องจาก AKI เป็นโรคร้ายแรงที่พบบ่อยที่สุดในสาขาสหสาขาวิชาชีพ จึงมีรายงานการศึกษาเกี่ยวกับ AKI จำนวนมากขึ้นในช่วงทศวรรษที่ผ่านมา [2–4] อย่างไรก็ตาม พยาธิกำเนิดของ AKI ยังคงไม่ชัดเจน
microRNA (miRNA) เป็น RNA ขนาดเล็กที่ไม่มีการเข้ารหัสซึ่งมีนิวคลีโอไทด์ประมาณ 22 ตัว ซึ่งสามารถจับกับ 3′-UTR ของ mRNA เป้าหมายที่ระดับหลังการถอดเสียงเพื่อออกแรงการทำงานที่สำคัญต่างๆ ทางสรีรวิทยาและพยาธิสรีรวิทยาในเซลล์ [5 ]. มีรายงานว่า miRNAs สามารถควบคุม mRNA ของสัตว์เลี้ยงลูกด้วยนมหลายชนิด [6] ในขณะที่ mRNA เดียวสามารถกำหนดเป้าหมายโดย miRNA กลุ่มใหญ่ ซึ่งแสดงให้เห็นถึงบทบาทของ miRNA ในการควบคุมยีนควรตีความโดยเครือข่ายที่ซับซ้อน [7] ในช่วงไม่กี่ปีที่ผ่านมา การศึกษาสำหรับเครือข่าย mRNA–miRNA ได้เพิ่มขึ้นอย่างทวีคูณ เนื่องจากเชื่อกันว่าจะช่วยเปิดเผยกลไกระดับโมเลกุลของโรคต่างๆ ซึ่งรวมถึง neuroblastoma [8] โรคเบาหวานประเภท 2 [9] และการตกเลือดในสมองที่เกิดขึ้นเอง [10] การศึกษาล่าสุดพบว่าการเปลี่ยนแปลงในการแสดงออกของ mRNA และ miRNA จะส่งผลต่อการเพิ่มจำนวนและการตายของเซลล์ไตซึ่งเกี่ยวข้องกับการเกิดขึ้นและการพัฒนาของ AKI [11, 12] อย่างไรก็ตาม มีข้อมูลเพียงเล็กน้อยที่เผยแพร่บนเครือข่ายที่มีศักยภาพของ mRNA และ miRNA ใน AKI หลังการปลูกถ่าย
ในยุคของการแพทย์ที่แม่นยำ ข้อมูลการจัดลำดับปริมาณงานสูงรวมกับการวิเคราะห์ชีวสารสนเทศที่มีประสิทธิภาพสามารถระบุยีนเป้าหมายที่เป็นไปได้และกลไกที่นำไปสู่ความก้าวหน้าของ AKI Te Weighted gene co-expression network analysis (WGCNA) เป็นวิธีการที่ใช้กันอย่างแพร่หลายในการค้นหาตัวควบคุมหลักของโรค เนื่องจากมีความสามารถในการจัดกลุ่มยีนที่มีรูปแบบการแสดงออกที่คล้ายคลึงกันลงในโมดูล (ซึ่งโดยทั่วไปจะพบตัวควบคุมหลัก) และวิเคราะห์ความสัมพันธ์ ระหว่างโมดูลและลักษณะเฉพาะหรือฟีโนไทป์ [13] ในการศึกษาที่ตีพิมพ์ใหม่เกี่ยวกับเนื้องอกในเยื่อบุโพรงมดลูก (CIN) ปากมดลูกได้ดำเนินการ WGCNA เพื่อระบุโมดูลที่เกี่ยวข้องกับโรค 6 โมดูล โดยคัดเลือกยีนศูนย์กลาง 31 ยีนสำหรับการรักษา CIN [14] การวิเคราะห์ทางชีวสารสนเทศไม่เพียงแต่ปรับปรุงประสิทธิภาพของการวิจัยเกี่ยวกับหน้าที่ทางชีววิทยา แต่ยังให้ข้อมูลที่เชื่อถือได้สำหรับการสำรวจกลไกระดับโมเลกุล [15, 16] จากชุดข้อมูลขนาดใหญ่ของโปรไฟล์การแสดงออกของ mRNA และ miRNA ในผู้ป่วยรายเดียวกัน การสำรวจเครือข่าย miRNA– mRNA ด้านกฎระเบียบสามารถช่วยอธิบายกลไกระดับโมเลกุลของโรคได้ [17, 18]
ในการศึกษานี้ ชุดข้อมูลการแสดงออกของ GSE53769 (mRNA) และ GSE53771 (miRNA) อยู่ภายใต้ WGCNA ตามลำดับเพื่อระบุโมดูลหลักที่เกี่ยวข้องกับ post-Tx AKI ต่อไป เครือข่ายควบคุม miRNA–mRNA ถูกสร้างขึ้นเพื่อชี้แจงกลไก epigenetic ที่เป็นสาเหตุของความก้าวหน้าของ post-Tx AKI จึงเป็นแนวทางที่เป็นไปได้สำหรับการวิจัยทางคลินิกในอนาคต
ผลลัพธ์
การระบุโมดูลหลักที่เกี่ยวข้องกับ post‑Tx AKI ตามชุดข้อมูล GSE53769
ตามความสัมพันธ์ของเพียร์สันและอัลกอริธึมการเชื่อมโยงเฉลี่ย 36 ตัวอย่างถูกจัดกลุ่มและ dendrogram ตัวอย่างและแผนที่ความร้อนของลักษณะแสดงในรูปที่ 1a; เราพบว่า GSM1300317 (ซึ่งเป็นของกลุ่ม post-Tx PBX) ถูกจัดกลุ่มโดยลำพังและอาจเป็นค่าผิดปกติที่อาจเกิดขึ้น ดังนั้น พล็อต at-SNE (t-distributed stochastic Neighbor Embedding) จึงถูกใช้เพื่อให้แน่ใจว่าตัวอย่างนี้จะไม่ส่งผลต่อการวิเคราะห์ที่ตามมา ดังที่แสดงในไฟล์เพิ่มเติม 2: รูปที่ S2 ไม่มีค่าผิดปกติที่ชัดเจนหลังจากการลดขนาดลง ดังนั้นเราจึงดำเนินการกับ WGCNA ดังที่แสดงในรูปที่ 1b กำลังอ่อนของค่า 9 ถูกเลือกเพื่อรับประกันลักษณะที่ปราศจากมาตราส่วนของเครือข่ายการแสดงออกของยีน (รูปที่ 1b) ฮิสโตแกรมของการเชื่อมต่อเครือข่ายและพล็อตบันทึกล็อกที่เกี่ยวข้องจะแสดงในไฟล์เพิ่มเติม 3: รูปที่ S3A-B; R2 เท่ากับ 0.89 ซึ่งบ่งชี้ว่าโทโพโลยีที่ปราศจากสเกลโดยประมาณได้รับความพึงพอใจ ข้อมูลโดยละเอียดของดัชนีฟุตของธรณีประตูแบบอ่อน รวมถึง k, R2 และ R2 ที่พอดีมีอยู่ในไฟล์เพิ่มเติม 10: ตาราง S1 สิบ ผ่านการแบ่งกลุ่มตามลำดับชั้นของการเชื่อมโยงโดยเฉลี่ย ยีนที่มีรูปแบบการแสดงออกที่คล้ายคลึงกันถูกแบ่งออกเป็นโมดูล (รูปที่ 1c) เพื่อให้แยกแยะโมดูลที่มีรูปแบบการแสดงออกที่แตกต่างกันได้ดียิ่งขึ้น แต่ละโมดูลจึงได้รับการจัดสรรสีที่ต่างกัน ดังแสดงในรูปที่ 1d มีการสร้างโมดูลคลัสเตอร์ dendrogram ซึ่งสร้างทั้งหมด 18 โมดูล โมดูลสีเทามียีนที่ไม่สามารถกำหนดให้กับโมดูลอื่นอีก 17 โมดูล แผนที่ความหนาแน่นที่อธิบายความสัมพันธ์ระหว่างลักษณะทางคลินิกและโมดูลแสดงไว้ในรูปที่ 1e ในบรรดาโมดูลเหล่านี้ โมดูลสีดำแสดงความสัมพันธ์เชิงบวกสูงสุดกับ post-Tx AKI (P=0.002, R=0.5) ในขณะที่โมดูลสีแทนแสดงความสัมพันธ์เชิงลบที่แข็งแกร่งที่สุดกับ post-Tx AKI (P=4e−05, R= −0.63) ดังนั้นทั้งสองโมดูลนี้จึงได้รับเลือกให้เป็นโมดูลหลัก การกำหนด mRNA ในโมดูลสีดำและสีแทนมีอยู่ในไฟล์เพิ่มเติม 11: ตาราง S2
เครือข่ายยีน-ยีนและการวิเคราะห์การเพิ่มสมรรถนะการทำงานในโมดูลสีดำและสีแทน
ดังแสดงในรูปที่ 2a ค่าสัมประสิทธิ์สหสัมพันธ์ของการเป็นสมาชิกโมดูล (MM) กับความสำคัญของยีน (GS) ในโมดูลสีดำคือ 0.57 กับ P=5.5e−38 ยีนฮับทั้งหมด 14 ยีนถูกระบุในโมดูลสีดำ ซึ่งรวมถึง CLIC5, PCOLCE2, NDNF, ESRP1, ENPEP, RASAL2, SLIT2, PSAT1, NOX4, GDA, CNTN3, CFAPP221, CA2 และ ZNF311 (รูปที่ 2b) สิบ การวิเคราะห์การเพิ่มสมรรถนะทางเดิน GO และ KEGG ดำเนินการกับยีนในโมดูลสีดำ ดังแสดงในรูปที่ 2c เราพบว่าคำศัพท์ GO ที่สมบูรณ์ที่สุดในหมวดหมู่ของกระบวนการทางชีววิทยา (GO-BP) คือไตการพัฒนา การพัฒนาระบบไต และการควบคุมน้ำตก ERK1/2 คำศัพท์ GO ที่สมบูรณ์ที่สุดในหมวดหมู่อื่นๆ (GO-CC และ GO-MF) คือส่วนปลายของการยึดเกาะโมเลกุลของเซลล์และการยึดเกาะของเซลล์ (รูปที่ 2d, e) สำหรับการวิเคราะห์เส้นทางของ KEGG ยีนเหล่านี้ส่วนใหญ่ได้รับการเสริมสมรรถนะในการส่งสัญญาณ MAPK และเส้นทางการส่งสัญญาณ Raq1 (รูปที่ 2f)
The genes of the tan module underwent the same analysis. Te scatter plots of MM versus GS in the tan module (cor=0.6, P=4.2e−18) are shown in Fig. 3a. The gene-gene network centered on hub genes in this module is depicted in Fig. 3b. As we can see, the tan module contained 12 hub genes including DMXL1, MAF, GPHN, MYOF, CDK14, and QDPR. The functional annotation of genes in the tan module is depicted in Fig. 3c–f, indicating that the black module genes were primarily enriched in functions of the coenzyme metabolic process, the extrinsic component of the plasma membrane, and coenzyme binding, as well as pathways of folate (FA) biosynthesis. Detailed information of differentially expressed genes (defined by log2 fold change>0.1 และ p-value<0.05 when="" comparing="" their="" expression="" in="" post-tx="" aki="" group="" to="" that="" in="" zero-hour="" aki="" group)="" in="" black="" module="" and="" the="" tan="" module="" is="" provided="" in="" additional="" file="" 4:="" figure="" s4="" and="" additional="" file="" 5:="" figure="" s5,="">
การระบุโมดูลหลักที่เกี่ยวข้องกับ post‑Tx AKI ตามชุดข้อมูล GSE53771
เพื่อสำรวจบทบาทของ miRNA ใน post-Tx AKI เรายังดำเนินการ WGCNA สำหรับ miRNA ตามชุดข้อมูล GSE53771 ขั้นตอนการสร้างเครือข่ายการแสดงออกร่วมสำหรับ miRNA นั้นคล้ายคลึงกับขั้นตอนสำหรับ mRNA ตัวอย่าง dendrogram และ trait heatmap แสดงในรูปที่ 4a เพื่อให้แน่ใจว่าเครือข่ายไม่มีสเกล พลังงานขั้นต่ำถูกตั้งค่าเป็น 6 (รูปที่ 4b) ฮิสโตแกรมของการเชื่อมต่อเครือข่ายและพล็อตบันทึกล็อกที่เกี่ยวข้องจะแสดงในไฟล์เพิ่มเติม 3: รูปที่ S3C-D; R2 คือ 0.98 ซึ่งบ่งชี้ว่าโทโพโลยีที่ปราศจากสเกลโดยประมาณได้รับความพึงพอใจ ข้อมูลโดยละเอียดของดัชนีฟุตธรณีประตูอ่อน รวมถึง k, R2 และ R2 ที่ติดตั้งอยู่ในไฟล์เพิ่มเติม 10: ตาราง S1 มีการระบุโมดูล miRNA ทั้งหมดสามโมดูล ซึ่งไม่ขึ้นต่อกัน (รูปที่ 4c, d) สิบ วิเคราะห์ความสัมพันธ์ของโมดูล miRNA ที่มีลักษณะทางคลินิก และผลการศึกษาพบว่าโมดูล miRNA สีน้ำเงินเป็นโมดูลเดียวที่มีความสัมพันธ์อย่างมีนัยสำคัญกับ post-Tx AKI (P=0.003, R= - 0.36) (รูปที่ 4e) ดังนั้น โมดูล miRNA สีน้ำเงินซึ่งประกอบด้วย 76 miRNA จึงได้รับเลือกให้เป็นโมดูล miRNA หลักสำหรับการวิเคราะห์ในภายหลัง ข้อมูลโดยละเอียดเกี่ยวกับ miRNA เหล่านี้มีอยู่ในไฟล์เพิ่มเติม 11: ตาราง S2
