文摘
目的。识别的关键基因和表观遗传生物标记物通过构造长非编码RNA - (lncRNA)相关的内源性RNA(龙头)网络参与竞争不可逆转的纸浆神经炎症(牙髓炎)。材料和方法。公共数据集对不可逆牙髓炎从基因表达综合下载(GEO)数据库。微分表达式分析来识别差异表达基因(度)和DElncRNAs。功能富集分析探讨生物过程和信号通路富集度。通过执行加权基因coexpression网络分析(WGCNA),确定每个数据集的重要基因模块。最重要的是,DElncRNA-DEmRNA监管网络和DElncRNA-associated龙头、网络构建。转录因子(TF) DEmRNA网络建立了识别关键TFs参与牙髓炎。结果。两个数据集(GSE92681和GSE77459)选择进行分析。度参与牙髓炎在七个信号通路(即明显富集。,NOD-like receptor (NLR), Toll-like receptor (TLR), NF-kappa B, tumor necrosis factor (TNF), cell adhesion molecules (CAMs), chemokine, and cytokine-cytokine receptor interaction pathways). The ceRNA regulatory relationships were established consisting of three genes (i.e., LCP1, EZH2, and NR4A1), five miRNAs (i.e., miR-340-5p, miR-4731-5p, miR-27a-3p, miR-34a-5p, and miR-766-5p), and three lncRNAs (i.e., XIST, MIR155HG, and LINC00630). Six transcription factors (i.e., GATA2, ETS1, FOXP3, STAT1, FOS, and JUN) were identified to play pivotal roles in pulpitis.结论。本文演示了不可逆转的牙髓炎的遗传和表观遗传机制揭示了龙头、网络。生物标志物发现可以为应用程序提供研究方向的转基因干细胞再生牙髓学的。
1。介绍
牙髓炎,感官的三叉神经传入轴突的神经炎症牙髓组织,伴随着疼痛刺激诱导的神经纤维纸浆(1]。作为一个动态免疫炎症疾病,炎症和再生之间的平衡反应的纸浆决定了临床结果,例如,从健康的纸浆可逆牙髓炎,不可逆转的牙髓炎,直到牙髓坏死和纸浆死亡2]。不可逆牙髓炎治疗相关性高,因为它的特点是挥之不去的痛苦,是热刺激、自发性疼痛,晚上和痛苦3]。根管治疗(RCT)基于不可逆牙髓炎;牙髓切除术仍是唯一选择然而,个随机对照试验可以使牙齿更脆弱,因此更容易断裂(4]。鉴于这种并发症的个随机对照试验,研究人员正在试图使用间充质干细胞、生物材料支架和生长因子,以保护牙髓和实现纸浆的neurovascularization组织基于现代组织工程的方法。然而,纸浆再生方法面临着许多挑战,如寿命和扩散生长因子,以及降解的生物材料。为了克服这些挑战,转基因干细胞已经越来越多的调查,也可以取得更好的效果比单独使用干细胞(5]。自转基因干细胞移植可以承诺在牙髓学的再生,所以有必要有一个深入了解的遗传和表观遗传机制参与的病理牙髓炎。
随着基因检测技术,遗传和表观遗传机制已被证明通过芯片和测序数据集(6,7)发挥关键作用的免疫炎症反应和修复反应牙髓炎。众所周知,作为蛋白质编码RNA信使核糖核酸(mRNA)可以由多个目标非编码RNA等小分子核糖核酸(microrna)和长非编码RNA (lncRNAs) [8,9]。基于竞争的内源性RNA(龙头)提出的假说Salmena et al ., lncRNAs窝藏microrna的反应元素(研究硕士)和mrna可以被绑定到一个共享microrna的互相竞争,从而作为分子“海绵”和诱导转化镇压在转录后的级别(10]。自从电抗器,网络已被证实能参与许多炎症和癌症11),这个网络也可能参与炎症牙髓的,因此应该调查。表达式的生物信息学技术集成所有分析数据集向公众开放,允许识别关键的生物标志物参与电抗器,网络成为可能。到目前为止,只有一项研究可以检查这个问题;然而,有不同的研究设计和过程,从而得到截然不同的结果(12]。
