基于高通量基因表達數據庫及生物信息學對坐骨神經痛差異表達基因的分析研究

曲艷平 賀文廷 王旭 董浩 范智東

基金項目：云南省科技廳科學研究基金項目（編號：2023Y0966）

作者簡介：曲艷平，碩士研究生，醫師，研究方向：慢性神經病理性疼痛的診療。

通信作者：范智東，大學本科，主任醫師，研究方向：臨床麻醉學。E-mail：fanzhidong68@163.com

【摘要】目的 基于高通量基因表達（GEO）數據庫及生物信息學篩選坐骨神經痛相關差異表達基因（DEGs），分析其生物學功能，為臨床治療坐骨神經痛提供參考。方法 通過GEO數據庫獲取坐骨神經痛基因芯片（GSE124272）數據集，經仙桃學術軟件異質性分析獲取坐骨神經痛相關DEGs，對坐骨神經痛相關DEGs進行基因本體論（GO）、京都基因與基因組百科全書（KEGG）的通路富集分析。借助Cytoscape軟件實施蛋白質互作網絡（PPI）分析獲取關鍵基因，經轉錄因子調控網絡專用數據庫（TRRUST）確定關鍵基因的主要調節轉錄因子及相應的調節關系。結果 415個坐骨神經痛相關DEGs經PPI分析共獲取15個關鍵基因，經TRRUST確定共12個TF協同參與檢查點激酶1（CHEK1）、含桿狀病毒IAP重復序列蛋白5（BIRC5）、細胞周期蛋白B2（CCNB2）、胸苷酸合成酶（TYMS）、細胞周期蛋白B1（CCNB1）關鍵基因的調控。結論 CHEK1、BIRC5、CCNB2、TYMS、CCNB1可作為坐骨神經痛的新治療靶點和預防標志物。

【關鍵詞】高通量基因表達數據庫；生物信息學；坐骨神經痛；差異表達基因

【中圖分類號】R614 【文獻標識碼】A 【文章編號】2096-2665.2024.05.0041.03

DOI：10.3969/j.issn.2096-2665.2024.05.014

坐骨神經痛是慢性神經病理性疼痛中常見的周圍神經痛，其主要表現為坐骨神經循環和分布區域的持續性或陣發性疼痛。有研究表明，45%的坐骨神痛病人癥狀會持續12個月，多發生于40～60歲人群[1]。該疾病不僅降低了患者晚年生活質量，也給社會帶來嚴重的經濟負擔。坐骨神經痛的發病機制可能與坐骨神經根或其支配的感覺神經節受壓迫與扭曲有關，也可能與局部炎性細胞因子的高表達有關。本研究基于高通量基因表達（gene expression omnibus，GEO）數據庫及生物信息學，對8例坐骨神經痛患者和8例健康人的基因數據進行分析，旨在了解坐骨神經痛的發病機制，現報道如下。

1 資料與方法

1.1 數據的來源與獲取 在GEO數據庫點擊“GEO Data Sets”，輸入“SCIATICA”，根據研究樣本及類別篩選坐骨神經痛基因芯片，即：坐骨神經痛基因芯片（GSE124272）數據集。選取GSE124272數據集為研究對象，其中包括

8例坐骨神經痛患者及8例健康人的基因數據。

1.2 篩選差異表達基因 運用仙桃學術軟件對GSE124272數據集進行標準化預處理，獲得16例研究對象的基因數據的表達矩陣，以|logFC|>1及矯正后P<0.05為閾值篩選坐骨神經痛相關差異表達基因（differential expressed genes， DEGs）。

1.3 富集分析 基因本體論（gene ontology，GO）數據庫由基因本體聯合建立，其從功能、生物學途徑和細胞位置等方面提供基因的簡單注釋[2]。京都基因與基因組百科全書（kyoto encyclopedia of genes and genomes，KEGG）數據庫主要用于存儲不同物種的基因路徑信息，分析DEGs所涉及信號通路[3]。運用仙桃學術軟件對坐骨神經痛相關DEGs進行GO和KEGG通路富集分析，顯著性基因富集臨界值設定為P<0.05。

1.4 篩選關鍵基因 運用仙桃學術軟件對坐骨神經痛DEGs進行蛋白質互作網絡（PPI）分析，分析結果輸入Cytoscape軟件，運用CytoHubba插件中度數關聯度算法獲取節點最高的15個基因，選取較高連通度的基因為該疾病的關鍵基因。

1.5 轉錄因子（TF）的預測與驗證轉錄因子調控網絡專用數據庫（transcriptional regulatory relationships unraveled by sentence-based text mining，TRRUST）是1個用于預測轉錄調控網絡的數據庫，目前包括人和小鼠2個物種[4]。通過TRRUST獲取調控關鍵基因的TF，以及與關鍵基因之間的調控關系。

