Page 38 - 南京医科大学自然版
P. 38

第44卷第7期
               ·922 ·                          南   京 医 科       大 学      学 报                        2024年7月


              归算法筛选得到4个候选枢纽基因分别为GPR183、                         达 HDAC9,Western blot 证实过表达效率(图 6A)。
              HDAC9、LRRC25、NADK(图4D、E)。                         Western blot 显示,与对照组(oe⁃ctrl)相比,过表达
              2.5 SAE小胶质细胞炎性活化核心基因的表达验证                         HDAC9(oe⁃HDAC9)组中 LPS 诱导的小胶质细胞促
                  为了验证生信分析结果,构建 LPS 刺激 BV2 小                    炎因子IL⁃1β、iNOS 的表达显著增强(图6A)。进一
              鼠小胶质细胞活化的体外细胞模型;与对照组比较,                           步,过表达 HDAC9 可上调 LPS 诱导 BV2 细胞 JAK1
              LPS 刺激组小胶质细胞炎性细胞因子 Il⁃1β、Tnf⁃α、                   及 STAT3 磷 酸 化 水 平(p ⁃ JAK1、p ⁃ STAT3),提 示
              Inos 的 mRNA 表达水平显著升高,提示模型构建成                      HDAC9可能促进小胶质细胞JAK1⁃STAT3通路磷酸
              功(图 5A~C)。小胶质细胞内 Hdac9 和 Gpr183 基因                化激活(图6B)。
              的mRNA表达在LPS刺激后24 h后显著下降,Lrrc25
                                                                3  讨 论
              表达上升(图5D~F),与生信分析结果一致;而Nadk
              的mRNA表达差异无统计学意义(图5G)。                                  SAE 可累及超过 50%的脓毒症患者,临床表现

              2.6  过表达HDAC9促进小胶质细胞中促炎因子的                        为急性精神或意识异常、慢性认知功能受损,与脓
              表达以及JAK1⁃STAT3信号通路磷酸化                             毒症不良预后密切相关            [15] 。小胶质细胞炎性活化
                  为探索 HDAC9 在小胶质细胞炎症激活中的潜                       导致的中枢神经系统急性炎症应答是 SAE 的重要
              在作用,本研究通过慢病毒载体在BV2细胞中过表                           病理基础     [16] 。本研究采用生物学信息学技术筛选


              A                                     B

                                                                    MXRA8
                                                                                             VGLL4   FAM107B
                                                                            SLC26A11  FAM198B
                      314       18       1 254                                                           PANX1
                                                             KMO    NADK     CEBPB GPX1   LAT2   LRRC25


                                                             GRINA  PRKAG1   HDAC9        BLNK   GPR183  PSTPIP2

               Module genes of GSE65682  DEGs of GSE103156

                                     C
                                                                      LRRC25     GPR183
                                                             GPX1
                                        GRINA


                                       PRKAG1      HDAC9     CEBPB     LAT2       BLNK


                                        NADK

                     D                                                        E
                            4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 0  4  4  4  4  3  1
                        Binomial deviance  1.0                                   Coeffcients  3 2 1
                        1.5


                        0.5
                        0.0                                                       0
                              -5       -4       -3      -2       -1                  -5  -4  -3  -2  -1
                                              Log(λ)                                       Log(λ)
                 A:Venn diagram demonstrates the identification of the common genes resulting from the intersection of 1 272 DEGs before and after microglial acti⁃
              vation of GSE103156 and 332 genes related to GSE65682 sepsis. B:Constructing a protein⁃protein interaction network by using the STRING database.
              C:Cytoscape screening for TOP10 genes. D,E:Lasso regression analysis. Binomial deviation as a function of the tuning penalization parameter λ(D),
              coefficients as a function of the λ parameter(E).
                                         图4   SAE小胶质细胞炎性活化核心基因的筛选与鉴定
                       Figure 4  Screening and identification of the core genes for microglial inflammatory activation in SAE
   33   34   35   36   37   38   39   40   41   42   43