文摘
背景。轻度慢性炎症在肥胖与胰岛素抵抗通过不正常的脂肪组织联系tissue-infiltrating免疫细胞的激活。许多研究已经报道了胰岛素抵抗的发病机制。然而,很少有研究关注于基因从基因组数据库。在这项研究中,我们探索的相关基因和免疫细胞浸润在脂肪组织通过综合生物信息学分析和实验验证在老鼠和人类脂肪组织。方法。基因表达综合(GEO)数据集(GSE27951、GSE55200 GSE26637)胰岛素抵抗个体或2型糖尿病患者和正常对照组下载得到不同表达基因(度)和KEGG途径分析。随后,我们从三个数据集和构造综合度通常表示度PPI的网络数据集。中心控制模块度和中心基因筛选通过MCODE cytoHubba Cytoscape。三个最重要的枢纽基因被GSEA分析进一步分析。此外,我们验证了预测中心执行RT qPCR分析基因的动物和人类的样本。此外,22的相对比例在脂肪组织中免疫细胞类型被发现通过使用反褶积算法CIBERSORT(细胞类型识别的估计相对RNA转录的子集)。此外,基于显著改变类型的免疫细胞,我们执行中心基因和免疫细胞之间的相关性分析。我们进行免疫组织化学和免疫荧光分析验证中心基因与脂肪组织巨噬细胞(ATM)有关。结果。三十度通常是表示在三个数据集,其中大多数是调节。度主要参与多种免疫细胞的渗透的过程。在蛋白质相互作用网络,我们确认CSF1R,C1QC,TYROBP作为中心的基因。GSEA分析显示三个中心基因的高表达与免疫细胞功能通路的激活。免疫细胞渗透和相关分析显示之间存在显著的正相关性TYROBP和M0巨噬细胞,CSF1R和M0巨噬细胞、浆细胞和CD8 T细胞。最后,中心基因与atm渗透实验验证。结论。这篇文章表明CSF1R,C1QC,TYROBP是潜在的中心与免疫相关的基因细胞的渗透和proinflammation的功能,特别是脂肪组织巨噬细胞,在obesity-induced糖尿病或胰岛素抵抗的发展。
1。介绍
最近,肥胖成为一个主要的健康问题,因为它导致了日益流行的相关并发症,包括胰岛素抵抗(IR)和2型糖尿病。“Diabesity”是一个新术语指糖尿病或红外的上下文中发生肥胖(1]。
根据国际糖尿病联合会的一份报告,超重和肥胖占65%到80%的2型糖尿病的患病率增加。越来越多的证据表明,在脂肪组织慢性炎症是发展的一个关键因素在肥胖个体中红外和2型糖尿病(2,3]。然而,肥胖和红外背后的发病机理尚未完全阐明。最近,越来越多的研究支持,肥胖的脂肪组织的慢性炎症在红外光谱的发展中扮演着重要的角色在糖尿病患者4- - - - - -6]。虽然经典,但确定了慢性炎症细胞因子和趋化因子表达增加,如调节TNF -α白介素、干扰素(IFN)γ免疫细胞浸润为主要特征的不正常的脂肪组织(在)。这些免疫细胞包括M1和M2巨噬细胞极化、效应和记忆T细胞,FoxP3+T调节细胞、自然杀伤(NK)和NKT细胞(7]。浸润免疫细胞分泌不仅proinflammation细胞因子,而且金属蛋白酶和趋化因子,参与免疫细胞信号传导和调节免疫功能失调在[8]。功能失调的发病也在释放如瘦素、抵抗素,和visfatin打破系统性体内平衡,改变葡萄糖代谢,导致胰岛素抵抗[9]。因此,如何免疫细胞浸润和炎症相关的关键基因的功能在这些免疫细胞是重要的澄清的潜在机制。
生物信息学分析已广泛应用于排序,微阵列基因表达分析、单细胞测序,和人类微生物群(10,11]。综合生物信息学分析使研究人员能够快速识别差异表达目标基因及其相关功能通路,这可以作为一个有价值的指导进一步勘探(12- - - - - -16]。尽管在脂肪组织免疫细胞浸润糖尿病中发挥了关键作用,一些研究旨在探索免疫细胞浸润的关系和相关基因中心的致病的效用函数在脂肪组织的基因表达数据集在国家生物技术信息中心综合(GEO)。