2 結果

2.1 差異表達基因標準化預處理結果 GSE124272數據集標準化預處理結果顯示：共415個坐骨神經痛相關DEGs，見圖1。8個坐骨神經痛患者樣本及8個健康人群的樣本標準化預處理篩選結果以箱式圖呈現，見圖2。

圖1 差異表達基因火山圖

注：紅色為篩選出的上調基因，藍色為篩選出的下調基因。

圖2 差異表達基因箱式圖

注：紅色為坐骨神經痛組，藍色為健康對照組。

2.2 GO和KEGG通路富集分析結果 GO通路富集分析結果顯示：坐骨神經痛相關DEGs主要富集于分泌顆粒管腔、特異性顆粒管腔、三級顆粒管腔、特異性顆粒管腔等部位，主要涉及有絲分裂核分裂的調節、有絲分裂核分裂的負調控、中性粒細胞介導的細胞毒性、嗜中性粒細胞介導的共生體細胞殺傷等過程。KEGG通路富集分析結果顯示：坐骨神經痛相關DEGs主要與過氧化物酶體增殖物激活受體（PPAR）信號通路有關，PPAR信號通路主要調節基因的轉錄，見圖3。

圖3 GO和KEGG通路富集分析圖

注：CC ：細胞組分；BP：生物過程；KEGG：京都基因與基因組百科全書。

2.3 PPI分析結果 通過CytoHubba插件計算出15個節點，這15個節點稱為關鍵基因，包含含桿狀病毒IAP重復序列蛋白5（BIRC5）、檢查點激酶1（CHEK1）、細胞周期蛋白B2（CCNB2）、胸苷酸合成酶（TYMS）、細胞周期蛋白B1（CCNB1）、Opa 相互作用蛋白 5（OIP5）、苯并咪唑出芽抑制解除同源物蛋白1（BUB1）、有絲分裂檢查點絲氨酸/蘇氨酸激酶 B（BUB1B）、細胞分裂周期相關 2（CDCA2）、驅動蛋白家族成員 C1（KIFC1）、Holliday交叉識別蛋白（HJURP）、驅動蛋白家族成員11（KIF11）、非 SMC Condensin II 復合物亞基 G2（NCAPG2）、透明質酸介導的運動受體（HMMR）及NDC80 著絲粒復合物的 NUF2 組分（NUF2），見圖3。

圖4 關鍵基因蛋白-蛋白相互作用網絡圖

2.4 關鍵基因的轉錄因子驗證結果 基于TRRUST數據庫發現12個調控關鍵基因的TF，分別為腫瘤蛋白P53（TP53）、上游轉錄因子1（USF1）、E1A結合蛋白P300（EP300）、Sp1轉錄因子（SP1）、E2F轉錄因子1（E2F1）、KLF 轉錄因子 4（KLF4）、核因子 Kappa B 亞基 1（NFKB1）、Y-Box 結合蛋白 1（YBX1）、RELA 原癌基因，NF-KB 亞基（RELA）、E2F轉錄因子4（E2F4）、MYC 原癌基因，BHLH 轉錄因子（MYC）、KLF 轉錄因子 5（KLF5），協同參與CHEK1、BIRC5、CCNB2、TYMS、CCNB1這5個關鍵基因的調控，見圖5。

圖5 轉錄因子調控網絡圖

3 討論

近年來，人們對精準醫療的要求越來越高，許多新型的治療手段被應用于臨床診療中。目前，與疾病相關的基因研究成為研究熱點，但多關于癌癥方面，對于坐骨神經痛基因的研究較少。臨床治療坐骨神經痛主要為臥床休息、手術治療、西藥治療。臥床休息能夠緩解坐骨神經痛急性發作期因神經損傷所引起的疼痛及因機體活動所引起的神經牽拉。雖然長期臥床能夠緩解一定程度的坐骨神經痛，但也會產生不良反應，如形成靜脈血栓、肌肉萎縮、骨質疏松等；另外，長期臥床還會使患者心情煩躁，增加心理疾病發生的風險[5]。

研究顯示，手術治療與保守治療相比，能夠更快地緩解疼痛，但治療1年和2年后疼痛緩解程度無明顯差異[6]。西藥治療坐骨神經痛以鎮痛與營養神經類藥物進行對癥治療為主，研究表明目前臨床治療坐骨神經痛常用的非甾體類抗炎藥并不能從根本上解決因坐骨神經受損引起的疼痛[7]。且在臨床實踐中，可觀察到部分患者經過西藥治療后疼痛癥狀并未得到充分緩解[8]。因此，尋找新的坐骨神經痛治療靶點和預防標志物對臨床治療具有重要意義。