因此,当前的研究是针对许多遗传和表观遗传标志物,包括差异表达基因,大大丰富了途径关键基因的蛋白质相互作用网络和龙头、网络、关键microrna和lncRNAs参与电抗器,网络,和转录因子参与TF-mRNA网络。这些生物标志物的鉴定将有利于干细胞的基因改造,有利于牙髓的再生和不可逆转的牙髓炎可逆牙髓炎的转变。
2。方法
2.1。采购数据集
微阵列数据集对不可逆牙髓炎从GEO NCBI数据库的搜索(13]。基因数据集可以调查mRNA表达谱或非编码RNA表达谱。数据集建立了如下的入选标准。(1)的研究设计,包括数据集应该建立两组,包括正常牙髓组织为控制组,炎症牙髓组织为实验组。(2)样本取自成年人(18岁以上)呈现为牙髓学的治疗没有证据表明根尖周的痛苦(即。、射线透射性肿胀,压力灵敏度),没有先前的纸浆疗法(即。、纸浆限制)。(3)正常果肉组织包括对照组的数据收集从健康的第三臼齿或拔牙矫正的目的。发炎的牙髓组织中包含的数据集的实验组从牙齿中提取诊断为不可逆牙髓炎按照牙髓学诊断系统从美国牙髓学协会。(4)每组的样本包含的数据集应该超过三个。建立了数据集的排除标准如下:(1)的数据集有不同的研究设计;(2)数据集了纸浆与牙周炎牙齿样本/不完全发展根基; (3) the datasets which took the pulp samples from the patients who had a compromised immune system or those who were taking medications known to influence the immune response; (4) the sample size for each group in the included datasets was less than three. According to the inclusion and exclusion criteria mentioned above, two datasets (GSE92681 and GSE77459) were therefore obtained.
2.2。采购miRNA-mRNA和miRNA-lncRNA交互数据
对人类的实验验证miRNA-target交互的数据验证的实验从三个数据库:下载TarBase(6.0版)(14),miRTarBase(4.5版)(15],miRecords(第4版)(16]。对人类的实验验证miRNA-lncRNA交互的数据从母星(2.0版)下载数据库(17]。
2.3。差异表达分析
对于数据集GSE92681,探针序列reannotated因为无法获得相应的基因探针的象征。lncRNA和mRNA数据得到的平台GSE92681数据集后注释。微分表达式的分析是由使用微阵列数据的线性模型(limma) R / Bioconductor包(18)来识别差异表达基因(度)和差异表达lncRNAs (DElncRNAs)不可逆转的牙髓炎样本之间的识别和控制健康牙髓的样本。所需的基因和lncRNAs截止标准(值< 0.05和一个 )被视为度和DElncRNAs。维恩图被用来可视化重叠和工会度了两个数据集。
2.4。功能性浓缩度的分析
度重叠的两个数据集(GSE77459和GSE92681)用于功能富集分析为了探索监管生物过程和所涉及到的信号通路这些度。功能富集分析通过使用clusterProfiler包在Bioconductor包(19]。功能与值< 0.05被认为是重要的。
2.5。(PPI)蛋白质相互作用网络的建设
全面分析的功能度参与整个生物网络牙髓炎,工会度确定从两个数据集是仅用于PPI网络分析而不是重叠相交度。这些度的相互作用的基因从HPRD[下载20.)和BioGRID数据库(21]。PPI网络的可视化是由使用Cytoscape软件(22]。几个拓扑特性(即。,degree, average shortest path length, betweenness centrality, closeness centrality, clustering coefficient, and topological coefficient) of the nodes (protein) in this PPI network were calculated by using CytoNCA plugin in Cytoscape software to screen hub genes. The top 20 genes were selected from this network, and their topological features were listed.
