最新7.7分1区非肿瘤纯生信，单种细胞死亡模式不好发，13种细胞死亡模式一起做！

影响因子：7.7

研究概述：

糖尿病肾病(DKD)是糖尿病最致命的并发症之一，其死亡率高于其他任何糖尿病微血管并发症，因此更好地了解DKD的发病机制，为高风险个体发现可靠的生物标志物，制定新的治疗策略至关重要。多种程序性细胞死亡(PCD)已成为一种重要的疾病表型，有可能作为肾功能下降的指标，并可作为研究DKD药物的靶点。由于PCD的调控涉及众多分子，因此利用生物信息学方法探索关键分子并构建疾病模型显得尤为重要。在本研究中，作者从GEO数据库中检索了与DKD相关的转录组数据，从各种公共数据库和综述中获得了13个与PCD相关的基因。随后，作者采用基因集变异分析(GSVA)方法分析这13种PCDs在DKD中的通路活性，并基于DKD的单细数据集研究这些PCDs在不同肾细胞中的通路活性。在确定了DKD的4个核心PCD通路后，作者进一步应用WGCNA算法筛选了4个核心死亡基因(CASP1、CYBB、PLA2G4A和CTSS)，并基于这些基因构建了CDS风险评分。CDS风险评分对DKD患者的诊断效率较高，评分越高的患者免疫细胞浸润水平越高，肾小球滤过率越差。该研究揭示了DKD患者之间的异质性，从而可以评估DKD的临床预后和促进发现治疗DKD的新治疗靶点。

本篇文章还可以进一步升级，例如基于13种细胞死亡模式的的评分进行分型，后续结合百种机器学习建模。或者将细胞死亡换成代谢等其他方向。

想进行相关生信分析的朋友欢迎交流

研究结果：

对照组和DKD组DEGs的功能和途径富集分析

图A、B为对照组和DKD组的DEG热图和火山图，作者在正常和DKD样本之间鉴定出700个差异表达基因(DEGs)，其中，342个基因在DKD组中上调，358个基因下调。图C是基于对照组和DKD组之间DEG的KEGG富集分析，可见这些DEGs富集于DKD发病的关键通路，如“糖尿病并发症中的AGE-RAGE信号通路”和“肾素-血管紧张素系统”，以及线粒体代谢相关通路，如“柠檬酸循环”、“脂肪酸代谢”、和“糖酵解和糖质新生”。这些DEGs还在多种免疫相关通路中富集，如“补体和凝血级联”、“NFkappa B信号通路”和“TNF信号通路”。图D是标志基因组通路的GSEA分析，结果显示，DKD患者的“上皮间充质转化”和“细胞凋亡”等被激活，而线粒体“异种代谢”、“脂肪酸代谢”、“氧化磷酸化”等途径的活性被抑制。

对照组和DKD组PCD相关基因表达及通路活性分析

图A和图B中，对照组和DKD组与PCD相关DEG的热图和火山图显示，在所有细胞死亡相关基因中，凋亡、自噬、内吞性细胞死亡、铁死亡、溶酶体依赖性细胞死亡、坏死死亡和焦亡基因集中的基因在对照组和DKD组中出现差异表达。图C GO和图D KEGG是基于对照组和DKD组之间PCD相关DEG的KEGG富集分析。GO分析显示，与PCD相关的DEGs在“响应氧化应激”和“正向调节MAPK级联”等生物过程中富集。KEGG分析显示，DEG参与调控“凋亡”、“MAPK信号通路”、“nod样受体信号通路”等信号通路。为了进一步了解DKD中各种细胞死亡通路的激活状态，图E显示，DKD患者的PCD通路中有7条上调，包括凋亡、双硫死亡、内吞性细胞死亡、溶酶体依赖性细胞死亡、坏死性细胞死亡、氧沉性细胞死亡和焦亡。相比之下，4种PCD途径在DKD中显示活性降低:碱中毒、自噬、铁中毒和帕尔塔死亡（parthanatos）。

基于snRNA-seq评估肾细胞中单个细胞类型的PCD模式

经过数据过滤，本研究中分析的细胞核数量为23,551，图A是23,551个单核的UMAP可视化。图B是基于细胞类型特异性标记物鉴定出9种细胞类型。图C显示了每个簇内选择的平均基因表达值和表达这些基因的细胞核百分比的点阵图。图D是不同肾细胞中13种PCD的GSVA评分热图，发现不同肾细胞中各种细胞死亡模式的通路活性存在显著差异。图E和F评估了不同肾细胞中细胞死亡的活性水平，结果显示，在PCT、MC、LOH、IC、DCT、EC、POD、CNT和CTI 9种细胞中，细胞死亡基因集的活性按AUCell评分依次递增。

免疫细胞浸润的评价

图A使用ssGSEA算法比较了正常组和糖尿病组之间的免疫浸润。研究发现DKD患者中多个免疫细胞的比例增加。图B为13个PCD相关GSVA评分与不同免疫细胞的相关性分析。研究表明，PCD通路的活性，如凋亡、内皮细胞死亡、坏死坏死和焦亡，与许多免疫细胞的浸润呈显著正相关，包括活化B细胞、活化CD4 T细胞、活化CD8 T细胞、活化树突状细胞、中枢记忆CD4 T细胞、中枢记忆CD8 T细胞、效应记忆CD4 T细胞、效应记忆CD8 T细胞、肥大细胞、MDSC、记忆B细胞、单核细胞、自然杀伤细胞、自然杀伤T细胞、调节性T细胞，T滤泡辅助细胞和1型T辅助细胞。另一方面，自噬和碱沉与大多数免疫细胞浸润呈显著负相关。

