基于GEO数据库探讨高血压伴心房颤动潜在靶点与机制

张玉婕, 张 奇, 张 萍, 梁 明

北部战区总医院 心血管内科,辽宁 沈阳 110016

高血压是心房颤动最主要的可改变的心血管危险因素之一。高血压不仅在心房颤动患者中非常普遍,也是新发心房颤动的重要因素[1]。高血压引起心房颤动的病理生理学机制包括:心房电重构、血流动力学变化、神经激素的变化[2-4],但这些病理生理学机制的潜在遗传和分子生物学过程仍不清楚。近年来,随着对表观遗传学研究的进一步深入,越来越多的研究者开始从基因水平探讨疾病的相关靶点和机制。GEO数据库是一个存储多种生物信息的信息管理系统,是一个在线的基因表达数据库,可以用于检索各种物种来源的遗传信息,通过提供基因表达测量数据信息平台,使更多的研究者能够进行更深入的数据挖掘[5-6]。本研究采用GSE24752和GSE75092基因芯片,旨在探寻高血压与心房颤动的共同基因,以揭示高血压与心房颤动共同作用的潜在生物学过程,并从高血压与心房颤动共同作用的基因中寻找关键基因,以寻找有前景的诊断生物标志物和治疗靶点。现报道如下。

1 材料与方法

1.1 数据收集 从GEO数据库(www.ncbi.nlm.nih.gov/geo)下载高血压和心房颤动的基因芯片。高血压数据集GSE24752包含3例高血压患者和3例血压正常对照者的外周血细胞差异基因表达谱。心房颤动数据集GSE75092包含3例心房颤动患者和3例正常对照者的外周血细胞差异基因表达谱。将高血压和心房颤动患者的样本分别定义为高血压组和心房颤动组。将正常人的样本定义为正常组。

1.2 数据分析与处理 使用R软件包Limma(version 3.40.6)进行差异分析[7],分析、筛选各数据集中的差异表达基因(differentially expressed genes,DEGs),以|log2FC|≥1.5和P<0.05作为筛选标准筛选出DEGs后,利用R语言,通过RStudio软件绘制火山图和热图。

1.3 重叠基因功能富集分析 采用在线工具Venny 2.1.0(https://bio Infogp.cnb.csic.es/Tools/venny/index.html)绘制韦恩图[8],筛选出高血压和心房颤动DEGs之间的重叠基因,为进一步的功能富集分析做准备。采用Metascape数据库(https://metascape.org/gp/index.html#/main/step1)[9],对高血压和心房颤动之间的重叠基因进行GO基因富集分析和KEGG代谢通路分析,分析其主要的分子生物过程和信号通路,其中,GO基因富集和KEGG通路富集分析的结果均以圈图的形式进行展示。

1.4 重叠基因相互作用网络图构建 采用STRING数据库(https://string-db.org/)[10]构建高血压和心房颤动之间重叠基因的蛋白质-蛋白质相互作用(protein-protein interaction,PPI)网络,为更好地显示重叠基因间的关系,将最大交互者的数量设置为≤10个交互者,将形成的PPI网络数据导入Cytoscape软件3.7.2版进行可视化[11]分析。将相互作用最大的基因称为关键基因,其可能在疾病的共病中起核心作用。

2 结果

2.1 高血压及心房颤动的DEGs筛选 Limma分析结果显示,在GSE24752数据集中共筛选出74个DEGs,其中,上调的DEGs 43个,下调的DEGs 31个。在GSE75092数据集中共筛选出4 584个DEGs,其中,上调的DEGs 2 011个,下调的DEGs 2 573个。采用高血压和心房颤动数据集中显著上调和下调的基因各10个,绘制上述基因的热图。见图1、2。

2.2 高血压相关心房颤动基因的预测 对高血压和心房颤动的重叠基因进行可视化分析,可见重叠基因共11个,分别是原癌基因蛋白(MYC)、C4结合蛋白α(C4BPA)、天然细胞毒性触发受体3配体1(NCR3LG1)、补体因子D(CFD)、岩藻糖苷酶αL1(FUCA1)、跨膜内耳表达蛋白(TMIE)、微管相关蛋白1A(SPMAP1)、过氧化还原酶6(PRDX6)、普列克底物蛋白同源物样域家族A成员2(PLEKHF2)、人补体3A受体1(C3AR1)、头蛋白(NOG)。见图3。