2.6。加权基因Coexpression网络分析
进一步分析交互的功能基因在牙髓炎发病机理,加权基因coexpression网络是由使用加权coexpression网络分析(WGCNA)。的基因选择值< 0.05,这些基因的表达谱数据。选择重要基因模块,在每个模块和遗传交互影响。基于HPRD和BioGRID数据库,选择的重要基因的PPI网络模块构建,分别。排名前25位的基因节点在这些PPI网络计算和上市。
2.7。DElncRNAs的功能富集分析
基于GSE92681数据集,coexpression DElncRNAs地位和度计算通过使用统计method-Pearson相关性。显著的交互作用对PPC 和值< 0.05。使用clusterProfiler功能富集分析进行调查的功能DElncRNAs在选定的显著的交互作用对。函数与值< 0.05被认为是重要的功能。
2.8。浓缩地图分析
浓缩的地图使用Cytoscape插件进行功能富集分析可视化。铀浓缩活动组织丰富术语映射到网络边缘连接重叠基因集(23]。这张地图在本研究构建显示之间的相似性函数由lncRNAs的基因。的丰富功能基因的目标DElncRNAs可以相互作用,而不是单独孤立;因此,一个特定功能的失调术语可能会导致异常的监管方面的互动功能。浓缩的地图,节点代表的功能。节点的颜色强度代表意义(值),节点时浅的颜色价值更大。边缘厚度代表基因重叠的程度之间存在两个方面。边缘时更广泛的共同基因重叠两个方面更大;也就是说,这两个之间的相似条款更大。
2.9。DElncRNA-DEG监管网络建设
交互作用对DElncRNA-DEG得到和用于构造DElncRNA-DEG监管网络。计算节点在这个网络的拓扑特性,和前20节点在降序排名根据学位。
2.10。建设一个转录因子(TF)度网络
首先,度获得来自两个数据集(GSE92681和GSE77459)相结合,用于后续分析。的转录因子(TF)度互动对当时从几个数据库,获得包括TRANSFAC [24],tr [25],ORTI [26]。基于这些互动对,TF-DEG监管网络建设。节点的拓扑特性在这个TF-DEG网络计算和排名前20的节点在降序排名根据学位。
2.11。一个龙头、网络建设
目标度和microrna的microrna的目标DElncRNAs得到从母星数据库(17]。之后,我们综合coexpressed DElncRNA-mRNA交互对,DElncRNA-miRNA交互对,和DEG-miRNA交互对。基于这些互动对,电抗器,网络构建DElncRNA-miRNA-DEmRNA交互对组成。这个龙头、网络的拓扑特性的节点计算和排名前20的节点被列在降序排名根据学位。此外,为了获得lncRNA-mRNA交互和miRNA-mRNA交互之间的功能模块,Cytoscape插件MCODE用于识别,电抗器的集群网络。
3所示。结果
3.1。研究流程图
本研究的分析顺序呈现在图1。如图1,两个数据集对分析了不可逆转的牙髓炎通过执行微分表达式分析识别度和DElncRNAs,进行功能富集分析识别信号通路,通过构造DEG-TF网络识别关键TFs,最后通过构建lncRNA-associated电抗器,网络识别的关键基因,microrna, lncRNAs。
3.2。的识别度
GSE92681数据集基于GPL16956平台分析了非编码RNA表达分析数据7炎症牙髓的组织和健康的牙髓的组织(表51)。GSE77459数据集基于GPL17692平台分析了mRNA表达分析数据6炎症牙髓的组织和健康的牙髓的组织(表61)。274年从数据集GSE92681 DElncRNAs(138调节和136下调)和664度(486调节和178下调)被确定(表2)。从数据集GSE77459 823组成的1101度调节和278表达下调(表2)。此外,维恩图(图中所示的交叉部分2)表明,151度(包括133调节度和18表达下调度由两个数据集是重叠的。当考虑欧盟地区的维恩图,总共有1176调节度和438度使之抑制。
(一)
(b)
3.3。生物过程和信号通路富集度
如图3(一个)度明显参与许多生物过程,例如,细胞adhesion-related个基点,免疫细胞(例如,3 t细胞,中性粒细胞,粒细胞,白细胞,淋巴细胞)相关的BPs,和免疫与响应相关的BPs。如图3 (b)度明显参与许多信号通路,例如,趋化因子和cytokine-related途径(即。、肿瘤坏死因子、IL-17趋化因子,cytokine-cytokine受体相互作用),T细胞和B闲暇的途径(即。,Bcell receptor and Th1 and Th2 cell differentiation), NF-kappa B, and microbial infection-related pathways (i.e., Epstein-Barr virus infection and金黄色葡萄球菌感染)。
(一)
(b)
3.4。识别基因通过构造PPI网络的中心
