ارزیابی الگوهای بیان ژن مشتق از ریزآرایه در مدل‫های موشی تراژن بیماری آلزایمر (تائو و آمیلوئید بتا) با استفاده از ابزارهای زیست داده‏ورزی‬‬‬‬‬‬‬‬‬‬‬‬

نوع مقاله: علمی - پژوهشی

نویسندگان

دانشگاه زابل، دانشکده‌ علوم پایه، گروه زیست شناسی، سیستان و بلوچستان، زابل، ایران

چکیده

هدف: در این پژوهش تغییرات بیان ژن و تاثیر آن بر شبکه­های پروتئینی، عوامل رونویسی، مسیرهای سلولی و RNAهای کوچک در مدل‏های موشی تراژن بیماری آلزایمر (آمیلوئید بتا و تائو) بررسی شد.
مواد و روش‏ها: نتایج داده­های ریز آرایه ژن‏های بافت مغز در پایگاه داده GEO تجزیه و تحلیل، پیش بینی شبکه‏ها به‏کمک پایگاه داده String انجام و توسط نرم افزار Cytoscape آنالیز شد. پیش­بینی فاکتورهای رونویسی و مسیرهای سلولی ژن­ها در سرویس تحت وب Enrichr انجام گرفت. همچنین از درواره ToppGene برای شناسایی نقش RNAهای کوچک دخیل در این مدل­ها استفاده شد.
نتایج: تجزیه و تحلیل شبکه­‏های پروتئینی نشان داد ژن CTSS (کد کننده پروتئین کاتپسین اس)  که یک سیستئین پروتئاز لیزوزومی است در هر دو مدل ژن­ کلیدی و رابط شبکه‏ای می‏باشد. ژن‏های IRF8 (کد کننده پروتئین عامل 8 تنظیم ‏کننده اینترفرون) و NFE2L2 (کد کننده پروتئین عامل 2 مرتبط با عامل هسته‏ای اریتروئیدی 2) که به‏ترتیب ژن­های دخیل در سیستم ایمنی و استرس اکسیداتیو هستند، به‏عنوان عوامل رونویسی تاثیرگذار تعیین شدند. به‏علاوه مشخص شد RNA کوچک let-7 (دخیل در سیستم ایمنی) می‏تواند به‏عنوان تنظیم کننده مهم بیان ژن‏ها در مسیرهای ژنی هر دو مدل بیماری عمل نماید.
نتیجهگیری: سیستم ایمنی نقش بسیار مهمی در روند بیماری آلزایمر در هر دو مدل داشته و احتمالا کاهش فعالیت ژن‏های این سیستم (IRF8 و let-7) به‏همراه افزایش ژن‏های دخیل در کاهش استرس اکسیداتیو (CTSS و NFE2L2) در هر دو مدل یک هدف درمانی مناسب خواهد بود.
واژگان کلیدی:

تازه های تحقیق

-

کلیدواژه‌ها


مقدمه

تعداد افراد بالای شصت سال در دنیا به­سرعت در حال افزایش است، به­طوری که در دهه آینده نزدیک به 22 درصد افراد جهان دارای سن شصت سال خواهد بود بیماری­های مرتبط با سن از اهمیت بسیاری برخوردار خواهند بود. یکی از بیماری­های مهم مرتبط با پیری، آلزایمر است (1). بیش از 44 میلیون نفر در سراسر دنیا به آلزایمر مبتلا هستند که این میزان در سال 2030 دو برابر و در 2050 سه برابر خواهد شد (2). بیماری آلزایمر یک اختلال مغزی است که عامل اصلی ایجاد جنون می‏باشد (3).

در آلزایمر به­دلیل ناشناخته بودن مکانیسم بیماری، پزشک فقط می­تواند پیشنهاداتی برای کنترل و کاهش روند بیماری ارائه دهد. از طرف‏ دیگر روند شروع بیماری بدون علامت بوده و زمانی تشخیص داده می­شود که ضایعات مغزی گسترش یافته‏اند (4). دو عامل بسیار مهم در ایجاد آلزایمر پلاک­های خارج سلولی آمیلوئید بتا (beta amyloid) و تجمع داخل سلولی پروتئین تائو (Tau) می­باشند (3).