เครือข่าย MiRNA–miRNA และการวิเคราะห์การเสริมสมรรถนะในโมดูล miRNA สีน้ำเงิน
ดังแสดงในรูปที่ 5a ค่าสัมประสิทธิ์สหสัมพันธ์ของ MM กับ GS ในโมดูล miRNA สีน้ำเงินคือ 0.32 กับ P=5.8e−5 เครือข่ายการโต้ตอบของโมดูล miRNA แสดงให้เห็นว่าฮับ miRNA 17 ตัวถูกระบุในโมดูล miRNA สีน้ำเงิน (รูปที่ 5b) เพื่อสำรวจบทบาททางชีวภาพของ miRNAs ในโมดูลนี้เพิ่มเติม ยีนเป้าหมายของ miRNA เหล่านี้ถูกใช้เพื่อทำการวิเคราะห์การเสริมสมรรถนะเชิงหน้าที่ ผลลัพธ์ของคำอธิบายประกอบฟังก์ชันแสดงในรูปที่ 5c–e ซึ่งบ่งชี้ว่า miRNAs ของโมดูล miRNA สีน้ำเงินมีความสัมพันธ์อย่างมีนัยสำคัญกับเงื่อนไข GO ของการถ่ายโอน GTPase ที่เป็นสื่อกลางขนาดเล็ก การพัฒนาต่อม กิจกรรม coregulator การถอดรหัส และการรวมกลุ่ม รายการ KEGG ของเส้นทางการส่งสัญญาณ MAPK และการติดเชื้อไวรัสมะเร็งเม็ดเลือดขาวชนิดทีเซลล์ของมนุษย์ 1
Detailed information of differentially expressed miRNAs (defined by log2 fold change>0.1 และ p-value<0.05 when="" comparing="" their="" expression="" in="" post-tx="" aki="" group="" to="" that="" in="" zero-hour="" aki="" group)="" in="" the="" blue="" module="" is="" provided="" in="" additional="" file="" 6:="" figure="">
คอนโครงสร้าง ของ กฎระเบียบ miRNA–mRNA เครือข่าย in poเซนต์-Tx AKI
ยีนและ miRNAs ที่สร้างโมดูลหลักและโมดูล miRNA คีย์ตามลำดับถูกใช้เพื่อสร้างเครือข่าย miRNA–mRNA ด้านกฎระเบียบ คู่ miRNA–mRNA ที่คาดการณ์ไว้ทั้งหมด 1048 คู่ในคลาสความมั่นใจสูงได้มาจาก miRDIP v4.1 และใช้เพื่อสร้างเครือข่ายโดย Cytoscape (ไฟล์เพิ่มเติม 7: รูปที่ S7) คำอธิบายประกอบการทำงานของ mRNA ในเครือข่ายนี้แสดงไว้ในไฟล์เพิ่มเติม 8: รูปที่ S8 ซึ่งบ่งชี้ว่า mRNA เหล่านี้ส่วนใหญ่เกี่ยวข้องกับการยึดเกาะของเซลล์-พื้นผิว การพัฒนาระบบทางเดินปัสสาวะ การจับเฮปาริน การจับคอลลาเจน เส้นทางการส่งสัญญาณ AGE-RAGE ในผู้ป่วยเบาหวาน ภาวะแทรกซ้อน เช่นเดียวกับเส้นทางการส่งสัญญาณ PI3K–Akt หลังจากนั้น เพื่อให้ได้เครือข่ายที่อาจมีบทบาทสำคัญในการก่อโรคของ post-Tx AKI เราเลือกคู่ miRNA–mRNA ที่มีความมั่นใจมากกว่า 02 เพื่อสร้างเครือข่าย miRNA–mRNA ตามกฎข้อบังคับ (รูปที่ . 6) เครือข่ายควบคุม miRNA–mRNA ประกอบด้วย 82 โหนด (48 mRNA และ 34 miRNAs) และ 125 ขอบ หลังจากวิเคราะห์เครือข่าย เราพบ miR-203a-3p, miR-205-5p และ ERBB4 ที่มีระดับโหนดสูงกว่าเมื่อเทียบกับโหนดอื่นๆ และรายละเอียดการหาปริมาณมีอยู่ในไฟล์เพิ่มเติม 12 : ตาราง S3 การวิเคราะห์เชิงฟังก์ชันสิบครั้งเปิดเผยว่าทั้งหมด 48 mRNAs ส่วนใหญ่ได้รับการปรับปรุงให้ดีขึ้นในแง่ของ GO ของ morphogenesis ของเยื่อบุผิว, การพัฒนาของเนฟรอน, การพัฒนาระบบทางเดินปัสสาวะ, และโปรตีนไคเนสของตัวรับเมมเบรน (รูปที่ 7a–c) ไม่มีวิถีทาง KEGG ที่เสริมสมรรถนะอย่างมีนัยสำคัญเนื่องจากค่า p ของพวกมันมากกว่า 0.05 (รูปที่ 7d) สำหรับการตรวจสอบข้าม เราเปรียบเทียบผลลัพธ์ปัจจุบันของเราที่ดึงมาจากฐานข้อมูล miRDIP กับผลลัพธ์จากฐานข้อมูล miRNet โดยรวมแล้ว มีการระบุคู่ของ miRNA–mRNA 75,699 คู่โดยนาที และมีจุดตัดของคู่ miRNA–mRNA 117 คู่ระหว่างผลลัพธ์ของฐานข้อมูล miRNet และฐานข้อมูล miRDIP เครือข่ายการกำกับดูแลที่เกี่ยวข้องจะแสดงเป็นภาพในไฟล์เพิ่มเติม 9: รูปที่ S9B การวิเคราะห์การเสริมสมรรถนะของคู่ miRNA–mRNA 117 คู่ แสดงให้เห็นว่าพวกเขาส่วนใหญ่เกี่ยวข้องกับการควบคุมเชิงลบของการจัดระเบียบองค์ประกอบเซลล์ การตอบสนองต่อสารอินทรีย์ในหมวด GO-BP; ปัจจัยเริ่มต้นการแปลยูคาริโอต 4F ซับซ้อนและร่างกายนิวเคลียร์ในหมวด GO-CC; การทำงานของตัวรับ SNAP, การจับโปรตีนเชิงซ้อน, การทำงานของโปรตีนไทโรซีนฟอสฟาเตสภายใต้หมวดหมู่ GO-MF เช่นเดียวกับวิถีทาง KEGG ที่เกี่ยวข้องกับการส่งสัญญาณของมะเร็งในเซลล์ไต, การส่งสัญญาณโปรแลคตินและการตอบสนองความเครียดออกซิเดชันที่เป็นสื่อกลางของ NFR2- เนื่องจากผลการเสริมสมรรถนะการทำงานข้างต้นอ้างอิงจากคู่ของ miRNA–mRNA ที่คาดการณ์โดยฐานข้อมูล miRNet และ miRDIP ทั้งสองจึงอาจเป็นตัวแทนของกลไกอีพีเจเนติกที่อยู่ภายใต้ post-Tx AKI มากกว่า