几项研究表明,肥胖的数量和功能变化的各种类型的免疫细胞在[4,17]。如前所述,在慢性炎症引起功能障碍,进一步导致代谢失衡或红外/糖尿病。因此,有必要了解背后的分子机制obesity-induced IR的发展。在我们目前的研究中,三个数据集的微阵列数据从地理下载网站。每个数据集包含脂肪组织转录组数据的红外或肥胖条件下糖尿病患者作为病例组和脂肪组织的健康和精益人作为对照组。提供我们一个机会,因此,这些数据集挖掘有价值的基因参与调节枢纽功能失调的脂肪的过程中免疫细胞的渗透,将链接obesity-induced autoinflammation红外或糖尿病发病机理。通过使用limma包R中的工作室,我们筛选差异表达基因通常在三个数据集(度)。接下来,包“ClusterProfiler”用于度的功能注释三个数据集,分别判断度是否proinflammation相关函数或途径。验证后,我们建立了蛋白质交互(PPI)网络,然后,我们应用MCODE(分子复杂的检测)和CytoHubba插件Cytoscape软件找到中心社区相对于proinflammation基因调节度。然后,GSEA分析是基于我们下载数据集来找出最重要的功能性方面参与中心的基因调控进展。 By using CIBERSORT, we first investigated the differences in 22 subpopulations of immune cells’ infiltration within AT between IR combined obese group and control group; furthermore, the graph of relationship between 22 subpopulations of immune cells and screened hub genes was constructed and then verified by experiments. Screened hub genes were proven to be upregulated in AT accompanied with the process of obtained obesity-induced IR. Our aim is to find significant hub genes associated with immune cell infiltration in dysfunctional AT-induced IR that affect clinical manifestation and to provide a new direction for investigating the pathological mechanism of chronic inflammation-induced metabolism imbalance.
2。材料和方法
2.1。肥胖糖尿病患者或红外和控制
本研究通过上海第十人民医院的伦理委员会。书面知情同意收集从每个病人或他们的亲属。五个肥胖病人诊断为2型糖尿病或红外——患者)被选为我们的研究。这些患者接受减肥手术在上海第十人民医院从2020年5月到6月,和内脏脂肪组织(增值税)(来自网膜脂肪组织)和皮下脂肪组织(坐)获得知情同意后收集的样本。与此同时,我们还招募5无糖尿病或红外精益病人接受腹腔镜手术,和增值税或坐在样本也收集在获得病人的协议,作为对照组。
——集团的入选标准如下:(1)诊断的2型糖尿病;(2)BMI指数超过30公斤/米2;(3)没有癌症相关的诊断。,对照组的入选标准如下:(1)没有type2糖尿病或红外;(2)BMI指数不到24公斤/米2;(3)没有癌症相关的诊断。临床医学的历史数据,身高、体重、糖化血红蛋白和其他补充表中数据进行了综述1。空腹血浆葡萄糖测定与标准的实验室技术日立7104分析仪(日立,东京,日本)。高效液相色谱法测定糖化血红蛋白(Hi-Auto ha - 8150;Arkray,京都,日本)。
2.2。动物研究
按照指南进行了动物实验的护理和使用实验动物(美国国家卫生研究院(NIH)的贝塞斯达,医学博士,美国),和批准的程序或方法都是动物保健和使用委员会第十人民医院附属同济大学医学院(18]。6雄性C57BL / 6小鼠(20 g)是购自上海SLAC实验动物有限公司,有限公司,用于提高房间里两个星期。提高房间的动物被关在笼子里的周期12:12 h光明/黑暗和一个合适的温度(22°C-25°C)。在8周的年纪,雄性小鼠随机分为2组14和美联储为期12周如下:正常饮食(ND,n= 7)喂养和高脂肪饮食喂养(HFD, 60%的热量来自脂肪,研究饮食,D12492,n= 7)。每个老鼠的食物摄入量和体重每周记录。12周后,我们进行了葡萄糖耐量测试每一个鼠标。测量血糖浓度(mg / dl)禁食后,测试前,和15、30、60、120分钟后腹腔内注射20%的葡萄糖(2毫克/克体重)(σ)。然后,血糖水平是决定使用一个自动从尾静脉血液glucometer(拜耳轮廓、拜耳、德国)。12周后,我们收集了增值税(附睾脂肪组织)和坐从2组,分别进行进一步分析。