جهش­های ژنتیکی در پروتئین تائو باعث تا خوردگی­های نامناسب در این پروتئین کلیدی می­شود. نتیجه­ی این تا خوردگی­ها، تجمع پروتئین­ها و ایجاد پلاک­های پروتئینی است که این تجمعات برای نورون­ها ایجاد سمیت کرده و باعث مرگ نورونی می­شوند (5). ارتباط پروتئین جهش یافته­ی تائو با مسیرهای پاسخ به پروتئین­های تانخورده یا UPR (6)، اتوفاژی (7)، آپوپتوزیس (8)، استرس اکسیداتیو (9) و التهاب (10) به اثبات رسیده،از طرف دیگرتجمعات قطعات آمیلوئید بتا باعث ایجاد پلاک­های آمیلوئید بتا شده و نهایتا سبب مرگ نورون‏ها می­‫شوند (11). پپتیدهای آمیلوئید بتا می­توانند از طریق دو مسیر پردازش شوند. مسیر اول مرحله­ی غیر آمیلوئیدی است که برش ایجاد شده توسط آنزیم آلفا سکرتاز یک بخش محلول (sAPPα) و یک بخش درون غشایی(CTF83) از پروتئین پیش ساز آمیلوئید (APP) را ایجاد می‏کند و در نهایت تحت اثر آنزیم گاما سکرتاز دو مولکول انتقال دهنده پیام (P3 و AICD) که در عملکرد سلول نقش دارند ایجاد می‏گردد. مسیر دوم مرحله­ی آمیلوئیدی است که ایجاد برش توسط آنزیم بتا سکرتاز یک بخش غیر محلول (sAPPβ) و یک بخش درون غشایی (CTF99) از APP را ایجاد می­کند و و در نهایت تحت اثر آنزیم گاما سکرتاز دو مولکول AICD و آمیلوئید بتا تولید می‏گردند. آنزیم برشی ناحیه بتا BACE1 نام داشته و به‏خانواده آسپارتیک پروتئازها تعلق دارد (12).

برش ثانویه C99 با فعالیت گاما سکرتاز منجر به‏تولید پپتید آمیلوئیدبتا با 42-40 اسید آمینه می‏شود باقیمانده‏ی آن تولید قطعه­ی کوچک دورن سلولی APP به­نام AICD می‏کند. گاما سکرتاز عضوی از یک کمپلکس چند پروتئینی که شامل پرسیلین 1 (PS1) یا پرسینلین 2، نیکاسترین و افزایش­دهنده پرسینلین 2 می­باشد (13). جهش در APP یا ژن­های پرسینلین در شروع آلزایمر نقش داشته برخی از این جهش ها همانند جهش PS1 اثر شدیدی بر نسبت Aβ40/Aβ42 با افزایش محصول Aβ42 دارند (14).

با این حال این دو پروتیئن (آمیلوئیدبتا و تائو) بی‏ارتباط و مستقل از هم نیستند و برای مثال در مطالعات            in vitro دیده شده که پروتئین تانخورده­ی آمیلوئیدبتا می‏تواند تاخوردگی نامناسب پروتئین Tau را القا کند. از طرف دیگر در بعضی از پژوهش­ها نشان داده شده است که سمیت آمیلوئیدبتا به‫وسیله­ی تائو وساطت شده و همچنین فسفوریلاسیون تائو می‏تواند از طریق آمیلوئید بتا انجام گیرد (15). همان‏طور که دیده می‏شود پروتئین تائو و آمیلوئید بتا اثرات بسیار گسترده­ای را بر نورون می‏گذارند و مسیرهایی مانند اتوفاژی، آپوپتوزیس، UPR و دیگر مسیرهای مربوطه را درگیر می‏کند. از این‏رو با استفاده از ابزاری مانند ریزآرایه با مطالعه هم‫زمان چندین هزار ژن می‏توان اطلاعات ارزشمندی در مورد رابطه علت و معلولی این دو مولکول به‏دست آورد.

 

مواد و روش‌ها

بررسی داده­های ریزآرایه:در این پژوهش از امکانات پایگاه داده­ (Gene Expression Omnibus) GEO (16) استفاده شد و نتایج بیان ژن حاصل از دو مطالعه­ی GSE53480 (17) و GSE92926 (18) در این پایگاه مورد بررسی قرار گرفت. برای آنالیز این داده­ها از نرم افزار آنلاین GEO2R که معیار آماری آن Benjamin & Hochberg استفاده شد. میزان معنی‏داری، برای تغییرات بیان 05/0 در نظر گرفته شد.