การอภิปราย
Post-Tx AKI เป็นภาวะแทรกซ้อนที่พบบ่อยหลังการผ่าตัดปลูกถ่าย ซึ่งมีลักษณะเฉพาะโดยการทำงานของไตลดลงอย่างรวดเร็วและอัตราการเสียชีวิตสูง [19] การหาเวลาที่ดีที่สุดสำหรับการวินิจฉัยในระยะเริ่มต้นและการแทรกแซงของ AKI หลัง Tx เป็นสิ่งที่ท้าทายเนื่องจากขาดตัวบ่งชี้เฉพาะสำหรับการคาดการณ์ในระยะเริ่มต้น การประเมินเกรด และการติดตามประสิทธิภาพ ในการเอาชนะปัญหาดังกล่าว การสำรวจกลไกทางพยาธิวิทยาและไบโอมาร์คเกอร์ที่เป็นไปได้ของ post-Tx AKI เป็นสิ่งสำคัญ ในปี 2014 วิลฟิงเซเดอร์และคณะ ดำเนินการวิเคราะห์ microarray miRNA และ mRNA จากตัวอย่างชิ้นเนื้อปลูกถ่ายไตด้วย AKI และระบุลายเซ็นโมเลกุลจำเพาะต่อ AKI เพิ่มเติมโดยใช้การวิเคราะห์การแสดงออกของยีนที่แตกต่างกัน (DEA) [20] อย่างไรก็ตาม DEA สามารถแยกยีนที่สำคัญบางตัวออกได้อย่างง่ายดายซึ่งระดับการแสดงออกเปลี่ยนแปลงเพียงเล็กน้อย แต่มีบทบาทสำคัญในโรคต่างๆ นอกจากนี้ เป็นการยากที่จะยืนยันว่า mRNAs และ miRNA ที่แสดงความแตกต่างในการตรวจชิ้นเนื้อ post-Tx ระหว่างกลุ่มควบคุมและ AKI นั้นเกี่ยวข้องกับ post-Tx AKI เนื่องจากข้อเท็จจริงที่ว่า Tx อาจนำไปสู่การแสดงออกที่ผิดปกติของยีนบางตัว การศึกษาที่เพิ่มขึ้นแสดงให้เห็นว่าการเริ่มต้นและความก้าวหน้าของโรคทั้งหมดไม่สามารถควบคุมได้ด้วยยีนสองสามตัว แต่เป็นเครือข่ายของ RNA หลายตัว [21, 22] ดังนั้น การสร้างเครือข่ายการกำกับดูแลอาร์เอ็นเออาจเป็นกลยุทธ์ที่มีแนวโน้มดีในการทำความเข้าใจการพัฒนาโรคและสร้างการบำบัดใหม่ [23] ในฐานะที่เป็นแนวทางชีวสารสนเทศที่มีประสิทธิภาพ WGCNA มีความสามารถในการปรับปรุงเครือข่ายสหสัมพันธ์อย่างง่ายโดยการหาปริมาณความสัมพันธ์ระหว่างยีนแต่ละคู่ ตลอดจนขอบเขตที่ยีนเหล่านี้แบ่งปันเพื่อนบ้านเดียวกัน [24] WGCNA ไม่เพียงแต่รวมยีนที่แสดงออกอย่างแตกต่างเท่านั้น แต่ยังรวมถึงยีนที่ไม่ได้แสดงออกอย่างแตกต่างอย่างมีนัยสำคัญ แต่ยังเป็นตัวกลางสำคัญของลักษณะทางคลินิกบางอย่าง ในช่วงไม่กี่ปีที่ผ่านมา WGCNA ได้ถูกนำมาใช้ในมนุษย์ที่หลากหลาย
การวิจัยโรคเพื่อคัดกรองไบโอมาร์คเกอร์และชี้แจงกลไกระดับโมเลกุลที่เป็นต้นเหตุของการพัฒนาโรค [25, 26]
ในการศึกษาปัจจุบัน โดยใช้ชุดข้อมูลไมโครอาร์เรย์ mRNA และ miRNA มีการระบุโมดูลสามโมดูลที่มีความสัมพันธ์อย่างมีนัยสำคัญกับ AKI หลังการปลูกถ่ายโดยใช้ WGCNA โมดูล Te tan ที่มี 55 mRNA แสดงความสัมพันธ์เชิงลบอย่างมีนัยสำคัญกับ post-Tx AKI การศึกษาหลายชิ้นรายงานว่า FA ที่มีความเข้มข้นสูงอาจทำให้เกิดเนื้อร้ายในท่อเฉียบพลันได้เนื่องจากการสร้างผลึก FA ในท่อไตซึ่งนำไปสู่ภาวะไตวาย [27, 28] Te mRNAs ในโมดูลสีแทนส่วนใหญ่เกี่ยวข้องกับเส้นทางของการสังเคราะห์ FA โดยแนะนำว่าเส้นทางนี้เป็นบัญชีสำหรับการพัฒนาของ post-Tx AKI ต่อไป เนื่องจากโมดูลที่เกี่ยวข้องในเชิงบวกมากที่สุดกับ post-Tx AKI โมดูลสีดำจึงประกอบด้วย 80 mRNA โดยเฉพาะอย่างยิ่ง รายการที่สมบูรณ์ที่สุดของ mRNA โมดูลสีดำในการวิเคราะห์ GO ส่วนใหญ่เกี่ยวข้องกับการทำงานของไตเช่นไตการพัฒนาและการพัฒนา nephron ยืนยันความสัมพันธ์สูงของโมดูลนี้กับ post-Tx AKI การศึกษาก่อนหน้านี้ระบุว่าน้ำตกไคเนสที่ควบคุมสัญญาณภายนอกเซลล์ (ERK) มีบทบาทสำคัญในการกระตุ้นกลไกการซ่อมแซมการชดเชยระหว่างไตบาดเจ็บ[29]. การศึกษาของเราพบว่า mRNA ของโมดูลสีดำยังได้รับการปรับปรุงอย่างมากในหน้าที่ของน้ำตก ERK1/2 นอกจากนี้ ผลลัพธ์ของการวิเคราะห์เส้นทางของ KEGG ระบุว่า mRNA เหล่านี้เกี่ยวข้องอย่างใกล้ชิดกับเส้นทางการส่งสัญญาณ MAPK และเส้นทางการส่งสัญญาณ Ras มีการจัดทำเอกสารส่วนใหญ่ว่าเส้นทาง MAPK มีบทบาทสำคัญใน AKI โดยควบคุมการอักเสบของไต การบาดเจ็บที่ท่อ และการตายของเซลล์ [30–32] เป็นที่ยอมรับกันโดยทั่วไปว่าเส้นทาง MAPK/ERK เป็นโมเลกุลสัญญาณปลายน้ำในเส้นทางส่งสัญญาณ Ras [33] ผลลัพธ์ข้างต้นพบว่าการแสดงออกที่ผิดปกติของยีนบางตัวส่งผลให้เกิด AKI โดยควบคุมการสังเคราะห์ FA, เส้นทางการส่งสัญญาณ MAPK และเส้นทางการส่งสัญญาณ Ras ที่ส่งผลต่อการพัฒนาของไตหลังไตการปลูกถ่าย.