PPI网络的度表示在牙髓炎如图2由9070个基因对节点和24903 PPI交互。文件S1显示了所有度节点图的拓扑特征2。表3显示了前20名基因节点在降序排名根据他们的学位。从图可以看出4最高的基因克服各种学位是确定网络中扮演最重要的角色通过交互度的最高数字。除了基因钻井其他调节度(如IFI16, ARRB2, HLA-B, EZH2, ADRB2,林恩,安全系数,RPS9, KPNA2, IL7R, CASP8, CD247, HIF1A, MYO19,和MNDA)和表达下调度(例如,SFN, MAP3K1和LGR4)也确定网络中扮演关键角色。
3.5。DElncRNAs丰富生物过程
如图5,DElncRNAs被发现显著参与许多生物过程,例如,免疫细胞(树突细胞、白细胞和T细胞)相关的BPs(如调节树突状细胞分化,树突状细胞分化、T细胞激活参与免疫反应,调节T细胞的激活,以及白细胞分化),cytokine-related BPs(即。、移行细胞生产、调节细胞因子分泌,和消极的调节细胞因子分泌)。
3.6。功能性DElncRNAs方面的相似性
如图6免疫细胞(例如,淋巴细胞、白细胞和T细胞)有关的功能角度去观察与cytokine-related去条款(如细胞因子刺激的细胞反应,积极调节细胞因子的生产,和调节生产)。
3.7。DElncRNA-DEG监管网络
如图7DElncRNA-DEG监管网络由312个节点和905个边缘。文件S2显示网络中的所有节点图的特点7。从表4,许多lncRNAs程度最高的网络中扮演关键角色,比如rp11 - 702 f3.3 rp5 - 963 e22.4 rp11 - 555 g19.1 ctd - 2568 a17.1, PRSS29P。
3.8。中心转录因子的识别
TF-DEG监管网络由1750个节点和17095个边缘(图8)。文件S3显示网络中所有节点的拓扑特征图8。结合数据如图8和表5,可以发现,只有一个TF-FOS差异表达在牙髓炎前20名的节点TF-DEG网络。尽管其他19个节点(即。,GATA2, ETS1,YBX1, AR, FOXP3, GATA1, SP1, E2F4, PRDM14, ARNT, MIA3, JUN, CREB1, FOS, STAT1, CEBPA, AHR, E2F1, PAX5, and Pax-5) except FOS were not differentially expressed in pulpitis, they still play critical roles in the pathogenesis of pulpitis by interacting and regulating DEGs that are expressed in pulpitis. As seen from Figure8,其他TFs也发现差异表达在牙髓炎,例如,一些FOSB JUNB, EGR1, HIF1A, PLAU, MECOM, TP63和脑源性神经营养因子。
3.9。重要基因的识别模块
可以看到从图9用不同的颜色(即5基因模块。,blue, brown, grey, turquoise, and yellow) were identified from GSE77459. Among these five coexpressed gene modules, the blue module with the lowest值被发现是最重要的模块。关于GSE92681,用不同的颜色(即八个基因模块。,black, blue, brown, green, grey, red, turquoise, and yellow) were identified, among which the green module with the lowest值被发现是最重要的模块。
3.10。建设PPI网络模块选择的重要基因
PPI网络建立了这两个选择重要coexpressed基因模块(蓝色模块在GSE77459(图10在GSE92681(图)和绿色模块11分别)。PPI网络的模块内GSE77459数据集包括4712 3599个基因节点和边缘,而绿色的PPI网络模块在GSE92681数据集由1019 930个基因节点和边组成。文件S4和S5显示网络的所有节点的拓扑特征如图10和11,分别。表6和7显示这两个PPI网络的拓扑特征描述的数据10和11,分别。在美国排名前25位的基因GSE77459 PPI网络的模块的数据集,只有3调节度(BIRC3、ITPR3 PTPRB)被发现;相比之下,其他22个基因在前25位基因节点没有度(表6)。在美国排名前25位的基因在PPI网络的绿色模块GSE92681数据集,只有一个调节度(MMP-7)和一个表达下调度(IK)被发现;相比之下,其他23个基因没有度(表7)。
3.11。龙头、网络