شبکه­های پروتئینی:برای ترسیم شبکه­های پروتئینی و اثرمتقابل پروتئین­ها بر هم از وب سرویس String (19) و نرم افزار Cytoscape (20) نسخه­ی 3.6.1  کمک گرفته شد به‏طوری‏که ژن‏های به­دست آمده وارد پایگاه داده­ی String شده و سپس شبکه­ی حاصله به‏وسیله­ی نرم افزار Cytoscape مورد آنالیز قرار گرفت و در آن فاکتورهای توپولوژی مانند میزان مرکزیت بینابینی و محدوده­ی مرکزیت بررسی شدند.

بررسی عملکردهای ژنی:عملکردهای ژنی به‏وسیله­ی نرم افزار آنلاین Topgene (21) مورد بررسی قرار گرفت. بدین‫ترتیب که پیش بینی ریز RNA (miRNA) برای ژن­های به‏دست آمده انجام شد و همچنین از نرم افزار آنلاین Enrichr (22) برای پش‏بینی فاکتورهای رونویسی و مسیر سلولی استفاده گردید.

 

نتایج

دو کلید واژه تائو در بیماری آلزایمر(Tau in Alzheimer’s disease) و آمیلوئید بتا در بیماری آلزایمر (beta amyloid in Alzheimer’s disease) در پایگاه داده GEO جست و جو شدند که به­ترتیب 57 نتیجه برای تائو و 101 نتجه برای آمیلوئید بتا به­دست آمد. برای بررسی بهتر مسیرهای آمیلوئیدبتا وتائو تنها مدل­های ترانس ژنیک موش انتخاب شدند. از این رو از این تعداد نتایج به‏دست آمده به 16 مطالعه برای آمیلوئید بتا و 9 مطالعه برای تائو تقلیل یافت. سپس تنها مطالعاتی که مدل آلزایمر را با نمونه وحشی مقایسه کردند در نظر گرفته شدند (بررسی­های دارویی حذف شدند) که در نتیجه تنها مطالعه GSE53480 (13) برای مدل تائو و مطالعه GSE92926 (14) برای مدل آمیلوئید بتا انتخاب شدند. سپس داده­های این دو مطالعه با نرم افزار آنلاین GEO2R مورد آنالیز قرار گرفته و ژن­هایی با تغییرات بیان 1 و بیشتر از 1 که از نظر آماری معنی­دار بودند انتخاب شدند. بعد از آنالیز داده­های ریزآرایه 145 ژن مشخص شدند که در مدل تائو با تغییربیان حداقل 1 بودند. برای مدل آمیلوئید بتا نیز 149 ژن مشخص شد (نمودار 1).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

نمودار 1:  نمودار مراحل انجام مطالعه

 

شبکه­ی پروتئینی

شبکه­ی پروتئینی ساخته شده برپایه­ی پایگاه داده­ی String به‏وسیله­ی نرم افزار Cytoscape آنالیز و به تصویرکشیده شد (شکل  1).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 1. الف. شبکه­ی پروتئینی مربوط به مدل تائو. ب. شبکه­ی پروتئینی مربوط به مدل آمیلوئیدبتا.

 

 

در این شبکه­ها هرچه اندازه­ی گره­ها بزرگتر باشد میزان مرکزیت بینابینی (Betweenness centrality) بیشتر و هرچقدر آبی­تر شود میزان محدوده­ی مرکزیت (Closeness centrality) افزایش می­یابد. با آنالیز شبکه­ پروتئینی، پروتئین Ctss (کاتپسین اس) با درجه­ی 26، بالاترین میزان درجه ارتباط در مدل آمیلوئیدبتا را نشان داد (جدول 1).

