基于系統生物學的白介素—6的建模信號轉導模擬分析

齊云峰 孫添添 韓艷雪

[摘要]白介素-6，全名白細胞介素-6，是一種多功能細胞因子，能誘導細胞增殖分化。胞內受體和蛋白磷酸化調節在IL-6信號轉導中起重大作用。在本研究中采用系統生物學建模工具COPASI，進行IL-6的建模信號轉導模擬分析。通過擾動pp2初始濃度，發現pp2對IL-6信號轉導有抑制作用呈負相關。通過擾動gp130初始濃度，發現受體gp130與IL-6的信號轉導弱正相關。通過協同擾動受體gp130與pp2初始濃度，發現對于IL-6的信號轉導來說最適宜的受體濃度為模型初始濃度，而pp2濃度升高抑制IL-6的信號轉導。

[關鍵詞]白介素-6 數學模擬 糖蛋白130 信號轉導

[中圖分類號]Q94 [文獻標識碼]A [文章編號]1009-5349（2016）16-0154-02

隨著系統生物學不斷發展，系統生物學研究思想得到了學術界的廣泛認同，系統生物學將成為21世紀醫學和生物學的核心驅動力。[1-2]系統生物學重要性主要有兩個方面：（1）基因組學與蛋白質組學中的高通量方法為系統生物學的發展提供了大量的數據，系統生物學能整合分析這些數據。（2）計算生物學包含數據處理、模型構建和理論分析，是系統生物學發展過程中的一個重要的工具。[3]

IL-6是由184個氨基酸組成，有2條糖蛋白鏈。1條為糖蛋白80，另1條為gp130。[4]gp80只能以低親合性與IL-6結合，所形成的復合物迅速與高親和性的gp130結合，通過此鏈傳遞信息。蛋白磷酸酶1和蛋白磷酸酶2作為JAK/STAT通路內兩種磷酸酶，分別在細胞質和細胞核中催化STAT1*和STAT3*的去磷酸化作用。蛋白磷酸酶1和蛋白磷酸酶2的蛋白的總量是固定不變的，并且只有蛋白單體才能與新形成的STAT*結合以完成去磷酸化作用。

IL-6可以作為在免疫應答中產生重要介質的一種機體，具有多種生物學活性。一方面它具有能調節功能，其中包括細胞增殖、免疫防御機制及血細胞生成等，[5]另一方面它還能通過干預細胞的黏附性和活動力、血栓形成、及腫瘤細胞的增殖，而影響腫瘤的進展。隨著系統生物學的發展，IL-6的信號轉導機制在醫學上的應用更為廣泛，在許多疾病中發現其重要作用。例如心血管疾病[6]、自身免疫疾病、腫瘤[7-8]等。此外，隨著研究者對IL-6的信號轉導的研究深入，構建了一系列的IL-6信號轉導模型。在2014年，Qi等人應用數學建模方法對干擾素-γ和IL-6的信號轉導交互機制進行研究。在IL-6信號單獨刺激下，在同一時間STAT1*最大濃度值是最大濃度值的三分之一，STAT3相比于STAT1有著更強的激活。[9]

一、材料與方法

本章將對數學模擬實驗所利用的建模工具及統計方法所用工具進行介紹。

（一）建模工具COPASI及IL-6數學模型介紹

COPASI是用來構建和分析系統生物模型的工具。本文操作流程是打開軟件，它運行時界面有兩大模塊左側模塊顯示軟件的各個功能層次，右側模塊顯示的是各反應公式和參數的設定。雙擊Biochemical后緊接著雙擊species，根據研究需要分別或協同改變右側gp130和gp80的初始濃度，之后雙擊tasks并通過Tasks模塊下的Time course進行模型構建，最后單擊run并且根據結果總結出分別或協同改變gp130和gp80的初始濃度對IL-6信號轉導的影響。

（二）統計學方法

SPSS“統計產品與服務解決方案”軟件，它的統計分析過程包括描述性統計、均值比較、一般線性模型、相關分析、回歸分析、生存分析等等。[10]本文中使用的是SPSS軟件對實驗數據進行皮爾遜相關性或多元線性回歸分析，并計算其統計顯著性水平。

二、結果與分析

本文以0.1nM的IL-6作為模型輸入，在不同gp130和PP2的初始濃度下進行12小時的IL-6信號轉導數學模擬（在數學模擬模型中PP2和gp130初始濃度分別是60nM和0.8nM，我們分別改變gp130和PP2的初始濃度為其0.25、0.5、1、2和4倍值）。此外，應用SPSS工具進行相關性分析和多元回歸分析，闡釋gp130和PP2初始濃度的變化對IL-6信號轉導過程的影響。

（一）擾動PP2對IL-6信號轉導影響

擾動PP2的初始濃度探究擾動PP2對IL-6信號轉導影響。結果顯示，STAT3*與PP2呈極顯著負相關，STAT1*與PP2極顯著負相關，PP2對IL-6信號轉導信號有抑制作用呈負相關。