2.3。微阵列数据集
国家生物技术信息中心基因表达综合(https://http://www.ncbi.nlm.nih.gov/geo/)网站被认为是我们的数据资源(19]。我们搜索这些数据集是基于以下标准:(i)——脂肪组织;(2)脂肪组织的精益胰岛素敏感(是)没有糖尿病的人控制。GSE27951的数据集,GSE55200, GSE26637被选中。平台对GSE27951 GPL570 [HG-U133_Plus_2] Affymetrix人类基因组U133 + 2.0数组,我们选择了5个样品(GSM691143,GSM691147,GSM691150,GSM691153,GSM691154)脂肪组织获得瘦和健康人群和5样本(GSM691125,GSM691129,GSM691138,GSM691142,GSM691144)脂肪组织获得数据集的糖尿病和肥胖的人。平台对GSE55200 GPL17692 [HuGene-2_1-st] Affymetrix人类基因第2.1位数组,和我们选择7样品(GSM1331431,GSM1331432,GSM1331433,GSM1331434,GSM1331435,GSM1331436,GSM1331437)脂肪组织瘦和健康人群和8个样本(GSM1331446,GSM1331447,GSM1331448,GSM1331449,GSM1331450,GSM1331451,GSM1331452,GSM1331453)不健康的脂肪组织代谢和胰岛素抵抗肥胖的人。平台GSE26637也是GPL570 [HG-U133_Plus_2] Affymetrix人类基因组U133 + 2.0数组,我们选择了10个样本(GSM655608,GSM655609,GSM655610,GSM655611,GSM655612,GSM655618,GSM655619,GSM655620,GSM655621,GSM655622)从精益和皮下脂肪组织是人民和9个样本(GSM655603,GSM655604,GSM655605,GSM655607,GSM655613,GSM655614,GSM655615,GSM655616,GSM655617)脂肪组织的肥胖和胰岛素抵抗的人。系列矩阵文件下载。此外,为了更好地验证中心之间的修正基因与肥胖诱导糖尿病的过程中,我们引入了一个GSE35411;人类基因组平台是GPL10335 Affymetrix U133 + 2.0数组,包含中心基因的表达变化从不同的临床状态。
,相关的临床数据得到发表的论文(20.]。系列矩阵文件(s)和GPL-annotated文件下载。
2.4。分析差异表达基因
“limma”包在R软件工作室(R)是用于集成和规范下载地理表达芯片分析差异表达基因及其表达水平(21,22]。差异表达基因筛选条件下的FC | |日志(日志FC) > 1和调整值< 0.05。差异基因的热图是使用R包“PheatMap”包。所有统计分析R语言(版本3.6)。所有统计测试是双边、和调整值< 0.05在统计学上意义重大。跨三个数据集的差异表达基因,共同进行的维恩图包R软件。
2.5。度通路富集分析
我们用R包“ClusterProfiler”差异基因的功能注释完全探索的功能相关性度从三个数据集,分别为(23]。基因本体论(去)和《京都议定书》百科全书的基因和基因组学(KEGG)被用来评估相关的功能类别(24,25]。去和KEGG浓缩通路与调整值小于0.05被认为是重要的类别。
2.6。蛋白质相互作用网络分析