ژن Ctss در انسان پروتئین کادپسین اس (Ctss) را کد می‏کند و جزیی از خانواده­ی پپتیداز C1 می­باشد که یک سیستئین پروتئاز لیزوزومی است. این پروتئین می­تواند در برش آنتی­ژن­ها به پپتید و ارائه­ی آن به کمپلکس MHC  کلاس 2 نقش داشته باشد و هم­چنین می­تواند به‏عنوان یک الاستاز در ماکروفاژها عمل کند (23). پروتئین تیروزین فسفاتاز گیرنده­ی نوع C (Ptprc) با درجه­ی 22 در رتبه­ی بعدی قرار گرفت. این پروتئین از خانواده­ی تیروزین فسفاتاز است و به­عنوان مولکول­ پیام‏رسان در تنظیم رشد سلول، تمایز و میتوز نقش دارد. همچنین تیروزین فسفاتازها برای مسیرهای انتقال پیام در رسپتورهای سلول‫های T و B ضروری هستند (23). پروتئین Cd68 (Cd68) با درجه­ی 22 بعد از Ptprc قرار گرفت. این پروتئین می‏تواند در فعالیت فاگوسیتیک ماکروفاژهای بافتی و همچنین در متابولیسم لیزوزومی و ارتباطات سلولی (سلول به سلول و سلول به پاتوژن) نقش داشته باشد (23). پروتئین بعدی Complement C1q subcomponent subunit A (C1qa) با درجه­ی 21 می‏باشد. این پروتئین با پروآنزیم گیرنده­ کمپلمان نوع 1 (C1r) و زیرواحد C1s کمپلمان (C1s) همراهی می‏کند تا بازده C1 که اولین جزء سیستم کمپلمان سرم می‏باشد را بالا ببرد. مناطق شبه کلاژنی پروتئین C1q با قسمت وابسته به Ca2+ کمپلکس پروآنزیمی C1r2C1s2 ارتباط دارد. این ارتباط اتصال سرهای کروی C1q به قسمت Fc ایمونو گلوبول G (IgG)  یا ایمونو گلوبول M (IgM) در کمپلکس ایمنی را بهبود می‏بخشد (23).

پروتئین پنجم با درجه­ی 21، پروتئین آنتی ژن لنفوسیت 86 (Ly86) می باشد. Ly86 می‏تواند با پروتئین‏های، (TLR4) toll-like receptor 4 و CD180 همکاری کند تا در ایمنی ذاتی در پاسخ به لیپوپلی ساکارید باکتری و تولید سیتوکین کمک کند (23).

از طرف دیگر در مدل تائو، پروتئین اینتگرین بتا 2 (Itgb2) با درجه­ی 50 بالاترین میزان درجه ارتباط را نشان داد. این پروتئین یک رسپتور برای مولکول‏های چسبان سلولی 1، 2، 3 و 4 (ICAM4-ICAM1) است که در سیستم ایمنی و حرکت نوتروفیل­ها نیز نقش دارد (23). سپس پروتئین‫های Cd68  و پروتئین Tyrobp  با درجه­ی 43، Ptprc با درجه­ی 46 و Ctss با درجه­ی 49 به‏ترتیب بالاترین میزان درجه ارتباط را داشتند. پروتئینTyrobp protein tyrosine kinase-binding protein)) در فعالسازی نوتروفیل­ها به‏وسیله‏ی اینتگرین نقش دارد (23).

از طرف دیگر درمدل آمیلوئید بتا پروتئین­های Osal2، Ctss، Ptprc، Cd68 و  Ly86به‏ترتیب با ارزش­های 66/0، 16/0، 16/0، 12/0 و 08/0 بالاترین میزان را برای مرکزیت بینابینی به‏دست آوردند (جدول  1). همچنین در مدل تائو پروتئین­های Ctss، Ltgb2 و پروتئین TLR2 به‏ترتیب  با ارزش­های 10/0، 09/0 و 09/0 بالاترین میزان را به‏دست آوردند. پروتئین TLR2 با همکاری Ly96 پاسخ ایمنی ذاتی لیپو پروتئین باکتری و دیگر اجزای باکتریایی را وساطت می‏کنند (23).