图3 高血压和心房颤动11个重叠基因的韦恩图

2.3 高血压相关心房颤动基因的GO及KEGG分析 将11个重叠基因导入Metascape系统进行GO分析,富集前8位生物学过程的是白细胞调节免疫(leukocyte mediated immunity)、补体激活(complement activation)、肾发育的调节(regulation of kidney development)、骨髓白细胞介导的免疫(myeloid leukocyte mediated immunity)、骨髓白细胞的活化(myeloid leukocyte activation)、间充质细胞形态发生(mesenchyme morphogenesis)、免疫效应过程(immune effector process)、参与免疫反应的细胞活化(cell activation involved in immune response)。这些基因主要集中在白细胞的活化、免疫的调节与免疫效应的生物学过程中。见图4。

图4 高血压和心房颤动重叠基因的GO富集分析 图5 高血压和心房颤动重叠基因的KEGG通路富集分析

对11个重叠基因进行了KEGG通路富集分析,并根据P<0.05的阈值筛选出前5条通路,分别是补体和凝血级联(complement and coagulation cascades)、TGF-β信号通路(TGF-beta signaling pathway)、金黄色葡萄球菌感染(staphylococcus aureus infection)、其他聚糖降解(other glycan degradation)、甲状腺癌(thyroid cancer)。见图5。

2.4 高血压相关心房颤动的核心基因筛选 高血压和心房颤动的重叠基因通过STRING数据库进行分析并构建PPI网络。PPI网络使用Cytoscape软件进行可视化。PPI网络中节点表示基因,边表示各基因间的相互作用。使用MCC算法分析整个PPI网络的拓扑结构,并根据每个节点的重要性进行评分。确定了1个关键基因,即MYC。见图6。

图6 高血压和心房颤动关键基因的PPI网络图

3 讨论

高血压是心房颤动的有力触发因素,可增加心房颤动患者发生心血管事件的风险。有研究报道,即使是早期形式的高血压(高血压前期和主动脉僵硬)也与心房颤动发生的风险密切相关[12]。高血压也增加了心房颤动不良后果的风险。有研究报道,在未使用抗凝药的心房颤动患者中,有高血压病史的患者发生中风或全身血栓栓塞的风险是无高血压病史患者的1.6倍[13]。严格地控制高血压患者的血压可以降低心房颤动的发生风险[14]。尽管,高血压是心房颤动发生和发展的主要危险因素,但高血压引起心房颤动的机制尚不明确。本研究通过生物信息学网络分析,了解高血压合并心房颤动的潜在靶点和机制。

本研究结果发现,高血压相关心房颤动基因的生物学功能主要富集在白细胞的活化、免疫的调节与免疫效应等生物学过程中,这与既往研究[15]结果相一致,高血压患者体内的炎症因子增多,如白细胞介素(interleukin,IL)-17、IL-6、IL-1β、肿瘤坏死因子α、IL-23,免疫系统激活促使抗原递呈细胞、内皮细胞和T细胞相互作用,造成高血压靶器官的损害[16],而炎症也可引起心房间质纤维化、胶原沉积,促使心房电、结构和自主神经的改变,导致心房颤动[17]。

有研究报道,高血压可引起补体系统的激活和补体因子的产生,进而加速血管损伤,促进高血压的发展[18]。首先,补体因子通过其在效应细胞中的特异性受体直接促进血管细胞功能障碍。此外,补体激活介导免疫细胞募集,并诱导这些细胞产生炎症因子。这些共同加重了高血压引起的器官损伤[19]。与此同时,最近基于英国生物库的一项队列研究表明,自身免疫性疾病,如风湿热、克罗恩病、溃疡性结肠炎、类风湿性关节炎、结节性多动脉炎、系统性红斑狼疮和系统性硬化症,与较大的心房颤动风险有关[20]。这与本研究中,高血压和心房颤动重叠基因所富集的通路相符合,即补体相关通路。

本研究筛选出了高血压相关心房颤动的核心基因MYC。张灵等[21]研究发现,高血压患者的C-MYC表达升高,C-MYC的表达水平与血浆中血管紧张素Ⅱ、内皮素含量呈正相关;原发性高血压早中期左室收缩功能正常,但右室舒张功能降低,C-MYC的表达水平可能与心脏右室舒张功能损害程度一致。此外,升高的C-MYC可能与高血压诱导的心脏重构相关,即心肌肥大和纤维化[22],而左房的扩大和纤维化是心房颤动的标志,不仅引发了心房颤动,而且有助于心房颤动的维持和进展[23]。因此,MYC很可能是高血压和心房颤动的共病基础。

综上所述,炎症、免疫、补体参与了高血压合并心房颤动的发病过程,11个重叠基因也参与其中,而MYC作为关键基因,可能是高血压和心房颤动的共病基础,为高血压合并心房颤动的治疗提供了新的靶点。