如图12DElncRNA-miRNA-DEmRNA组成的,一个龙头、网络互动对描述。文件S6显示网络中所有节点的拓扑特征图12。结合前20名的信息节点表所示8,它可以观察到,lncRNA XIST在这个网络中扮演最重要的角色。除了lncRNA XIST,一些基因(如MIR155HG, LCP1 EZH2, NR4A1)和几个microrna(例如,hsa - mir - 340 - 5 - p, hsa - mir - 4731 - 5 - p, hsa - mir - 5590 - 3 - p, hsa-miR-27a-3p, hsa-miR-27b-3p, hsa - mir - 329 - 3 - p, hsa - mir - 362 - 3 - p, hsa - mir - 494 - 3 - p, hsa - mir - 424 - 5 - p, hsa - mir - 2682 - 5 - p, hsa - mir - 515 - 5 - p, hsa - mir - 766 - 5 - p, hsa - mir - 449 - c - 5 - p, hsa-miR-34a-5p,和hsa - mir - 449 a)网络中也扮演重要角色。如数据所示(13日)- - - - - -13 (c)确定了三个集群,电抗器,网络。可以看到从图13 (c),LINC00630可以与两个microrna (mir - 539 - 3 - p和mir - 485 - 3 - p)在目标基因PEX5 PEX5 LINC00630可以间接目标基因。
(一)
(b)
(c)
4所示。讨论
这个研究发现许多基因和表观遗传生物标志物参与牙髓炎的病理,包括六个中心基因在PPI网络(即。、钻井、MAP3K1 HIF1A、CASP8 IFI16,和安全系数),几个因素参与,电抗器的网络(例如,三个基因(即。,LCP1 EZH2和NR4A1),五个microrna(即。,miR-340-5p, miR-4731-5p, miR-27a-3p, miR-34a-5p, and miR-766-5p), and three lncRNAs (i.e., XIST, MIR155HG, and LINC00630)), six transcription factors (i.e., GATA2, ETS1, FOXP3, STAT1, FOS, and JUN), and seven signaling pathways (i.e., NOD-like receptor (NLR), Toll-like receptor (TLR), NF-kappa B, tumor necrosis factor (TNF), cell adhesion molecules (CAMs), chemokine, and cytokine-cytokine receptor interaction pathway). The detailed roles of these critical factors are supported by the previous scholar evidence and will be described in the following section.
许多基因识别参与牙髓炎的PPI网络;然而,仍然没有直接证据能够支持这些基因的参与在牙髓炎。在此,只有6个基因被先前的研究,大多数研究包括钻井MAP3K1, HIF1A, CASP8, IFI16和安全系数。对于第一个示例,克服(泛素D)被证明有多个细胞过程,发生在牙髓炎:调节nf -κB信号通路(27),调节细胞凋亡caspase-dependent的方式(28,参与树突状细胞的成熟29日]。看着的情况下MAP3K1(增殖蛋白激酶激酶激酶1),该基因编码一个丝氨酸/苏氨酸激酶和已被证明是许多信号转导级联包括ERK的一部分(细胞外signal-regulated激酶)30.)和物(c-Jun n端激酶)激酶(31日],nf -κB [32],TLR4信号[33)和il - 1的家人信号通路(32]。因为这里提到这些途径已经证实与牙髓炎(34- - - - - -36),可以推测MAP3K1也参与炎症牙髓的。的情况下HIF1A(低氧诱导因子1α亚基),该基因编码转录因子的α亚基低氧诱导因子- 1 (HIF-1) [37]。这种基因可以调节细胞缺氧环境和系统的稳态响应通过激活许多基因与血管生成和细胞凋亡38]。由于缺氧环境的崩溃引起的静脉微循环在牙髓的炎症可能导致局部或广义牙髓坏死和死亡39],HIF1A可能是一个特定的信号表明潜在恶化风险从不可逆转的牙髓炎、牙髓坏死和死亡。例如,caspase-8和caspase-9(由CASP8编码和CASP9)是半胱氨酸蛋白酶,扮演着重要的角色在细胞凋亡的信号通路,坏死和炎症40]。由于CASP9是参与细胞凋亡在人类从乳牙牙髓干细胞41)并激活caspase-9会导致激活下游caspase-8 [42),因此CASP8可以认为是参与细胞凋亡的信号通路牙髓炎的发病机理。另一个例子是干扰素诱导蛋白16 (IFI16)诱导干扰素-γ欣的一员- 200细胞因子的家庭。