蛋白质相互作用(PPI)信息可以通过一个在线工具,搜索工具的交互检索基因(字符串)26]。Cytoscape 3.6.0是开放获取的基因和蛋白质网络可视化的工具。PPI的度评估从数据库的字符串,由Cytoscape [27]。此外,分子复杂的检测(MCODE;Cytoscape 1.31版)是一个插件,用于分析PPI网络的模块(学位截止= 2,马克斯。深度= 100,k生水起= 2,和节点分截止= 0.2)。此外,我们使用CytoHubba Cytoscape插件的屏幕中心基因通过3度方面,亲密,中间性MCODE模块中可视化。
2.7。基因集富集分析
基因集富集分析(GSEA 4.1.0版本,麻省理工和哈佛大学)被用来讨论是否基因定义的基因组是两组样品之间的统计学意义(18]。GSEA进行识别激活Reactome或KEGG基因集通路基因高表达组的三个中心,分别,我们认为罗斯福问值< 0.05。
2.8。免疫细胞渗透分析和免疫细胞相关分析
首先,我们下载的系列矩阵文件从NCBI GSE55200地理公共数据库,包括15个样本。GPL注释平台GPL17692;GSE84599系列矩阵文件包括共有16个转录组数据也下载,和GPL注释是GPL16699平台。CIBERSORT算法,反褶积计算方法定量免疫细胞分数从组织基因表达谱28,29日),用于分析转录组数据GSE55200病人从不同的子组来推断immune-infiltrating细胞的相对比例。“Vioplot”包被用于免疫细胞的相对含量。评估基因免疫的影响渗透,CIBERSORT算法被用来量化的渗透水平免疫细胞在每个GSE84599样本,然后斯皮尔曼相关分析进行特定的基因表达和免疫细胞的内容。统计分析是在R进行语言(版本3.6)。统计测试都是双边。值< 0.05被认为是统计学上显著。
2.9。隔离和实时qPCR RNA
脂肪组织的总RNA提取试剂盒试剂(热费希尔科学)。逆转录执行使用1 ug的RNA和HiScript三世RT SuperMix反转录试剂盒(Vazyme生物科技有限公司、南京、中国)。实时执行qPCR LightCycler 96实时PCR系统(f .罗氏公司)使用由于“快速上手”项目基本DNAGreen主试验(f . Hoffmann-LaRoche)。2−ΔΔCt方法用于半定量的分析。18 s rRNA, 36 b4担任内部标准。引物补充表中列出2。
2.10。组织学和免疫组织化学(包含IHC)测试
脂肪组织在10%福尔马林固定,加工,石蜡包埋切片成3毫米厚的部分。免疫组织化学检测CSF1R (sc - 46662;圣克鲁斯生物技术,美国),C1QC (ab75756;Abcam、英国)和CD68(美国罗福斯生物制品NBP233337)进行石蜡包埋部分。Microwave-based抗原进行检索使用10毫米/ L柠檬酸钠缓冲。部分被孵化0.3%过氧化氢和甲醇稀释15分钟灭活内源性过氧化物酶活性。3洗后在PBS和被屏蔽10%山羊血清30分钟在室温下,一夜之间,部分被孵化与初级抗体在4°C。一个标准ABC-peroxidase系统(美国向量实验室,伯林盖姆,CA)是用于检测主要抗体。阳性抗体绑定可视化使用轻拍过氧化物酶底物工具包(sk - 4100;向量的实验室)。 Image-J version 1.53 (National Institutes of Health, USA) software was used for quantizing the positive area of three hub genes, respectively.
2.11。免疫荧光(如果)分析
新鲜人网膜的内脏脂肪组织是嵌入在最佳切削温度复合(4583;樱花Finetek日本,东京、日本)和切成5毫米部分。冻结部分复温后,部分与PBS洗3次,用丙酮固定,permeabilized 0.2% Triton x - 100在室温下10分钟。阻塞了30分钟后用3%牛血清白蛋白,部分与anti-CSF1R孵化(sc - 4662;Santa Cruz), anti-CD68 (ab213363;Abcam)或anti-CD68 (ab955)和anti-C1QC (ab75756;在室温下Abcam)抗体对3 h。与PBS洗涤后,二次抗体(Alexa萤石488 -共轭山羊anti-rabbit, Alexa萤石594 -共轭山羊anti-mouse, Alexa萤石594 -共轭山羊anti-rabbit或Alexa萤石488 -共轭山羊anti-mouse;热费希尔科学)孵化1 h在37°C在黑暗中。核与DAPI标记,部分可视化和收集尼康倒置荧光显微镜(日本尼康ECLIPSE TI-SR)。