PCD在DKD中的临床意义

图A探讨13种PCD通路活性与肾纤维化标志物(FN1、COL1A2、COL1A1和ACTA2)之间的关系，这些标志物是肾纤维化和DKD的重要病理特征。凋亡、内源性细胞死亡、坏死下垂和焦下垂与这些纤维化相关基因呈显著正相关，碱沉和自噬呈负相关。其他PCD通路与纤维化相关基因间无显著相关性。图B显示，坏死性死亡、双硫死亡、氧性死亡、内源性细胞死亡、细胞焦亡、铁死亡、凋亡和嗜性细胞死亡等几种细胞死亡途径与GFR呈负相关，而碱沉死亡与GFR呈正相关。此外，图C使用ROC曲线分析评估了13个与PCD相关的GSVA评分对DKD的诊断效果。使用ROC曲线分析评估了13个与PCD相关的GSVA评分对DKD的诊断效果。诊断效能排名前5位的PCD途径分别是细胞凋亡(AUC = 0.8519)、凋亡(AUC = 0.8335)、凋亡(AUC = 0.7456)、坏死死亡(AUC = 0.7341)和溶酶体依赖性细胞死亡(AUC = 0.7001)。

WGCNA鉴定DKD中与PCD密切相关的模块

研究利用WGCNA分析来探索与内源性细胞死亡、凋亡、坏死和焦亡相关的模块基因。首先，图A通过GSVA获得的13条PCD通路的富集分数构建了一个共表达网络，将计算软软阈值设置为8，建立无标度拓扑模型。接下来，作者对表达谱中的基因进行聚类，图B发现蓝色模块与内皮细胞死亡的相关性最强，而在图C中显示黄色模块与凋亡、坏死和焦亡的相关性最强。此外，图D和图E将黄色和蓝色模块分别与正常对照组和DKD组的DEG相交。KEGG分析显示，正常组和DKD组之间的蓝色模块和DEG相交富集了“糖尿病并发症中的AGE-RAGE信号通路”、“补体和凝血级联”和“细胞因子-细胞因子受体相互作用”等途径。另一方面，图F显示正常组和DKD组之间的黄色模块和DEG的交叉点在“抗原加工和递呈”、“细胞粘附分子”和“补体和凝血级联”等途径中富集。

基于核心死亡基因的CDS风险评分构建

通过将模块基因与正常对照和DKD患者的常见DEG相交，研究进一步鉴定了4个核心死亡基因(CASP1、CYBB、PLA2G4A和CTSS)。图A显示，与正常对照组相比，DKD患者肾脏组织中这4个基因的表达显著上调。图B展示了用ROC曲线分析评估这4个核心死亡基因在DKD中具有较高的诊断潜力，AUC值由高到低依次为:CASP1 (AUC = 0.8783)、CYBB (AUC = 0.8151)、PLA2G4A (AUC = 0.771)、CTSS (AUC = 0.756)。图C和图D采用LASSO回归分析，根据4个核心死亡基因的表达水平，确定构建每位患者细胞死亡相关特征(CDS)风险评分的因素数量。建立CDS风险评分公式为:CTSS expression *(− 2.35073) + CASP1 expression * (5.00834) + CYBB expression *(1.120102) + PLA2G4A expression * (1.387081) (Fig. 7C and D)。图E和图F进一步验证了CDS对DKD患者的诊断效率，发现其诊断准确率较高。

低危、高危人群DEGs的功能及通路富集分析

根据CDS风险评分中位数，作者将DKD患者分为两组，在低风险组和高风险组之间确定了259个DEGs。图A和B中的火山图和热图显示，在这些DEGs中，74个表达下调，185个表达上调。图C的GO分析显示，低风险组和高风险组的DEGs在“对外部刺激反应的正调节”、“细胞因子产生的正调节”和“白细胞迁移”等生物过程中富集。图D的KEGG分析显示，DEG参与调控“PI3K-Akt信号通路”、“局灶黏附”和“细胞因子-细胞因子受体相互作用”等信号通路。图E的GSEA结果显示，大多数标志基因集被激活，包括“凋亡”和“上皮-间质转化”等途径。

低危和高危人群免疫细胞浸润的评价

图A观察到，在按CDS风险评分分层的患者风险组中存在不同的免疫浸润模式。与低危组相比，高危组大多数免疫细胞的浸润水平更高。图B展示了，CDS风险评分和4个核心死亡基因与大多数免疫细胞类型显著正相关，表现出相似的模式。这表明CDS风险评分高的患者肾脏免疫细胞浸润水平较高。

验证CDS风险评分在DKD中的作用

研究使用GSE30528作为验证队列。根据验证队列中CDS风险评分中位数，将DKD患者分为低危组和高危组。图C展示了，研究首先在验证队列中验证了4个核心死亡基因的表达，发现它们的表达水平也增加了。图B violin plot显示DKD组的CDS风险评分升高，但不具有统计学意义，可能是样本量小。图C表明诊断准确性高，用ROC曲线来评估CDS风险评分对DKD的诊断性能，AUC为0.752。随后，利用Nephroseq v5在线工具的临床数据调查了风险评分与肾功能之间的关系。如图D所示，风险评分与GFR水平呈负相关。这些发现表明，在验证队列中，基于核心死亡基因构建的CDS风险评分可以作为DKD的高精度诊断指标，并可能作为肾功能恶化的潜在预测指标。

研究总结：

在这项研究中，作者关注糖尿病肾病这种非肿瘤性疾病，确定了4个在DKD的发生发展中起关键作用的细胞死亡相关基因，利用筛选出的核心死亡基因构建了CDS风险评分，可以有效区分正常对照组和DKD患者。此外，该风险评分可用于预测肾功能和肾纤维化程度，为DKD的临床评估和管理提供了有价值的见解。