干扰素-流行率很高γ信使RNA在发炎纸浆已经检测到(43),和干扰素的甲基化状态γ已经从总甲基化改变健康的果肉部分甲基化或unmethylation发炎纸浆。自干扰素-γ细胞因子可能参与免疫应答过程中纸浆炎症(44],牙髓炎的表观遗传事件也可以与IFI16的变更。看另一个例子,”丛书基因家族(安全系数,FOSB FOSL1, FOSL2)已建议调节细胞增殖的过程中,分化、转换和细胞凋亡。即早期基因产物的表达”丛书据报道,由LPS-induced诱发炎症牙髓的吻侧三叉地区的雪貂(45]。对于模式的表达式,使用大鼠模型的另一项研究发现,牙齿牙髓的慢性炎症引起的安全系数的表达在老鼠脑干dynorphin-rich地区被证明是时间和空间46]。几乎所有的基因的作用在牙髓炎是基于猜测,因此需要在未来的研究通过设计相关实验进行验证。
三个基因(即。,LCP1, EZH2, and NR4A1) are identified to be key biomarkers in the ceRNA network. For example, LCP1 (Lymphocyte Cytosolic Protein 1) is significantly enriched in a GO term named T cell activation [47]。T淋巴细胞的激活可以安排其他类型的免疫活性的细胞,从而促进当地发生的免疫防御的牙髓48]。鉴于这种证据,它可以假定LCP1可能参与牙髓炎的致病机制通过调节T细胞介导的免疫反应。增强器的另一个例子,zeste同族体2 (EZH2)的催化亚基PRC2 (polycomb阻遏复杂2),可以通过组蛋白甲基转移酶的活动,调节基因沉默DNA损伤积累,染色体异常(49]。EZH2建议,涉及了纸浆炎症、增殖,抑制成骨分化和再生的人牙髓细胞(HDPCs)和增强炎症反应和扩散50]。另一个研究调查的影响EZH2的牙原性的分化hDPCs建议EZH2可以削弱矿化的hDPCs Wnt典型信号通路激活的机制下(51]。最后一个例子,核受体亚科4组一员1 (NR4A1)浓缩在许多pulpitis-related信号通路,包括信号由PDGF和表皮生长因子受体PI3K / AKT激活,和MAPK信号通路,还有一些去条款包括积极调节内皮细胞增殖和凋亡过程。之前的学者NR4A1参与炎症的证据调查显示,NR4A1的过度表达与慢性低度炎症状态(52)也起着关键的作用在调节凋亡细胞的抗炎作用53]。然而,的表达模式及其调节机制NR4A1在纸浆炎症仍有待研究。
许多microrna参与牙髓炎的龙头、网络;然而,几乎所有的表达模式和功能没有被调查在牙髓的炎症。基于潜在目标基因的microrna搜索miRWalk数据库(54),一些microrna(即。,miR-340-5p, miR-4731-5p, miR-27a-3p, miR-34a-5p, and miR-766-5p) could be assumed to be implicated in pulpitis by targeting genes related to inflammatory response and regeneration. For the first example, miR-340-5p has been validated to target gene LIMS1 (LIM Zinc Finger Domain Containing 1), the encoded protein of which is involved in the integrin signaling [55]。正弦integrin-associated牙原性的刺激信号有牵连的人牙髓干细胞(56];mir - 340 - 5 - p可能参与了纸浆愈合和再生在牙髓炎的致病过程。对于mir - 4731 - 5 - p,它已经被验证目标基因IRAK4(白介素1 Receptor-Associated激酶4),编码一个激酶,可以激活upregulation nf -κB (57]。nf -κB以来发现激活脂多糖(LPS)和肿瘤坏死因子(TNF)牙髓干细胞(DPSCs)和进一步与牙髓的感染的免疫反应(35),mir - 4731 - 5 - p可以被视为一个炎症生物标记在牙髓的炎症。miR-27a-3p而言,它已经发现积极调节血管内皮细胞的细胞增殖和进一步涉及血管生成和新血管形成通过ERK1 ERK2级联(58]。因为数量的增加血管中发现了人类牙髓发炎(59),miR-27a-3p可能参与调节血管生成的牙髓的再生过程中牙髓炎。miR-34a-5p的例子,验证目标基因MAP2K1(增殖蛋白激酶激酶1),编码产生一个dual-specificity激酶,参与知名ERK通路(60]。由于地图/ ERK通路是涉及的分化和刺激成在反动的牙质生成(61年),miR-34a-5p可能参与dentinogenesis-based修复机制在牙髓炎的发病机理。对于mir - 766 - 5 - p,它的一个亚型mir - 766中调节发炎牙髓炎相比正常果肉(62年]。mir - 766可以针对热休克转录因子1 (HSF1),编码一个转录因子,可迅速诱导后温度应力(63年]。由于热应力,包括冷热载荷,可能诱发牙痛的激活信号(64年),mir - 766可以认为是一个敏感的生物标志物的热接触。