2.12。统计分析
分析老鼠和人类的基因和蛋白质表达GraphPad Prism 8.0(美国圣地亚哥GraphPad Inc . CA)是用于统计分析。不同组之间的方差估计双向方差分析或2-tailed学生的t测试。数据提出了均值±标准差(SD)。值< 0.05被认为是显示统计学意义。
3所示。结果
3.1。生物信息学分析工作流
我们的工作流程如图1。我们第一次综合三个数据集包括转录组数据之间的脂肪组织——屏幕并组每个数据集的重要度,然后一般调节网络在三个数据集构建找到潜在功能关键模块和中心基因参与的免疫细胞浸润引起的功能障碍,和GSEA分析测试执行什么样的发病途径筛选中心基因是高度相关的。同时,免疫细胞渗透分析——与集团进行了数据集中找到差异显著的免疫细胞渗透GSE55200通过CIBERSORT算法,然后我们探索三个中心筛选基因和免疫细胞之间的关系,找到三个基因筛查中心是否在上述的过程中明显的免疫细胞的渗透在数据集GSE84599包括皮下和内脏的更全面的样本——病人。最后,中心基因相对mRNA表达了在坐或增值税从病人或动物模块;此外,中心基因之间的相关性和显著不同的免疫细胞渗透与分数最高的——如果或包含IHC分析验证了。
3.2。——组织与组的识别度
我们使用“limma”包R软件提取138,183,和158度——/团体从GSE27951 GSE55200和GSE26637分别。然后,我们使用了“文氏图”包R软件屏幕之间的共同度三个数据集(图2),调整价值和logFC价值30共同表达度补充表所示3。结果表明,共30通常表示度在三个数据集被检测到。
(一)
(b)
(c)
3.3。功能注释
我们上传度从三个数据集,分别执行去分析和KEGG分析通过使用“ClusterProfiler”包R软件。生物过程分析发现度主要富集在先天免疫反应,细胞外和细胞跨膜受体,细胞信号转导功能。与此同时,KEGG执行路径分析显示,三个数据集的度主要富集在炎症引起的多种炎症细胞,如cytokine-interaction吞噬体,和补体级联图所示3。
(一)
(b)
3.4。PPI分析和模块分析
我们进口30度到PPI网络复杂,包括77年30节点和边缘网络构造如图4(一)。然后我们CytoHubba程序用于Cytoscape检查30度到3度,亲密,和中间状态,补充表所示4。接下来,Cytoscape MCODE软件被用于进一步分析和结果构成了两个模块:A和B,分别包括11和3的基因。根据分数的两个模块,该模块被认为是一个关键模块度,如图所示4 (b)。然后,我们还利用CytoHubba屏幕中心基因通过上述3项模块,和CSF1R,C1QC,TYROBP被视为中心基因模块,如图4 (c)和补充表5。
(一)
(b)
(c)
3.5。GSEA分析
考虑到分析结果,度主要富集在炎症反应和细胞因子反应,我们执行GSEA分析三个中心基因KEGG途径和Reactome途径,分别。根据每个基因的表达的平均价值,我们将GSE55200样本数据集分成高表达组和低表达组,然后执行GSEA每个中心之间基因的高收入和低表达组,如图5。1型糖尿病和NF -κB通路被激活CSF1R高表达组。至于C1QC高表达组中,趋化因子信号DAP12通路被激活。与此同时,JAK-STAT信号和TLR4级联途径被激活TYROBP高表达组。相反,胰岛素sensitivity-related胰岛素信号和mTOR信号通路显著抑制基因的高表达组三个中心。
3.6。中心基因的Upregulation在伴随着Obesity-Induced获得红外的过程
