Computer findet gemeinsame Biomarker für PAH, metabolisches Syndrom

pulmonaryhypertensionnews.com/news/softw...abolic-syndrome/Gene, die sowohl mit  pulmonaler arterieller Hypertonie  (PAH) als auch mit metabolischem Syndrom assoziiert sind, wurden mithilfe von Computersoftware-Tools identifiziert, berichtet eine Studie. Das metabolische Syndrom, von dem angenommen wird, dass es PAH fördert, ist eine Ansammlung von Zuständen, die durch Bluthochdruck, erhöhten Blutzucker, überschüssiges Körperfett um die Taille und abnormale Cholesterin- oder Blutfettwerte gekennzeichnet sind.Laut Forschern ist dies die erste Studie, die gemeinsame Biomarker und verwandte Stoffwechselwege von PAH und metabolischem Syndrom identifiziert.Die Computerstudie „  Identifikation diagnostischer Biomarker für idiopathische pulmonale Hypertonie mit metabolischem Syndrom durch Bioinformatik und maschinelles Lernen  “ wurde in der Fachzeitschrift  Nature Scientific Reports  veröffentlicht .

 Bei PAH kann der Bluthochdruck, der durch die Verengung der Lungenarterien – der Blutgefäße, die das Blut durch die Lunge transportieren – verursacht wird, durch verschiedene Krankheiten, einschließlich des metabolischen Syndroms, ausgelöst werden. Obwohl Stoffwechselstörungen bei Menschen mit PAH häufig sind und immer mehr Hinweise auf einen starken Zusammenhang zwischen den beiden Erkrankungen hindeuten, haben nur wenige Studien sie gemeinsam untersucht.Eine Methode, mit einer Krankheit verbundene biologische Prozesse zu entdecken, besteht darin, Gene zu identifizieren, deren Expression (Aktivität) in erkranktem Gewebe anders ist als in nicht betroffenem Gewebe. Solche Gene können an der Krankheitsentwicklung beteiligt sein und als Biomarker dienen, um die Diagnose zu unterstützen oder die Schwere der Krankheit oder die Wirksamkeit der Behandlung zu überwachen. Gene Expression Omnibus (GEO) ist eine öffentliche Datenbank mit funktionellen Genomdaten, die von der wissenschaftlichen Gemeinschaft eingereicht wurden. Bioinformatik ist ein Forschungsgebiet, das Computersoftware-Tools verwendet, um diese großen und komplexen Datensätze zu analysieren.Forschung aus ChinaForscher des angeschlossenen Krankenhauses der Universität Nantong in China luden Genexpressionsdatensätze von GEO in Bezug auf PAH und das metabolische Syndrom herunter und verwendeten Bioinformatik, um nach gemeinsamen diagnostischen Biomarkern zu suchen.Zwei Datensätze enthielten Lungengewebe-Genexpressionsdaten, die von 50 PAH-Patientengruppen und 33 Kontrollgruppen gesammelt wurden, und einer von 20 Gruppen mit metabolischem Syndrom und 20 Kontrollgruppen aus Blutproben. Die Forscher wandten zunächst Computeralgorithmen an, um nach differentiell exprimierten Genen (DEGs) – Unterschiede in der Genaktivität zwischen Patienten- und nicht betroffenen Kontrollproben – zu suchen, die zwischen den beiden Erkrankungen üblich waren.In den kombinierten PAH-Datensätzen gab es 159 DEGs, von denen 88 aktiver (hochreguliert) und 71 weniger aktiv (herunterreguliert) waren als nicht betroffene Kontrollen. Im Datensatz zum metabolischen Syndrom waren 629 DEG hochreguliert und 838 herunterreguliert. Ein Vergleich der beiden Ergebnisse ergab 12 DEGs, die beiden Zuständen gemeinsam sind.WGCNA verwendetEine zweite Methode, die sogenannte Weighted Gene Co-Expression Network Analysis (WGCNA), wurde auf die Datensätze angewendet, um Cluster (Gruppen) stark korrelierter Gene zwischen den beiden Zuständen zu finden. Von WGCNA identifizierte das Team weitere 280 PAH-Verbindungen zwischen Genen des metabolischen Syndroms. Davon stimmten fünf mit den 12 zuvor identifizierten DEGs überein und wurden von der Analyse ausgeschlossen. Biologische Prozesse im Zusammenhang mit den verbleibenden 287 Kandidatengenen zeigten, dass sie hauptsächlich am Stoffwechsel und an Immunantworten beteiligt waren und eng mit der Entwicklung von PAH und dem metabolischen Syndrom in Verbindung standen.Da Gene Anweisungen zur Herstellung von Proteinen enthalten, die direkt an der Krankheitsbiologie beteiligt sind, führten die Forscher eine Protein-Protein-Interaktionsanalyse durch, um nach einzelnen Proteinen zu suchen, die mit mehreren anderen Proteinen an sogenannten Hubs interagieren. Diese Knotenpunkte spielten hauptsächlich eine Rolle bei Immunantworten, stellte das Team fest.Zuletzt wurde ein maschineller Lernalgorithmus angewendet, um Kandidatengene mit diagnostischem Wert herauszufiltern. Dabei wurden 11 Gene mit dem höchsten Wert identifiziert: EVI5L , RNASE2 , PARP10 , BSDC1 , ACOT2 , TMEM131 , TNFRSF1B , SAC3D1 , SLA2 , P4HB und PHF1 .Unter diesen Genen zeigten EVI5L mit zellregulierenden Rollen, RNASE2 mit Immunmodulation und PARP10 mit Beteiligung am Fettstoffwechsel die höchste Vorhersagekraft.Validierung der ErgebnisseUm diese Ergebnisse zu validieren, untersuchten die Wissenschaftler die Genexpressionsdaten aus einem anderen Datensatz, der 17 Lungengewebeproben von acht PAH-Patientengruppen und neun Kontrollgruppen enthielt. Hier wurden alle diagnostischen Kandidatengene im Lungengewebe von PAH-Patienten im Vergleich zu Kontrollen unterschiedlich exprimiert, wobei RNASE2 die signifikanteste Veränderung zeigte.Übereinstimmend zeigte das Team, dass PAH-Patienten erhöhte Werte an Immunzellen aufwiesen, die mit entzündlichen Immunantworten assoziiert sind, als nicht betroffene Kontrollpersonen.Eine „umfassende Analyse der gemeinsamen Biomarker dieser Krankheiten kann bei der Früherkennung eines versteckten erhöhten pulmonalen Gefäßwiderstands bei Patienten mit [metabolischem Syndrom] helfen“, schreiben die Forscher, „mit einer rechtzeitigen medizinischen Intervention, die eine größere Vermeidung schwerwiegender Folgen ermöglicht.“„Wechselwirkungen zwischen diesen diagnostischen Kandidatengenen und fehlregulierten Immunzellen sind noch weitere Untersuchungen wert“, stellten die Forscher fest.