หลักฐานการทดลองที่เพิ่มขึ้นยืนยันว่า miRNA บางตัวมีบทบาทสำคัญในการตรวจหา ความก้าวหน้า และการแทรกแซงของ AKI [34] Amrouche และคณะ แสดงให้เห็นว่า miR-146a มีบทบาทสำคัญในการตอบสนองของท่อไต ซึ่งการควบคุมที่เพิ่มขึ้นอาจจำกัดการพัฒนาของ AKI [35] การศึกษาก่อนหน้านี้พิสูจน์ว่า miR ในปัสสาวะ-21สามารถใช้เป็นตัวบ่งชี้ทางชีวภาพในการทำนายการพัฒนา AKI หลังการผ่าตัดหัวใจได้ [36] เนื่องจากโมดูล miRNA เพียงโมดูลเดียวที่เกี่ยวข้องอย่างมีนัยสำคัญกับ post-Tx AKI ในการศึกษานี้ โมดูล miRNA สีน้ำเงินที่มี 151 miRNAs มีความสัมพันธ์เชิงลบกับ post-Tx AKI ได้รับการยอมรับอย่างกว้างขวางว่า miRNAs สามารถควบคุมการแสดงออกของยีนเป้าหมายปลายน้ำของพวกมันเพื่อทำหน้าที่ทางชีวภาพ ดังนั้นเราจึงคาดการณ์เป้าหมายของ miRNA เหล่านี้โดยใช้ "miRNAtap" และ "multiMiR" เพื่อทำหมายเหตุประกอบการทำงาน ควรสังเกตว่าเป้าหมายของโมดูลหลัก miRNAs ได้รับการเสริมสมรรถนะเป็นหลักในเส้นทางการส่งสัญญาณ MAPK ซึ่งยืนยันเพิ่มเติมถึงบทบาทที่สำคัญของเส้นทาง MAPK ในกระบวนการของ post-Tx AKI
นอกจากนี้ จำเป็นต้องระบุเครือข่ายควบคุม miRNA–mRNA ที่อาจเกี่ยวข้องกับการเกิดโรคของ post-Tx AKI เนื่องจากทั้งยีนและ miRNAs ไม่สามารถควบคุมการพัฒนาของ post-Tx AKI ได้อย่างอิสระ การศึกษาก่อนหน้านี้ส่วนใหญ่มุ่งเน้นไปที่ miRNAs หรือยีนเพียงอย่างเดียวเพื่อชี้แจงกลไกของ AKI ด้วยการใช้เครื่องมือชีวสารสนเทศ ในที่สุดเราก็สร้างเครือข่าย miRNA–mRNA ด้านกฎระเบียบของ post-Tx AKI ซึ่งประกอบด้วย 48 mRNA และ 34 miR NA ในบรรดา 82 โหนดเหล่านี้ miR-203a-3p, miR-205-5p และ ERBB4 แสดงระดับสูงและอาจเป็นโหนดกลางในเครือข่าย ผลกระทบของ miR{10}}p ในโรคไตได้รับการตรวจสอบก่อนหน้านี้ เชนาและคณะ รายงานว่าระดับการแสดงออกของ miR-205-5p มีความสัมพันธ์อย่างมีนัยสำคัญและในเชิงบวกกับความรุนแรงของมะเร็งไตและภาวะไตวายจากความดันโลหิตสูง [37] การศึกษาเชิงทดลองที่ดำเนินการโดย Sessa และเพื่อนร่วมงานของเขาเสนอว่า miR-205-5p อาจเป็นตัวบ่งชี้ทางชีวภาพระดับโมเลกุลของความเสียหายของไต [38] มีการศึกษาเพียงไม่กี่ชิ้นที่ตรวจสอบบทบาทของ miR-203a-3p และ ERBB4 ในการพัฒนา AKI มีการบันทึกไว้ว่า ERBB4 สามารถบรรเทาการดูถูกจากปฏิกิริยาออกซิเดชันของเซลล์ต้นกำเนิดจากเซลล์ต้นกำเนิดจากเยื่อหุ้มเซลล์ (mesenchymal stem cell) ที่มีอายุมากโดยการลดระดับของออกซิเจนรีแอคทีฟ (ROS) [39] เป็นที่ทราบกันดีว่าอวัยวะที่ปลูกถ่ายทั้งหมดจะได้รับบาดเจ็บในระดับหนึ่งของการขาดเลือดขาดเลือด-การกลับเป็นเลือดจาก ROS ระดับสูงหลังการปลูกถ่าย และอาจพัฒนาเป็น AKI เราคาดการณ์ว่า ERBB4 ยังทำหน้าที่ควบคุมระดับ ROS ในการพัฒนา post-Tx AKI การวิเคราะห์การเสริมสมรรถนะ Te GO ของ mRNAs ในเครือข่ายนี้แสดงให้เห็นว่า mRNA เหล่านี้ได้รับการเสริมสมรรถนะในหลายหน้าที่ที่เกี่ยวข้องกับการพัฒนาของไต นอกจากนี้ การวิเคราะห์การเพิ่มสมรรถนะของ KEGG ระบุว่าเครือข่ายนี้ส่วนใหญ่เกี่ยวข้องกับเส้นทางต่างๆ ที่ได้รับการศึกษาอย่างดี เช่น เส้นทางการส่งสัญญาณ PI3K–Akt เส้นทางการส่งสัญญาณ HIF-1 เส้นทางการส่งสัญญาณ Ras และเส้นทางการส่งสัญญาณ MAPK เส้นทางเหล่านี้ส่วนใหญ่ได้รับการพิสูจน์แล้วว่ามีบทบาทสำคัญใน AKI [30, 40, 41] ผลลัพธ์เหล่านี้พิสูจน์ว่าการวิเคราะห์ของเราดำเนินการอย่างเหมาะสม