本研究選取8個坐骨神經痛患者樣本和8個健康人為研究對象，共篩選出了415個坐骨神經痛相關DEGs以及可能參與坐骨神經痛發生發展的15個關鍵基因?；赥RRUST數據庫發現12個調控關鍵基因的TF協同參與CHEK1、BIRC5、CCNB2、TYMS、CCNB1這5個關鍵基因的調控。

CHEK1屬于絲氨酸/蘇氨酸蛋白激酶家族中的一員，在細胞DNA損傷時或未完全復制的DNA中表達，主要功能為參與調節細胞周期修復DNA的損傷[9]。有研究指出，CHEK1參與調節細胞周期及DNA的損傷修復[10]。同時，CHEK1的異常表達還可使細胞減數分裂進展緩慢[11]。高表達的BIRC5與趨化因子活性和免疫細胞趨化性相關[12]。TYMS是一種葉酸依賴性必需酶，可產生DNA合成和修復所需的tRNA[13]。細胞周期蛋白（Cyclin）家族成員是細胞周期進程的關鍵調節因子，CCNB1和CCNB2是Cyclin家族中非常重要的成員，在細胞周期的不同階段發揮調節作用[14]。有絲分裂主要由CCNB1及其相關的催化活性伴侶所驅動[15]。以上5個關鍵基因在細胞的發育、組織分化等過程中發揮著重要的作用，因此，這5個關鍵基因有可能成為坐骨神經痛的新治療靶點和預防標志物。

綜上所述，坐骨神經痛發病與預后中發揮關鍵作用的基因為CHEK1、BIRC5、CCNB2、TYMS、CCNB1，可作為坐骨神經痛的新治療靶點和預防標志物。

參考文獻

JIANG C， LI Y，GUO M，et al. Acupotomy therapy for lumbar disc herniation： Protocol for a systematic review and meta-analysis[J].Medicine， 2018， 97（40）： e12624.

GENE ONTOLOGY CONSORTIUM. The Gene Ontology resource： Enriching a GOld mine[J]. Nucleic Acids Res， 2021， 49（D1）： D325-334.

KANEHISA M，FURUMICHI M， TANABE M， et al. KEGG： New perspectives on genomes，pathways， diseases and drugs[J]. Nucleic Acids Res， 2017， 45（D1）： D353-D361.

SU W， ZHAO Y， WEI Y，et al. Exploring the pathogenesis of psoriasis complicated with atherosclerosis via microarray data analysis[J].Front Immunol， 2021， 12： 667690.

SHEN Y， ZHOU Q， QIU Z，et al. Acupotomy for calcaneodynia： A systematic review protocol[J]. Medicine， 2018， 97（14）： e0143.

JACOBS W C， VAN TULDER M， ARTS M， et al. Surgery versus conservative management of sciatica due to a lumbar herniated disc： A systematic review [J]. Eur spine J， 2011， 20（4）： 513-522.

RASMUSSEN-BARR E， HELD U， GROOTEN W J， et al. Non-steroidal anti-inflammatory drugs for sciatica [J]. Cochrane database Syst Rev， 2016， 10（10）： CD012382.

老年慢性非癌痛藥物治療中國專家共識[J]. 中國疼痛醫學雜志， 2016， 22（5）： 321-325.

TAN Z， CHEN M， WANG Y， et al. CHEK1： A hub gene related to poor prognosis for lung adenocarcinoma[J]. Biomark Med， 2022， 16（2）：83-100.

TAN Z， CHEN M， WANG Y， et al. CHEK1： A hub gene related to poor prognosis for lung adenocarcinoma [J]. Biomark Med， 2022， 16（2）： 83-100.

ABE H， ALAVATTAM K G，KATO Y，et al.CHEK1 coordinates DNA damage signaling and meiotic progression in the male germline of mice[J].Hum Mol Genet， 2018， 27（7）： 1136-1149.

LIN T Y， CHAN H H， CHEN S H， et al.BIRC5/Survivin is a novel ATG12-ATG5 conjugate interactor and an autophagy-induced DNA damage suppressor in human cancer and mouse embryonic fibroblast cells[J]. Autophagy， 2020， 16（7）： 1296-1313.

WILSON P M， DANENBERG P V， JOHNSTON P G， et al. Standing the test of time： Targeting thymidylate biosynthesis in cancer therapy[J]. Nat Rev Clin Oncol， 2014， 11（5）： 282-298.

FANG L， LIU Q， CUI H，et al. Bioinformatics analysis highlight differentially expressed CCNB1 and PLK1 genes as potential anti-breast cancer drug targets and prognostic markers[J].Genes， 2022， 13（4）： 654.

HAGAN I M， GRALLERT A. Spatial control of mitotic commitment in fission yeast[J].Biochem Soc Trans， 2013， 41（6）： 1766-1771.