目的 单细胞RNA测序(scRNA-Seq)为深入探析不同细胞类型中单细胞与机体的关系提供了新的方法和思路.文中旨在利用scRNA-Seq筛选颈动脉粥样硬化(CAS)中巨噬细胞的特征基因.方法 从GEO数据库中下载单细胞测序数据集GSE159677,进行预处理、质控、降维聚类及注释,利用FindAllMarker函数筛选正常组和CAS组间的差异表达基因(DEGs)及CAS组巨噬细胞的特异性DEGs,将两者取交集获取共同DEGs,并利用clusterProfiler包对共同DEGs进行富集分析.其次,构建共同DEGs的蛋白互作网络,并筛选巨噬细胞的特征hub基因.然后,下载基因芯片数据集GSE43292,利用pROC包绘制巨噬细胞特征hub基因的受试者工作特征曲线,以评价其诊断效能;分别使用CIBERSORT和ssGSEA算法对所有样本中免疫细胞的浸润模式进行分析.采用Pearson法对GSE43292数据集中特征hub基因与CAS样本巨噬细胞的浸润模式进行相关性分析.结果 共筛选47个共同DEGs,主要涉及调控中性粒细胞介导的免疫反应、PPAR通路等生物学功能和通路.进一步利用cytoHubba插件共鉴定出5个巨噬细胞特征hub基因即CLU、CTSD、CTSB、CTSL、CTSZ.ROC分析显示,5个特征基因均表现出了良好的诊断CAS的效能.两种免疫细胞浸润算法的结果均提示,巨噬细胞在AS组织中的浸润比例较对照样本高.CIBERSORT算法结果显示,巨噬细胞含量的相对比例与CLU(r=-0.39,P=0.029)呈负相关性;与CTSD(r=0.83,P<0.001)、CTSB(r=0.76,P<0.001)、CTSL(r=0.85,P<0.001)、CTSZ(r=0.82,P<0.001)均表现出了明显的强正相关性(P<0.05).ssGSEA算法结果显示,巨噬细胞含量的相对比例与CLU呈一定的负相关性(P<0.05);与CTSD、CTSB、CTSL、CTSZ均表现出了明显的强正相关性.结论 CLU、CTSD、CTSB、CTSL、CTSZ为CAS的潜在巨噬细胞特征基因,可为后续探索CAS进展的免疫学机制、潜在临床诊断标志物的开发以及靶向巨噬细胞防治CAS提供了新的思路和切入点.

颈动脉粥样硬化;单细胞RNA测序;巨噬细胞;特征基因

王建茹;李晓辉

450000 郑州,河南中医药大学第一附属医院心内科

医学研究与战创伤救治

[1]王建茹;李晓辉-.基于单细胞RNA测序技术筛选颈动脉粥样硬化中巨噬细胞特征基因的研究)[J].医学研究与战创伤救治,2022(10):1014-1021

GSE159677,FindAllMarker,GSE43292,CTSZ

技术筛选,颈动脉粥样硬化,巨噬细胞,特征基因,scRNA,Seq,不同细胞类型,方法和思路,CAS,GEO,下载,单细胞测序,序数,质控,降维聚类,差异表达基因,DEGs,交集,clusterProfiler,富集分析,蛋白互作网络,hub,基因芯片,pROC,受试者工作特征曲线,诊断效能,CIBERSORT,ssGSEA,有样,浸润模式,免疫反应,PPAR,生物学功能,cytoHubba,插件,CLU,CTSD,CTSB,CTSL,免疫细胞浸润,浸润比例,照样,免疫学机制,诊断标志物

0.246234