验证的结果前三中心基因预测的生物信息学分析,我们进行Rt-qPCR分析坐或增值税组织从HFD-induced肥胖老鼠和肥胖的糖尿病患者。体重曲线在喂养12周和12周后喂养IPGTT曲线如图6(一)。体重曲线反映了HFD-fed老鼠相比ND-fed老鼠体重增长的重要自4th周;同时,IPGTT曲线表明,在喂养12周,HFD-fed组小鼠出现大幅IR与ND-fed组小鼠相比。喂养12周后,该中心的基因的表达被验证在SAT或增值税组织隔绝ND组和HFD组,分别。RTqPCR结果表明,三个中心的基因调节坐或增值税组织从HFD组,如图6 (b)。同时,SAT RT-qPCR结果组织和增值税从——团体和组织团体显示中心基因的调节趋势一致,在HFD-induced肥胖老鼠组,如图所示6 (c)。此外,验证中心之间的相关性基因与肥胖诱导糖尿病的过程中,我们介绍了18的GSE35411包括相关的转录组数据样本来自9患者分别在2临床阶段,包括基线(减肥)阶段和重量维护阶段(后饮食控制和运动)。我们比较中心的基因的表达CSF1R,C1QC,TYROBP两个临床阶段之间的分别。我们发现中心基因都表达下调的重量损失和改善体重阶段,作为补充图所示1。
(一)
(b)
(c)
3.7。免疫细胞渗透分析和免疫细胞相关分析
我们执行免疫细胞渗透使用CIBERSORT算法的分析调查的一般比例22亚种群之间的免疫细胞——样本组,分别在GSE55200。我们发现5种免疫细胞明显不同,——(图组7(一))。细胞类型T细胞卵泡辅助T细胞监管,NK细胞休息,单核细胞和巨噬细胞M0。在免疫细胞中,我们发现卵泡辅助T细胞和巨噬细胞M0——组提出了更高的分数比集团和M0巨噬细胞显示了最高的分数——集团,而另三种免疫细胞显示了相反的结果。此外,我们进行了22种免疫细胞之间的相关分析,利用GSE84599中心基因。图中所示7 (b),TYROBP和M0巨噬细胞,CSF1R和M0巨噬细胞、浆细胞、CD8 T细胞表现出明显的正相关性。
(一)
(b)
3.8。增加中心基因的表达与巨噬细胞的浸润是一致的
鉴于免疫细胞浸润的结果分析表明,巨噬细胞的渗入和功能与中心基因的表达有关,我们如果染色增值税执行组织——病人和检查colocalization中心基因之间的关系和脂肪组织巨噬细胞标记(CD68)。我们发现的colocalizationCSF1R或C1QC与CD68在脂肪组织(数字8(一个)和8 (b))。IHC染色结果表明,中心基因的表达增加与巨噬细胞的浸润是一致的增值税组织从HFD-induced肥胖老鼠或ISO患者和那些从ND-fed老鼠和人类对照组(增值税组织数据8 (c)- - - - - -8 (e))。
(一)
(b)
(c)
(d)
(e)
4所示。讨论
我们研究的主要目标是探索相关重要基因在脂肪组织慢性炎症与免疫细胞浸润在红外条件下。在这里,三个最重要的枢纽基因(CSF1R,C1QC,TYROBP)被执行RT q-PCR分析发现和验证。与此同时,巨噬细胞浸润和中心的调节基因表达之间的关系被包含IHC验证,如果分析在老鼠和人类。
去分析和KEGG通路分析的结果表明,度主要参与多种免疫细胞导致脂肪组织慢性炎症反应。GSEA分析结果显示,高表达CSF1R与TNFR2中的NF -κB通路和1型糖尿病通路激活,而抑制mTOR信号通路,参与胰岛素敏感性的调节(30.]。与此同时,高表达的数据集C1QC或TYROBP主要与趋化因子和JAK-STAT或TLR4级联途径激活,分别参加不同的免疫细胞的功能过程:趋化因子可以诱导巨噬细胞极化下炎症阶段,虽然JAK-STAT途径至关重要在nk细胞proinflammation, TLR4是调解CD8+T细胞的激活先天免疫疾病(31日- - - - - -33]。然后,我们验证与慢性炎症相关的基因中心的upregulation感应红外或糖尿病SAT或增值税从HFD-induced肥胖老鼠和肥胖的2型糖尿病患者。此外,基因表达下调中心在与患者的饮食控制和运动后改善GSE35411和q-PCR分析结果表明,中心基因的upregulation在是伴随着肥胖诱导获得红外的过程。q-PCR注意的结果表明,三个中心基因调节坐和增值税,增值税从老鼠或人类更明显,表明这三个中心基因似乎更强烈与慢性炎症和符合增值税增值税前研究发现,炎症发挥了更大作用比坐在obese-induced红外(34]。
