基于GEO數據庫探討高血壓伴心房顫動潛在靶點與機制

張玉婕, 張 奇, 張 萍, 梁 明

北部戰區總醫院 心血管內科,遼寧 沈陽 110016

高血壓是心房顫動最主要的可改變的心血管危險因素之一。高血壓不僅在心房顫動患者中非常普遍,也是新發心房顫動的重要因素[1]。高血壓引起心房顫動的病理生理學機制包括:心房電重構、血流動力學變化、神經激素的變化[2-4],但這些病理生理學機制的潛在遺傳和分子生物學過程仍不清楚。近年來,隨著對表觀遺傳學研究的進一步深入,越來越多的研究者開始從基因水平探討疾病的相關靶點和機制。GEO數據庫是一個存儲多種生物信息的信息管理系統,是一個在線的基因表達數據庫,可以用于檢索各種物種來源的遺傳信息,通過提供基因表達測量數據信息平臺,使更多的研究者能夠進行更深入的數據挖掘[5-6]。本研究采用GSE24752和GSE75092基因芯片,旨在探尋高血壓與心房顫動的共同基因,以揭示高血壓與心房顫動共同作用的潛在生物學過程,并從高血壓與心房顫動共同作用的基因中尋找關鍵基因,以尋找有前景的診斷生物標志物和治療靶點。現報道如下。

1 材料與方法

1.1 數據收集 從GEO數據庫(www.ncbi.nlm.nih.gov/geo)下載高血壓和心房顫動的基因芯片。高血壓數據集GSE24752包含3例高血壓患者和3例血壓正常對照者的外周血細胞差異基因表達譜。心房顫動數據集GSE75092包含3例心房顫動患者和3例正常對照者的外周血細胞差異基因表達譜。將高血壓和心房顫動患者的樣本分別定義為高血壓組和心房顫動組。將正常人的樣本定義為正常組。

1.2 數據分析與處理 使用R軟件包Limma(version 3.40.6)進行差異分析[7],分析、篩選各數據集中的差異表達基因(differentially expressed genes,DEGs),以|log2FC|≥1.5和P<0.05作為篩選標準篩選出DEGs后,利用R語言,通過RStudio軟件繪制火山圖和熱圖。

1.3 重疊基因功能富集分析 采用在線工具Venny 2.1.0(https://bio Infogp.cnb.csic.es/Tools/venny/index.html)繪制韋恩圖[8],篩選出高血壓和心房顫動DEGs之間的重疊基因,為進一步的功能富集分析做準備。采用Metascape數據庫(https://metascape.org/gp/index.html#/main/step1)[9],對高血壓和心房顫動之間的重疊基因進行GO基因富集分析和KEGG代謝通路分析,分析其主要的分子生物過程和信號通路,其中,GO基因富集和KEGG通路富集分析的結果均以圈圖的形式進行展示。

1.4 重疊基因相互作用網絡圖構建 采用STRING數據庫(https://string-db.org/)[10]構建高血壓和心房顫動之間重疊基因的蛋白質-蛋白質相互作用(protein-protein interaction,PPI)網絡,為更好地顯示重疊基因間的關系,將最大交互者的數量設置為≤10個交互者,將形成的PPI網絡數據導入Cytoscape軟件3.7.2版進行可視化[11]分析。將相互作用最大的基因稱為關鍵基因,其可能在疾病的共病中起核心作用。

2 結果

2.1 高血壓及心房顫動的DEGs篩選 Limma分析結果顯示,在GSE24752數據集中共篩選出74個DEGs,其中,上調的DEGs 43個,下調的DEGs 31個。在GSE75092數據集中共篩選出4 584個DEGs,其中,上調的DEGs 2 011個,下調的DEGs 2 573個。采用高血壓和心房顫動數據集中顯著上調和下調的基因各10個,繪制上述基因的熱圖。見圖1、2。

2.2 高血壓相關心房顫動基因的預測 對高血壓和心房顫動的重疊基因進行可視化分析,可見重疊基因共11個,分別是原癌基因蛋白(MYC)、C4結合蛋白α(C4BPA)、天然細胞毒性觸發受體3配體1(NCR3LG1)、補體因子D(CFD)、巖藻糖苷酶αL1(FUCA1)、跨膜內耳表達蛋白(TMIE)、微管相關蛋白1A(SPMAP1)、過氧化還原酶6(PRDX6)、普列克底物蛋白同源物樣域家族A成員2(PLEKHF2)、人補體3A受體1(C3AR1)、頭蛋白(NOG)。見圖3。