بعد از پروتئین TLR2، پروتئین­های Cd68 و Ptprc با ارزش­های 09/0 و 08/0 بالاترین میزان مرکزیت بینابینی را به‏دست آوردند. با آنالیز شبکه توسط نرم افزار Cytoscape بالاترین میزان محدوده­ی مرکزیت در مدل آمیلوئید بتا برای پروتئین Osal2 با ارزش 1 به‏دست آمد. همچنین پروتئین‫های Ctss و پروتئین متصل شونده به گالکتین-3 Lgals3bp)) با ارزش­های 79/0 و 75/0 بعد از Osal2 قرار گرفتند (جدول 1). ارزش محدوده­ی مرکزیت برای پروتئین آنتی ژن استرومال مغز استخوان 2 (Bst2) 75/0 به‫دست آمد. این پروتئین به‏عنوان یک کمند فیزیکی ویروس­ها را در غشا سلولی نگه می‏دارد (23).

این مقدار برای Ptprc 72/0 به‏دست آمد. همچنین مقدار محدوده­ی مرکزیت در مدل تائو برای پروتئین­های Ctss، Ltgb2، Ptprc، Cd68 و Tyrobp به‏ترتیب 66/0، 65/0، 64/0، 63/0 و 60/0 به‏دست آمد که بالاترین میزان محدوده­ی مرکزیت در مدل تائو بودند (جدول 1).

 

 

 

جدول  1: نتیجه­ی حاصل از آنالیز شبکه­ی ژنی برای مدل آمیلوئید بتا و مدل تائو

مدل آمیلوئیدبتا

مدل تائو

فاکتورهای توپولوژی

Ctss (26)

Ptprc (22)

Cd68 (22)

C1qa (21)

Ly86 (21)

Ltgb2 (50)

Ctss (49)

Ptprc (46)

Cd68 (45)

Tyrobp (43)

 

درجه

Oasl2 (0.66)

Ctss (0.16)

Ptprc (0.16)

Cd68 (0.12)

Ly86 (0.08)

Ctss (0.10)

Ltgb2 (0.09)

Tlr2 (0.09)

Cd68 (0.09)

Ptprc (0.08)

 

مرکزیت بینابینی

Oasl2 (1.0)

Ctss (0.79)

Lgals3bp (0.75)

Bst2 (0.75)

Ptprc (0.72)

Ctss (0.66)

Ltgb2 (0.65)

Ptprc (0.64)

Cd68 (0.63)

Tyrobp (0.60)

 

محدوده­ی مرکزیت

 

 

نکته­ی قابل ذکر آن است که پروتئین Ctss در مدل آمیلوئید بتا بالاترین و در مدل تائو دومین میزان درجه ارتباط را کسب کرد. از طرف دیگر مرکزیت بینابینی برای Ctss در مدل آمیلوئید بتا دومین میزان و در مدل تائو اولین میزان را به‏دست آورد. همچنین محدوده­ی مرکزیت Ctss در مدل آمیلوئید بتا دومین مقدار و برای تائو اولین مقدار را به‏دست آورد. با آنالیز شبکه به‏نظر می‏رسد که پروتئین Ctss در هر دو مدل نقش مهمی را ایفا می‏کند.

فاکتورهای رونویسی

وب سرویس Enrichr، برای بررسی بهتر، از چند پایگاه داده استفاده می‏کند. ما برای نتیجه­ی بهتر از میان این پایگاه­های داده، 4 پایگاه داده را انتخاب کردیم که در جدول 2 نشان داده شده است. پایگاه داده­ی ChEA در مدل آمیلوئید بتا و تائو فاکتور رونویسی اینترفرون 8 (IRF8) را پیش بینی کرد. پروتئین IRF8 یکی از دو نقش فعال کنندگی یا مهاری رونویسی را دارا می‏باشد. در سیستم ایمنی نقش مهار کنندگی دارد ولی با اتصال به‏قسمت تنظیمی بالادست نوع یک IFN و القا کننده­ی IFN، فعال کننده­ی ژن­های MHC کلاس I می‏باشد.

پروتئین­های خانواده IRF8 دارای دومین­های محافظت شده متصل به DNA در ناحیه N-ترمینال و یک ناحیه C-ترمینال متمایز که به­عنوان یک دومین تنظیم­کننده است، می‏باشند. پروتئین­های خانواده IRF همچنین بیان ژن­های تنظیم کننده α وβ که به­وسیله عفونت­های ویروسی القا می­شوند را کنترل می­کنند (23).در پایگاه داده­ی ENCODE، فاکتور رونویسی IRF8 و فاکتور رونویسی PU.1 (SPI1) به‏دست آمد (جدول 2).