การศึกษาของเราใช้ WGCNA ร่วมกับการวิเคราะห์ miRDIP v4.1 ในครั้งแรกเพื่อระบุการโต้ตอบที่น่าจะเป็นไปได้มากที่สุดและสร้างเครือข่าย miRNA–mRNA ที่เกี่ยวข้องกับการตอบสนองต่อการปลูกถ่ายใน AKI ซึ่งให้กรอบการทำงานเบื้องต้นและนวนิยายบางส่วน ข้อมูลเชิงลึกสำหรับการอธิบายกลไกระดับโมเลกุลของการพัฒนา post-Tx AKI อย่างไรก็ตาม ควรกล่าวถึงข้อจำกัดบางประการของการศึกษานี้ ประการแรก มีการลงทะเบียนตัวอย่างชิ้นเนื้อ AKI หลัง Tx เพียงแปดตัวอย่างในการศึกษานี้ ซึ่งไม่เพียงพอที่จะสรุปผลที่น่าเชื่อถือทั้งหมด ประการที่สอง เครือข่ายควบคุม miRNA–mRNA จำเป็นต้องมีการศึกษาเพิ่มเติมในการทดลองทางคลินิกและชีววิทยาระดับโมเลกุลเพื่อตรวจสอบความถูกต้อง เนื่องจากเป็นการยากที่จะหาข้อมูลที่มีคุณภาพ จึงไม่รวม RNA ประเภทอื่น เช่น RNA ที่ไม่มีการเข้ารหัสแบบยาว (lncRNAs) และ RNA แบบวงกลม (circRNAs) ซึ่งอาจเป็นผลเสียในการอธิบายอย่างครอบคลุมของกลไกที่อยู่ภายใต้ post-Tx AKI การพัฒนา.
ประโยชน์ของก้านซิสแทนเช่ต่อการทำงานของไต
บทสรุป
ขั้นแรก เราประสบความสำเร็จในการสร้างเครือข่ายควบคุม miRNA–mRNA ที่เกี่ยวข้องกับ post-Tx AKI โดยใช้การวิเคราะห์ทางชีวสารสนเทศ ผลลัพธ์ระบุว่า miRNA สองตัว (miR-203a-3p และ miR-205-5p) และ ERBB4 อาจมีบทบาทสำคัญในหลัง Tx AKI และหน้าที่ทางชีววิทยาของกฎระเบียบ miRNA –mRNA network ถูกทำให้สมบูรณ์ในหน้าที่เกี่ยวกับไต/ไตและเส้นทางการส่งสัญญาณ PI3K–Akt/HIF-1/Ras/MAPK การศึกษานี้ให้มุมมองที่ครอบคลุมของเครือข่ายการกำกับดูแลเพื่อเพิ่มความเข้าใจเกี่ยวกับกลไกระดับโมเลกุลใน post-Tx AKI เราหวังว่าการศึกษาในปัจจุบันจะเป็นประโยชน์สำหรับการค้นพบไบโอมาร์คเกอร์หรือยารักษาโรค เพื่อเพิ่มความสามารถในการทำนายและการแทรกแซงในระยะเริ่มต้น และลดอัตราการเสียชีวิตของ AKI หลังการปลูกถ่าย
วิธีการ
ศึกษาการออกแบบและการเก็บรวบรวมข้อมูล
การออกแบบโดยรวมของการศึกษานี้แสดงในไฟล์เพิ่มเติม 1: รูปที่ S1 ข้อมูล microarray ที่มีสิทธิ์ทั้งหมดถูกดาวน์โหลดจากฐานข้อมูล Gene Expression Omnibus (GEO) (http://www.ncbi.nlm.nih.gov/geo/) ชุดข้อมูล GSE53769 เป็นชุดข้อมูลนิพจน์ mRNA ซึ่งดำเนินการโดยใช้ Affymetrix GeneChip® Human Gene 20 ST Array; ชุดข้อมูล GSE53771 เป็นชุดข้อมูลนิพจน์ miRNA ซึ่งวิเคราะห์โดยอาร์เรย์ Affymetrix GeneChip® miRNA 3.0 ชุดข้อมูลสองชุดนี้ประกอบด้วยตัวอย่างชิ้นเนื้อ 18 ศูนย์ชั่วโมงและ 18 หลังการปลูกถ่าย (Tx) จากผู้รับการปลูกถ่ายไต 18 ราย (แปดรายที่มีเนื้อร้ายท่อเฉียบพลันโดยไม่มีการปฏิเสธซึ่งกำหนดเป็น AKI และการตรวจชิ้นเนื้อ 10 โปรโตคอลโดยไม่มีพยาธิวิทยา (PBX) ที่กำหนดเป็นตัวควบคุม) และ ถูกส่งโดย Wilfingseder และเพื่อนร่วมงาน [20] ตัวอย่างเหล่านี้แบ่งออกเป็นสี่กลุ่ม ได้แก่ AKI แบบ zero-hour, PBX แบบ zero-hour, post-Tx AKI และ post-Tx PBX ชุดข้อมูลทั้งสองชุดถูกใช้เพื่อสร้างเครือข่ายการแสดงออกร่วมกัน ตามลำดับ โดยสามารถระบุโมดูล mRNA/miRNA ที่สำคัญที่เกี่ยวข้องกับ post-Tx AKI ได้ ซึ่งช่วยให้สร้างเครือข่ายควบคุม miRNA–mRNA ที่ขับเคลื่อนความก้าวหน้าของ post-Tx AKI .