圖3 高血壓和心房顫動11個重疊基因的韋恩圖

2.3 高血壓相關心房顫動基因的GO及KEGG分析 將11個重疊基因導入Metascape系統進行GO分析,富集前8位生物學過程的是白細胞調節免疫(leukocyte mediated immunity)、補體激活(complement activation)、腎發育的調節(regulation of kidney development)、骨髓白細胞介導的免疫(myeloid leukocyte mediated immunity)、骨髓白細胞的活化(myeloid leukocyte activation)、間充質細胞形態發生(mesenchyme morphogenesis)、免疫效應過程(immune effector process)、參與免疫反應的細胞活化(cell activation involved in immune response)。這些基因主要集中在白細胞的活化、免疫的調節與免疫效應的生物學過程中。見圖4。

圖4 高血壓和心房顫動重疊基因的GO富集分析 圖5 高血壓和心房顫動重疊基因的KEGG通路富集分析

對11個重疊基因進行了KEGG通路富集分析,并根據P<0.05的閾值篩選出前5條通路,分別是補體和凝血級聯(complement and coagulation cascades)、TGF-β信號通路(TGF-beta signaling pathway)、金黃色葡萄球菌感染(staphylococcus aureus infection)、其他聚糖降解(other glycan degradation)、甲狀腺癌(thyroid cancer)。見圖5。

2.4 高血壓相關心房顫動的核心基因篩選 高血壓和心房顫動的重疊基因通過STRING數據庫進行分析并構建PPI網絡。PPI網絡使用Cytoscape軟件進行可視化。PPI網絡中節點表示基因,邊表示各基因間的相互作用。使用MCC算法分析整個PPI網絡的拓撲結構,并根據每個節點的重要性進行評分。確定了1個關鍵基因,即MYC。見圖6。

圖6 高血壓和心房顫動關鍵基因的PPI網絡圖

3 討論

高血壓是心房顫動的有力觸發因素,可增加心房顫動患者發生心血管事件的風險。有研究報道,即使是早期形式的高血壓(高血壓前期和主動脈僵硬)也與心房顫動發生的風險密切相關[12]。高血壓也增加了心房顫動不良后果的風險。有研究報道,在未使用抗凝藥的心房顫動患者中,有高血壓病史的患者發生中風或全身血栓栓塞的風險是無高血壓病史患者的1.6倍[13]。嚴格地控制高血壓患者的血壓可以降低心房顫動的發生風險[14]。盡管,高血壓是心房顫動發生和發展的主要危險因素,但高血壓引起心房顫動的機制尚不明確。本研究通過生物信息學網絡分析,了解高血壓合并心房顫動的潛在靶點和機制。

本研究結果發現,高血壓相關心房顫動基因的生物學功能主要富集在白細胞的活化、免疫的調節與免疫效應等生物學過程中,這與既往研究[15]結果相一致,高血壓患者體內的炎癥因子增多,如白細胞介素(interleukin,IL)-17、IL-6、IL-1β、腫瘤壞死因子α、IL-23,免疫系統激活促使抗原遞呈細胞、內皮細胞和T細胞相互作用,造成高血壓靶器官的損害[16],而炎癥也可引起心房間質纖維化、膠原沉積,促使心房電、結構和自主神經的改變,導致心房顫動[17]。

有研究報道,高血壓可引起補體系統的激活和補體因子的產生,進而加速血管損傷,促進高血壓的發展[18]。首先,補體因子通過其在效應細胞中的特異性受體直接促進血管細胞功能障礙。此外,補體激活介導免疫細胞募集,并誘導這些細胞產生炎癥因子。這些共同加重了高血壓引起的器官損傷[19]。與此同時,最近基于英國生物庫的一項隊列研究表明,自身免疫性疾病,如風濕熱、克羅恩病、潰瘍性結腸炎、類風濕性關節炎、結節性多動脈炎、系統性紅斑狼瘡和系統性硬化癥,與較大的心房顫動風險有關[20]。這與本研究中,高血壓和心房顫動重疊基因所富集的通路相符合,即補體相關通路。

本研究篩選出了高血壓相關心房顫動的核心基因MYC。張靈等[21]研究發現,高血壓患者的C-MYC表達升高,C-MYC的表達水平與血漿中血管緊張素Ⅱ、內皮素含量呈正相關;原發性高血壓早中期左室收縮功能正常,但右室舒張功能降低,C-MYC的表達水平可能與心臟右室舒張功能損害程度一致。此外,升高的C-MYC可能與高血壓誘導的心臟重構相關,即心肌肥大和纖維化[22],而左房的擴大和纖維化是心房顫動的標志,不僅引發了心房顫動,而且有助于心房顫動的維持和進展[23]。因此,MYC很可能是高血壓和心房顫動的共病基礎。

綜上所述,炎癥、免疫、補體參與了高血壓合并心房顫動的發病過程,11個重疊基因也參與其中,而MYC作為關鍵基因,可能是高血壓和心房顫動的共病基礎,為高血壓合并心房顫動的治療提供了新的靶點。