پروتئین SPI1 یک پروتئین متصل شونده­ است که به جعبه­ی PU و یا یک توالی غنی از پورین DNA         (′3-GAGGAA-′5) متصل می‏شود که این پروتئین یک افزایش دهنده­ی اختصاصی لنفوئیدی می‏باشد. SPI1 فعال کننده­ی رونویسی است که می‏تواند به‏طور اختصاصی ماکروفاژها و سلول­های B را متمایز یا فعال کند. در پایگاه داده­ی ARCHS4 برای هر دو مدل فاکتور رونویسی EB (TFEB) به‏دست آمد (جدول  2).

پروتیئن ژن TFEC یک عضو از خانواده­ی میکروفتالمی است که یک تنظیم کننده­ی مهم برای پروتئین­های لیزوزومی به­ویژه در میکروگلیاها می­باشد. TFEB همکاری نزدیکی با LYNUS، mTORC1، V-ATPase و RAG GTPase دارد (23). آخرین فاکتور رونویسی به‫دست آمده فاکتور هسته­ای 2 مرتبط با فاکتور2 (NFE2L2) می‏باشد (جدول  2).

 

 

 

 

 

جدول 2: فاکتورهای رونویسی پیش بینی شده برای ژن­های به‏دست آمده از داد­های ریزآرایه برای دو مدل تاتو وآمیلوئید بتا به‏صورت جداگانه بررسی شدند. *برابر است با Adjusted p-value (A.P.V)

.

 

فاکتورهای رونویسی

 

پایگاه­های داده

مدل آمیلوئیدبتا

مدل تائو

IRF8

(A.P.V=4.386e-9)

IRF8

(A.P.V*=9.281e-13)

ChEA

IRF8

(A.P.V=0.01276)

SPI1

(A.P.V=0.001)

ENCODE and ChEA consensus TF from ChIP-X

TFEC

(A.P.V=9.678e-18)

TFEC

(A.P.V=1.692e-32)

ARCHS4 TFs Coexp

NFE2L2

(A.P.V=2.239e-20)

NFE2L2

(A.P.V=2.327e-32)

TF Perturbations Followed by Expression

 

 

 

 

 

 

 

 

 

 

 

 

 زمانی‏که سلول در حالت طبیعی و بدون استرس اکیسداتیو است پروتئین NFE2L2 در سیتوپلاسم پروتئین Keap1 به­وسیله­ی دمین کلچ (Kelch) به پروتئین NFE2L2 متصل است که باعث تنظیم فعالیت NFE2L2 می­شود و زمانی که استرس اکسیداتیو ایجاد می­شود، Nrf2 از Keap1 جدا شده و وارد هسته می‏شود و فعالیتش را به­عنوان فاکتور رونویسی شروع می‏کند (24).

NFE2L2 در پاسخ به مقادیر کم اکسیژن فعال نیز بیان شده و باعث تنظیم پاسخ آنتی اکسیدانی می­شود. استرس اکسیداتیو و فعالیت Nrf2 در مراحل اولیه­ی بیماری آلزایمر دیده شده است (25). Nrf2 بیان آنتی اکسیدانت‏هایی مثل گلوتاتیون s- ترنسفراز، کویینون اکسیدو ردوکتاز 1 را وساطت می­کند. این بیان ژن

 

به‏وسیله­ی توالی خاصی به‏نام عناصر مسئول آنتی اکسیدانتی امکان­پذیر می­شود (24).

جالب است که در چهار پایگاه داده فقط یک فاکتور رونویسی تفاوت داشت. این موضوع می‏تواند نشان دهنده‏ی آن باشد که پروتئین­های تنظیمی مشترکی برای دو مدل آمیلوئید بتا و تائو وجود دارد.

مسیرهای سلولی

با بررسی ژن­های به­دست آمده از داده­های ریزآرایه به‏وسیله­ی وب سرویس Enrichr دو مسیر سلولی برای دو مدل بررسی شده به­دست آمد (شکل 2). مسیر سلولی متناسب با ژن­های مدل تائو سیس آبشار انعقادی(complement and coagulation cascades) با درجه­ معناداری (p-value) 14e-543/5 از پایگاه داده­ی KEGG به­دست آمد (شکل 2).