考虑前KEGG去分析途径是多种免疫细胞反应途径,我们进行了免疫细胞渗透分析。结果表明,滤泡辅助T细胞和巨噬细胞M0——组显著更高的分数而提出的。T细胞卵泡辅助已被证明是相关的自身免疫性疾病在一些免疫疾病35]。M0巨噬细胞,也叫做天真的巨噬细胞,来自血液单核细胞的招募和居民引起局部组织的炎性微环境,同时也证明了组织炎症过程中发挥着至关重要的作用(36]。如前所述,GSEA结果显示,三个中心的上调基因相关的多个功能途径激活免疫细胞,因此我们进行了免疫细胞渗透和中心基因之间的相关性分析。考虑三中心基因upregulation更明显的内脏脂肪组织基于我们q-PCR分析,我们选择数据集GSE84599包括皮下和内脏脂肪组织从肥胖患者。结果表明,TYROBP和M0巨噬细胞,CSF1R和M0巨噬细胞、浆细胞、CD8 T细胞有正相关性。M0巨噬细胞和浆细胞已被证明促进肥胖的脂肪组织的红外(37]。而CD8 T细胞被认为是贡献者招募巨噬细胞或激活,诱导脂肪慢性炎症和与筛选中心正相关基因,并没有不同的渗透特征——相比之下,是集团表示其有限的功能在我们的研究。所以,我们专注于M0巨噬细胞渗透与最高分数的——比,也显示与中心正相关基因在我们的研究38]。此外,先前的研究表明脂肪组织巨噬细胞在炎症中扮演了主要功能(39]。因此,我们试图探讨巨噬细胞浸润和中心之间的关系的基因的蛋白在脂肪组织colocalization测量,包含IHC如果分析。值得注意的是,结果验证了我们的生物信息学分析预测结果。从单核细胞巨噬细胞的招募是一个关键的步骤的生产脂肪组织炎症;一些研究发现脂肪组织巨噬细胞增殖的作用在肥胖的早期阶段和维持脂肪组织炎症(40,41]。CSF1R及其配体csf和IL34刺激巨噬细胞的分化和生存在当地组织表现为协同作用,也起到了至关重要的作用在组织的过程中巨噬细胞的proinflammation功能(42,43]。另一个中心基因TYROBP有促进作用的能力CSF1R,而C1QCC1q / TNF-related蛋白质,也扮演了一个角色在先天免疫诱导的自身免疫性疾病(44]。大量研究报道这三个中心相关基因是这些免疫细胞的渗透,特别是巨噬细胞在脂肪的慢性炎症或功能紊乱,从而导致红外情况发生,作为促进糖尿病发病机理。此外,这些结果验证了基于人类标本或动物模型,这表明三中心基因upregulation在肥胖诱导获得的红外光谱。目前的研究提供了一个强有力的证据的意义三个中心基因在炎症或功能障碍,也为我们提供了一个新的方向来研究它们的功能,整合obesity-induced autoinflammation和IR。然而,这项研究是有限的,缺乏明确的机制这三个中心基因参与行动的巨噬细胞的功能proinflammation在感应红外功能失调,这应该探索在骨髓细胞进一步的研究。
基于上述结果,我们可以得出结论,三个中心的upregulation基因(CSF1R,TYROBP,C1QC)与免疫细胞的渗透和可能调节他们的维护和分化,特别是巨噬细胞,在肥胖的脂肪组织的慢性炎症阶段,从而促进功能障碍引起的红外光谱。
5。结论
通过全面的生物信息学分析和实验验证,我们的研究发现,三个中心的基因CSF1R,C1QC,TYROBP与免疫细胞浸润有关,尤其是在肥胖诱导红外条件下巨噬细胞在脂肪组织。进一步研究相关免疫细胞的功能这三个基因在obesity-induced IR红外将帮助我们更好地理解机制。
数据可用性
数据用于支持本研究将从相应的作者要求((电子邮件保护))。
的利益冲突
作者没有关于这篇文章的出版的利益冲突。
确认
这项研究得到了中国国家自然科学基金(批准号。9193910、81670746和81670230)和上海市自然科学基金(批准号20 zr1435300)。
补充材料
补充表1包括2型糖尿病肥胖患者的基本特征和控制。补充表2主要描述q-PCR中使用的引物序列。补充表3显示调整价值和logFC筛选30度。补充表4显示了信息度三度15前常见的表达。补充表5描述模块的节点基因相关指数来衡量。中心的差别,补充图1显示了对这些基因在改善GSE35411体重阶段。补充表1:2型糖尿病肥胖患者的基本特征和控制(平均数±标准差)。台塑:空腹血浆葡萄糖、数据表示平均数±标准差。值< 0.01与对照组。补充表2:总结RT-qPCR所使用的引物序列。补充表3:一般30度表达筛选标准的调整值< 0.05。补充表4:15上常见的表达在三个数据集度衡量Cytoscape 3度。补充表5:节点基因的基因用三个指标来衡量模块a补充图1:downregulation中心基因在改善体重阶段GSE35411 (值< 0.05)。(补充材料)