三个lncRNAs(即。,XIST, MIR155HG, and LINC00630) are identified to be key factors involved in the ceRNA network of pulpitis. For the first example, the lncRNA X Inactive Specific Transcript (XIST), as a 17 kb long RNA transcribed by the inactive X chromosome, is involved in the X chromosome inactivation in female mammals, thus providing dosage equivalence between males and females [65年]。越来越多的学术证据表明XIST特异表达在许多癌症和炎症条件(66年- - - - - -69年]。最近的一项研究发现,XIST调解乳腺上皮细胞的炎症过程可以通过调节NF -κB / NLRP3 inflammasome通路(70年]。在lncRNA MIR155HG (MIR155宿主基因),它是原名BIC (b细胞整合集群)和已被证明函数作为主要微RNA (mi) mir - 155 (71年]。因为mir - 155建立了一个古老的主调节器的免疫反应72年),MIR155HG / mir - 155轴可能参与许多生理和病理过程包括炎症和免疫(73年]。LINC00630而言,这lncRNA可以与mir - 539 - 3 - p, mir - 485 - 3 - p, PEX5基因和组合生成一个封闭的龙头、网络监管循环。基因PEX5酶(5)生物起源因素编码的酶1型目标信号(PTS1)受体,过氧物酶体所需的15 peroxins生源论(74年]。最近的一项研究表明,过氧化物酶体可以通过调节解决微生物感染许多先天的几种途径(活性氧(ROS)和活性氮物种(RNS)信号)和激活压力反应激酶p38 [75年]。基于发现的PEX5 / LINC00630 mir - 539 - 3 - p / mir - 485 - 3 - p循环,这个循环促进免疫反应可能需要在牙髓的炎症。
一些转录因子已确定参与牙髓炎的TF-gene监管网络,包括GATA2 ETS1, FOXP3, STAT1,安全系数,6月GATA2(内皮细胞转录因子GATA-2)是一个调节的转录激活endothelin-1基因的表达在内皮细胞(76年]。它已经表明,内皮细胞可以通过分泌影响DPSCs endothelin-1,进一步促进DPSCs[牙原性的分化77年];因此,GATA2可以认为是参与牙髓的修复和再生。ETS1的例子,它可以推测参与的炎症和再生纸浆基于其双重功能:控制许多细胞因子和趋化因子基因的表达(78年),由调节基因的表达与血管生成相关内皮细胞的迁移和入侵(79年]。采取FOXP3 (Forkhead盒P3)的情况下,它是最具体的生物标志物的调节性T细胞(Treg) [80年,81年]。Treg子集的T淋巴细胞中发挥关键作用的免疫和炎症反应的牙髓炎分泌抗炎细胞因子,包括白细胞介素- 10”和转化生长因子b (TGF-b) [82年]。在此基础上,具体可以推测参与调节炎症反应的细胞因子基因。STAT1的(信号传感器和转录的激活1),它已被证明在调节细胞反应的发挥至关重要的作用,许多炎症介质参与牙髓炎,包括干扰素(ifn),细胞因子(摘要意思、白细胞介素6、KITLG /自洽场),和生长因子(表皮生长因子(EGF)和血小板源生长因子(PDGF)) (83年]。例如,IFN-gamma已被证明是一种可行的改善dentinogenic调制器和免疫抑制功能的不可逆pulpitis-DPSCs [84年];细胞因子作为主机的关键部分反应可能被视为炎症牙髓的诊断标记85年,86年];和生长因子会引起牙髓组织的血管生成反应和提高pupal-like组织的再生87年,88年]。最后一个例子,AP-1 c-JUN c-FOS可以组成的复杂协同Smad3 / Smad4蛋白质和进一步合作协调转化生长因子(及)信号通路89年]。鉴定及以来众所周知的刺激成牙质细胞细胞分泌反动牙质[90年),小君和安全系数可以推测修复和再生过程中扮演一个角色的牙髓。