การสร้างเครือข่ายการแสดงออกร่วมกัน
WGCNA is a widely used method to construct co-expression networks that allow the discovery of gene modules, where coordinated expression patterns of the intra-module genes could be identified and related to external clinical phenotypes. In this way, the search for core disease regulators could be narrowed down and confined to the clinically significant modules [13]. Given the foregoing, WGCNA has greatly improved the efficacy of data mining; therefore, in this study, the R package "WGCNA" was utilized to construct co-expression networks based on the expression profiles of mRNAs and miRNAs, respectively. An optimal soft threshold power β, the minimum power parameter that satisfied the scale-free topology (as manifested by scale-free topology ft index>0.85) ถูกกำหนดตั้งแต่แรก ถัดไป เครือข่ายการแสดงออกร่วมที่ไม่มีขนาดถูกสร้างขึ้นตามเมทริกซ์ที่อยู่ติดกัน ได้เมทริกซ์ที่อยู่ติดกันโดยใช้สูตร: Adjacencyk,j=cork, j- โดยที่ k และ j สอดคล้องกับยีนสองยีนโดยพลการและ the ใช้เพื่อเน้นความคล้ายคลึงกันอย่างมากระหว่าง k และ j ซึ่งทำให้มั่นใจได้ว่าคู่ของยีน ที่มีความคล้ายคลึงต่ำจะถูกละเว้นในระหว่างการกำหนดโมดูล สิบ เมทริกซ์ที่อยู่ติดกันถูกแปลงเป็นเมทริกซ์ทับซ้อนทอพอโลยี (TOM) โดยการใช้การวัดความแตกต่างแบบอิงตาม TOM ยีนต้นไม้ dendrogram ถูกสร้างขึ้นโดยการแบ่งกลุ่มตามลำดับชั้นของการเชื่อมโยงโดยเฉลี่ย และยีนที่มีรูปแบบการแสดงออกที่คล้ายคลึงกันถูกจัดกลุ่มเป็นโมดูลต่างๆ (ขนาดโมดูลต่ำสุดถูกตั้งค่าเป็น 30)
ซิสแทนเช เฮอร์บารักษาได้ไตโรคทำให้ดีขึ้นการทำงานของไต
การระบุโมดูลความสัมพันธ์ที่สำคัญ
โมดูล eigenes (MEs) ซึ่งสรุปรูปแบบการแสดงออกของยีนเป็นโปรไฟล์การแสดงออกเฉพาะลักษณะเดียวภายในโมดูลที่กำหนด ถูกนำมาใช้เพื่อประเมินความสัมพันธ์ที่เป็นไปได้ของยีนที่มีลักษณะที่แตกต่างกันเพื่อกำหนดความสำคัญของแต่ละโมดูล ความสำคัญของยีน (GS) แสดงถึงความสัมพันธ์ระหว่างยีนและลักษณะทางคลินิกที่แตกต่างกัน และ GS เฉลี่ยของยีนทั้งหมดในโมดูลถูกกำหนดเป็นความสำคัญของโมดูล (MS) ซึ่งแสดงเป็น MS {{0}}n- ni{ {2}}GSi (n=จำนวนยีนภายในโมดูล) หลังจากคำนวณความสัมพันธ์แบบเพียร์สันระหว่าง MEs และลักษณะทางคลินิก โมดูลที่มีค่า R เป็นลบสูงสุดหรือบวกสูงสุด (ค่าสัมประสิทธิ์สหสัมพันธ์) กับ post-Tx AKI ที่มีการตัดค่า p-value สหสัมพันธ์ 0.05 ถูกกำหนดให้เป็นโมดูลหลัก เราปฏิบัติตามเวิร์กโฟลว์มาตรฐานที่แนะนำโดยผู้เขียน WGCNA [13] และไม่มีการแก้ไขค่า p สำหรับการทดสอบหลายรายการ เนื่องจากค่าสัมประสิทธิ์ Pearson R และค่า p-value สหสัมพันธ์นั้นเพียงพอสำหรับการเลือกโมดูลที่สำคัญ [13] ความเข้มของสีในแผนที่ความร้อนบ่งบอกถึงความแข็งแกร่งของสหสัมพันธ์ เพื่อศึกษาโมดูลหลักให้ดียิ่งขึ้น จึงมีการวิเคราะห์ความสัมพันธ์ของยีนโมดูล และเครือข่ายปฏิสัมพันธ์ของยีนกับยีนได้รับการมองเห็นโดยตัววิเคราะห์เครือข่าย Cytoscape v3.7.2 [42] ในเครือข่ายนี้ ยีนที่มีระดับสูงซึ่งมีโหนดที่เชื่อมต่อถึงกันสูงในโมดูลถือเป็นยีนฮับ ยีนฮับเหล่านี้ตรวจพบโดยทำการวิเคราะห์ด้วยปลั๊กอิน MCODE ใน Cytoscape
อีกครั้งgulatory miRNA–mRNA ไม่twork cบนstructiบน
ด้วยการใช้เครื่องมือออนไลน์ miRDIP v4.1 ปฏิสัมพันธ์ระหว่างยีนของโมดูลและ miRNAs ได้รับ สิบ คู่ miRNA– mRNA ที่มีความมั่นใจสูงในการทำนายได้รับเลือกสำหรับการสร้างเครือข่ายการกำกับดูแล miRNA–mRNA โดยใช้ Cytoscape v3.7.2 ในการตรวจสอบข้าม ผลลัพธ์ของเรา การโต้ตอบ miRNA–mRNA ถูกดึงมาจากฐานข้อมูล miRNet ด้วย
Fไม่ctiบนl enrichment อนาlysis
เพื่อให้เข้าใจถึงหน้าที่ที่เป็นไปได้ของยีนที่ระบุเพิ่มเติม การวิเคราะห์การเสริมสมรรถนะของยีน Ontology (GO) และการวิเคราะห์เส้นทางของยีนและจีโนมของเกียวโต (KEGG) ได้ดำเนินการโดยใช้แพ็คเกจ R "cluster roller" [44]; ในบางกรณี (ไฟล์เพิ่มเติม 4: S4A, ไฟล์เพิ่มเติม 5: S5A, ไฟล์เพิ่มเติม 6: S6A และไฟล์เพิ่มเติม 9: S9C) ฟังก์ชัน TCGAanalyze_ EA เสร็จสมบูรณ์ในไลบรารี TCGAbiolinks ในการศึกษานี้ ผลลัพธ์ของเงื่อนไข GO และเส้นทาง KEGG กับ Benjamini–Hochberg (BH) ที่ปรับP-ค่าของ<0.05 were="" considered="" to="" be="" significantly="">
Cistanche tubulosa ป้องกันโรคไต คลิกที่นี่เพื่อรับตัวอย่าง
ผู้ตัดสินnces
1. Abu Jawdeh BG, Govil A. อาการบาดเจ็บที่ไตเฉียบพลันในการปลูกถ่าย: การวินิจฉัยแยกโรคและผลกระทบต่อสุขภาพและการดูแลสุขภาพ Adv ไตเรื้อรัง Dis. 2017;24(4):228–32.