如圖1A所示，在IL-6信號刺激下，STAT3*在0.6小時達到最大濃度368nM，隨后濃度不斷下降，最終在10小時后達到其穩定濃度47nM。STAT1*在0.6小時達到最大濃度109nM，并且在9小時后逐漸達到穩定濃度10nM。如圖1B所示，STAT3*在0.6小時達到最大濃度350nM，在11小時后達到穩定濃度37nM。STAT1*在0.5小時達到最大濃度102nM，并快速降低，在8小時后達到穩定濃度9nM。如圖1C所示，STAT3*在0.5小時達到最大濃度320nM，在11小時后達到穩定濃度30nM。STAT1*在0.5小時達到最大濃度94nM，并快速降低，在6小時后達到穩定濃度7nM。

如圖1D所示，STAT3*在0.5小時達到最大濃度285nM，在8小時后達到穩定濃度32nM。STAT1*在0.5小時達到最大濃度82nM，并快速降低，在6.5小時后達到穩定濃度7nM。如圖1E所示，STAT3*在0.5小時達到其最大濃度250nM，在8小時后達到其穩定濃度34nM。STAT1*在0.5小時達到最大濃度70nM并快速降低，在6.5小時后達到穩定濃度8nM。分別以STAT3*與STAT1*在不同濃度的PP2下所能達到的最大濃度值做柱形圖，如圖1F所示在磷酸酶PP2的初始濃度逐漸增大的情況下，STAT3*與STAT1*的最大濃度在不斷地變小。STAT3*與PP2濃度極顯著負相關（相關系數為-0.962，P值為0.009）。STAT1*與PP2濃度極顯著負相關（相關系數為-0.967，P值為0.007）。本實驗驗證了已有的實驗結果在IL-6的信號轉導模擬分析中STAT3相比于STAT1有著更強的激活。由于IL-6對STAT3有偏好性，下文的研究中我們皆以STAT3*的濃度變化為代表來進行IL-6的信號響應研究。

圖1不同PP2初始濃度下IL-6信號轉導模式的變化

（A-E）中分別表示在不同PP2初始濃度下STAT*1和STAT*3的濃度時序性變化模式。F表示在不同PP2的濃度下STAT*1和STAT*3的最高濃度水平。

（二）協同擾動受體gp130與PP2對IL-6信號轉導影響

如表1所示，可知無論pp2如何調整，STAT3*的最大濃度都為整個表中最大數值。當pp2濃度升高STAT3*的最大濃度不斷減小。根據SPSS軟件的標準回歸系數得出gp130濃度與IL-6信號轉導之間不顯著正相關。蛋白pp2濃度與IL-6的信號轉導極顯著負相關。對于IL-6的信號轉導來說最適宜的受體gp130濃度為模型初始濃度，pp2與IL-6的信號轉導呈極顯著負相關。

三、結論

本文獲得了一系列重要結論。首先，單獨擾動pp2的初始濃度發現增加pp2的初始濃度能夠顯著抑制IL-6信號轉導的強度，與STAT1*和STAT3*的最大濃度呈顯著負相關。其次，單獨擾動受體gp130的初始濃度發現受體gp130與IL-6的轉導呈一定水平正相關。但不具有統計學顯著性。最后，同時擾動受體gp130與pp2初始濃度的模擬結果顯示，gp130與IL-6信號轉導不顯著正相關，對于IL-6的信號轉導來說，最適宜的受體濃度為模型初始濃度，無論在何種濃度的gp130下增加pp2的初始濃度能夠顯著抑制白介素-6信號轉導的強度，多元回歸分析同樣證實了以上結果。這些結果的獲得更進一步加深了我們對IL-6的信號轉導模擬分析機制的了解，可能為治療糖尿病、心肌肥大和男性肝癌等疾病提供理論支持。

【參考文獻】

[1]蔣太交，薛艷紅，徐濤.系統生物學——生命科學的新領域[J].生物化學與生物物理進展，2004，31（11）：957-964.

[2]王川.系統生物學——后基因組時代的生物學[J].生物學通報，2006，41（01）：19-21.

[3]常暢.系統生物學——系統生物學的研究進展[J].生物學通報，2007，42（06）：18-19.

[4]Levy DE，Darnell JE，Jr.Stats：transcriptional control and biological impact[J].Nature reviews Molecula cell biology，2002，3（09）：

651-662.

[5]Heinrich PC，Behrmann I，Haan S， etal. Principles of interleukin （IL）-6-type cytokine signalling and its regulation[J].The Biochemical journal，2003，374（Pt 1）：1-20.

[6]劉巍.白介素-6與心血管疾病[J].國際免疫學雜志，2006，29（01）：37-40.

[7]李清明，舒仁明，王家駟等.血清白介素-6在診斷肝細胞肝癌中的臨床價值研究[J].川北醫學院學報，2011，26（03）：251-253.

[8]李代挑，鐘遠倫，邱正強.腫瘤壞死因子白介素-6等細胞因子變化與左心功能不全的關系[J].河北醫學，2014，20（02）：216-218.

[9]齊云峰.基于系統生物學方法的干擾素-γ和白介素-6信號轉導通路建模以及抗癌藥物誘導細胞凋亡機制的研究[D].博士論文，2014，5：35.

[10]翁心真.多元回歸分析的軟件求解和案例解讀[J].數理統計與管理，2000，20（05）：23-26.

責任編輯：楊柳