七个信号通路已确定显著富集的牙髓炎症发病机理,例如,nod样受体(NLR), toll样受体(TLR), nf -κB,肿瘤坏死因子(TNF),细胞粘附分子(摄像头),趋化因子和cytokine-cytokine受体交互途径。上面列出的所有途径已由先前的研究。在第一个例子中,nucleotide-binding寡聚化域——(点头)像受体(NLRs)和toll样受体(通常是两个模式识别受体(PRR)的家人。它已被证明/作者证明PRR家庭成员可以识别其为病原体龋齿的分子模式(pamp)和扮演重要角色在牙髓的起始先天免疫(91年]。在另一个例子,nf -κB基因的差别,对这些建议来提高DPSCs牙原性的分化和胶原蛋白的形成矩阵,表明nf -κB可能是一个潜在的目标,促进牙髓组织再生(92年]。肿瘤坏死因子-α(肿瘤坏死因子-α)为例,它已经表明TNF -α是一个多效性的细胞因子,调节与不可逆转的牙髓炎(牙齿的牙髓的组织93年]。不仅TNF -α扮演一个角色在促进炎症通过招募白细胞和刺激促炎细胞因子的生产,但是它也可能导致疼痛过敏通过直接作用于疼痛的神经细胞(94年]。在细胞粘附分子(摄像头),不同的凸轮分子(例如,platelet-endothelial细胞粘附molecule-1 (PECAM-1)、细胞间粘附molecule-1 (ICAM-1)、细胞间粘附molecule-3 (ICAM-3)和血管细胞粘附molecule-1 (VCAM-1))被证明表达血管内皮的人类牙髓发炎,通过扮演角色在促进transendothelial从血液中白细胞的迁移到组织(95年]。最后,趋化因子和细胞因子类型的炎症介质参与建议牙髓炎的先天免疫反应,发挥保护作用在吸引不同的炎症细胞,诱导抗菌反应defensins等生产抗菌肽,并进一步造成生龋齿的微生物(96年]。上面列出的所有信号通路可以形成复杂的交互和参与牙髓炎的炎症免疫反应。然而,还值得注意的是,路径识别在这项研究中也被记录为经典途径参与炎性疾病和不特定的牙髓炎。因此问题作为这些途径治疗靶点,可以抑制牙髓炎的进展。
一些限制应该承认在这个研究。首先,只有lncRNAs和基因的表达谱数据集可以获得,也没有microrna的表达谱数据集与牙髓炎的地理数据集。因此无法预测microrna的表达趋势牙髓炎的病理。这也意味着,microrna的测序技术需要应用于调查microrna在牙髓炎的变更。第二,数据集包括小的样本容量(GSE92681: 12个;GSE77459: 12),在此基础上分析有限样本数据可能会导致预测精度的降低。第三,应该注意的是,只有科学技术工作。因为资金有限,没有临床实验来验证预测RNA分子的表达在牙髓炎。虽然这项研究有一些局限性,研究结果也提供了一些未来的研究方向。首先,生物标志物识别可能有前途的治疗靶点,可以为未来的实验研究设计奠定了基础。 Second, the identification of these biomarkers can benefit the research of pulp tissue engineering, based on the evidence that genetically modified stem cells will receive better treatment efficacy compared with stem cells alone. The combined application of these genetic and epigenetic biomarkers modified DPSCs and already validated biomaterial scaffold (e.g., collagen, poly (lactic) acid, and fibrin) is promising for future regenerative endodontic therapy.
数据可用性
使用的数据来支持本研究的发现可以从相应的作者在合理的请求。
伦理批准
这项研究只基于计算的应用生物信息学技术分析,所有的数据从果肉组织样本来自公共数据集,和原始人类样本没有分析。因此,本研究不需要伦理审批。
同意
同意发表,不适用在这项研究中,因为没有人使用的数据。
的利益冲突
作者声明没有潜在的利益冲突对本文的作者和出版。
作者的贡献
Wanchen宁博士(电子邮件:(电子邮件保护)肖博士)和江(电子邮件:(电子邮件保护))同样的资深作者。李Hanluo博士(电子邮件:(电子邮件保护)),思敏Li博士(电子邮件:(电子邮件保护)人文胡博士(教授),电子邮件:(电子邮件保护))也同样相应的作者。
确认
Wanchen宁博士收到博士学习的支持中国奖学金委员会(CSC) 201608080112号(CSC)在慕尼黑路德维希-马克西米利安-。思敏博士李由科学研究培养程序的口腔医院,南方医科大学(广东省口腔医院)(没有。PY2020004)。
补充材料
补充2。S2:文件中的所有节点的拓扑特征DElncRNA-DEG交互网络。
补充3。文件S3: TF-DEG中的所有节点的拓扑特征交互网络。
补充4。文件S4:所有度节点的拓扑特征的PPI网络GSE77459蓝色重要模块的数据集。
补充5。文件S5:所有度节点的拓扑特征的PPI网络GSE92681数据集的重要绿色模块。
补充6。文件S6:电抗器,网络中的所有节点的拓扑特征。