2. Cooke WR, Hemmilä UK, Craik AL, Mandula CJ, Mvula P, Msusa A, และคณะ อุบัติการณ์ สาเหตุ และผลลัพธ์ของการบาดเจ็บที่ไตเฉียบพลันที่เกี่ยวข้องกับสูติศาสตร์ในมาลาวี: การศึกษาเชิงสังเกตในอนาคต บีเอ็มซี เนโฟรล 2018;19(1):25.
3. Solé C, Pose E, Solà E, Ginès P. Hepatorenal syndrome ในยุคที่ไตวายเฉียบพลัน ตับ Int ของ J Int รศ ศึกษาตับ. 2018;38(11):1891–901.
4. Ostermann M, Liu K. พยาธิสรีรวิทยาของ AKI Best Pract Res Clin Anaes‑ ดิน 2017;31(3):305–14.
5. Saliminejad K, Khorram Khorshid HR, Soleymani Fard S, Ghafari SH ภาพรวมของ microRNAs: ชีววิทยา หน้าที่ การบำบัด และวิธีการวิเคราะห์ เจ เซลล์ ฟิสิออล 2019;234(5):5451–65.
6. ฟรีดแมน RC, Farh KK, Burge CB, Bartel DP mRNA ของสัตว์เลี้ยงลูกด้วยนมส่วนใหญ่เป็นเป้าหมายที่ได้รับการอนุรักษ์ไว้ของ microRNA ความละเอียดของจีโนม 2009;19(1):92–105.
7. Pan X, Wenzel A, Jensen LJ, Gorodkin J. การระบุกลุ่มของจีโนมกว้างๆ ของไซต์ที่มีผลผูกพัน microRNA ที่คาดการณ์ไว้ในฐานะผู้สมัครฟองน้ำ microRNA กรุณาหนึ่ง 2018;13(8):e0202369.
8. Chen B, Hua Z, Qin X, Li Z. microarray แบบบูรณาการเพื่อระบุศูนย์กลาง miRNAs และสร้างเครือข่าย miRNA‑ mRNA ใน neuroblastoma ผ่านการวิเคราะห์ทางชีวสารสนเทศ Neurochem Res. 2020.
9. Liu HM, Huang Y, Li L, Zhang Y, Cong X, Wu LL, และคณะ โปรไฟล์การแสดงออกของ MicroRNA‑ mRNA และโครงข่ายการทำงานของต่อมใต้ขากรรไกรในหนูเมาส์ db/db ที่เป็นเบาหวานชนิดที่ 2 อาร์ค ออรัล ไบโอล. 2020;120:104947.
10. Iwuchukwu I, Nguyen D, Beavers M, Tran V, Sulaiman W, Fannin E และอื่น ๆ เครือข่ายการกำกับดูแล MicroRNA ในฐานะตัวบ่งชี้ทางชีวภาพของการจับกุมในผู้ป่วยที่มีอาการตกเลือดในสมองโดยธรรมชาติ โมล นิวโรไบโอล. 2020;57(5):2346–57.
11. van Zonneveld AJ, Rabelink TJ, Bijkerk R. miRNA- เครือข่ายที่ประสานงานกันเป็นเป้าหมายการรักษาที่มีแนวโน้มสำหรับการบาดเจ็บที่ไตเฉียบพลัน แอม เจ ปทุม. 2017;187(1):20–4.
12. Wu J, Li DD, Li JY, Yin YC, Li PC, Qiu L และอื่น ๆ การระบุเครือข่าย microRNA‑ mRNA ที่เกี่ยวข้องกับการบาดเจ็บของเซลล์เยื่อบุผิวท่อไตที่เกิดจากซิสพลาติน เออ เจ. ฟาร์มาคอล. 2019;851:1–12.
13. Langfelder P, Horvath S. WGCNA: แพ็คเกจ R สำหรับการวิเคราะห์เครือข่ายสหสัมพันธ์แบบถ่วงน้ำหนัก บีเอ็มซี ไบโออินฟอร์ม 2008;9:559.
14. Zhang X, Bai J, Yuan C, Long L, Zheng Z, Wang Q, และคณะ การวิเคราะห์ทางชีวสารสนเทศและการระบุยีนที่มีศักยภาพที่เกี่ยวข้องกับการเกิดโรคของเนื้องอกในเยื่อบุโพรงมดลูก เจ มะเร็ง. 2020;11(8):2150–7.
15. Li J, Lu L, Zhang YH, Xu Y, Liu M, Feng K, และคณะ การระบุลายเซ็นการแสดงออกของสเต็มเซลล์มะเร็งเม็ดเลือดขาวผ่านกลยุทธ์การเลือกคุณลักษณะของ Monte Carlo และการสนับสนุนเวกเตอร์เครื่อง มะเร็งยีนเธอ. 2020;27(1–2):56–69.
16. Pan X, Zeng T, Yuan F, Zhang YH, Chen L, Zhu L, และคณะ การตรวจคัดกรองลายเซ็นเมทิลเลชั่นและการทำงานของยีนที่เกี่ยวข้องกับชนิดย่อยของไอโซซิเตรตดีไฮโดรจีเนสการกลายพันธุ์ gliomas หน้าไบโอเทคไบโอเทค. 2019;7:339.
17. Shen M, Song Z, Wang JH. โปรไฟล์ microRNA และ mRNA ในต่อมทอนซิลสัมพันธ์กับภาวะซึมเศร้าและความยืดหยุ่นที่เกิดจากความเครียดในหนูทดลอง เภสัชวิทยา. 2019;236(7):2119–42.
18. An T, Song Z, Wang JH. กลไกระดับโมเลกุลของการให้รางวัลเพื่อบรรเทาพฤติกรรมที่คล้ายกับภาวะซึมเศร้าที่เกิดจากความเครียดเรื้อรัง ซึ่งประเมินโดยการจัดลำดับ miRNA และ mRNA ในเยื่อหุ้มสมองส่วนหน้าที่อยู่ตรงกลาง ชุมชน Biochem Biophys Res. 2020;528(3):520–7.
19. Zuk A, บริษัท Bonventre JV. การบาดเจ็บที่ไตเฉียบพลัน Annu Rev Med. 2016;67:293–307.
20. Wilfingseder J, Sunzenauer J, Toronyi E, Heinzel A, Kainz A, Mayer B, et al. การเกิดโรคระดับโมเลกุลของการบาดเจ็บที่ไตเฉียบพลันหลังการปลูกถ่าย: การประเมินโปรไฟล์ mRNA และ miRNA ของจีโนมทั้งหมด กรุณาหนึ่ง 2014;9(8):e104164‑e.