 

 

شکل  2: دو مسیر سلولی پیشنهادی برای ژن­های ارائه شده. الف. مسیری است که ژن­های ارائه شده از مدل تائو بیشترین نقش را داشته‏اند. ب. مسیری است که ژن­های ارائه شده از مدل آمیلوئید بتا بیشترین نقش را داشته اند.

 

 

همچنین این پیش بینی برای ژن­های مربوط به آمیلوئید بتا نیز انجام گرفت که نتیجه­ی آن مسیر عفونت با استافیلوکوکوس اورئوس با درجه معناداری 9e-517/8 به‏دست آمد. سیستم کمپلمان با کمک به آنتی بادی­ها و فاگوسیت­ها به از بین بردن پاتوژن­ها کمک می­کند. مطالعات in vitroو in situ نشان داده­اند که پروتئین تائو و آمیلوئید بتا می­توانند مسیر کمپلمان را فعال کنند. همچنین در بیماری آلزایمر هم مکانی بین پروتئین­های کمپلمان و پلاک­های آمیلوئیدبتا و فیبرهای به­هم ریخته­ نورونی دیده می­شود (26). استافیلوکوکوس اورئوس یک پپتید کوچک به نام PSM  (phenol soluble modulins) دارد که به‏شکل فیبرهای آمیلوئید بتا در بیوفیلم­ها دیده می­شوند و حدس زده می­شود که آمیلوئید فعال، یک پدیده­ی متداول است که توسط باکتری­ها استفاده می­شود (27).

MicroRNA

ریز آر ان ای‏ها (miRNAs) عضوی از RNAهای غیر کد کننده با طول 19 تا 25 نوکلئوتید می‏باشند. این RNAهای غیر کد کننده در تنظیم بیان ژن نقش دارند به‏طوری‏که با اتصال خود به انتهای ′3 (3′-UTR) آر ان ای پیامبر (mRNA) بیان آن را سرکوب می‏کنند (28). پژوهش­ها نشان داده که بیش از 80 miRNA در نورون­های پستانداران بیان می شود که نقش مهمی رشد و عملکر نورون­ها دارند (29). همچنین در مطالعات اخیر نشان داده شده است که miRNAها می­توانند مارکرهای زیستی برای بیماری آلزایمر باشند (30). خانواده­ی let-7 در تنظیم فعالیت‏های سلولی زیادی دخیل هستند. برای مثال در تنظم مسیر  RAS، چرخه­ی سلولی (31) و همچنین در سیستم ایمنی دخالت دارند (32) (شکل 2). همچنین ثابت شده که let-7 در بیماری آلزایمر تغییر بیان پیدا می­کند (33).  نقش داشتن miR-185 در سیستم ایمنی مشخص شده است. به‏عنوان مثال در پژوهشی نقش miR-185 در فعال­سازی سلول­های B مشخص گردید (34). ازطرفی تایید شده است که در بیماری آلزایمر miR-642 افزایش بیان پیدا می‏کند (35). در مطالعات دیگر مشخص شده که بیان miR-376c کاهش پیدا می­کند (36). miR-490-3p در تحریک رشد و تهاجم سلول‏های سرطانی نقش دارد (37). هم­چنین در مطالعه‏ای دیگر نشان داده شده که miR-135b نقش حفاظتی در بیمای پارکینسون دارد (38).

 

بحث

با بررسی شبکه پروتئینی در هر دو مدل تائو و آمیلوئید بتا اشتراکات زیادی بین پروتئین­هایی که درجه­ی بالایی دارند و همچنین این اشتراکات برای مرکزیت بینابینی و محدوده­ی مرکزیت دیده شد. به‏نظر می‏رسد این ژن در این شبکه نقش مهم و اساسی داشته باشد. ژن Ctss در هرسه فاکتور توپولوژی برای هر دو مدل در بالاترین امتیازها قرار گرفت. مشخص شده است که این ژن در مسیرهایی مانند التهاب (39) و بیماری­های اتوایمیون (Autoimmune disease)) 40)، دخیل است. فاکتورهای رونویسی به‫دست آمده تماما در ارتباط با سیستم ایمنی بودند به‏طوری‏که از پنج فاکتوررونویسی به‏دست آمده  فقط NFE2L2 در مسیر پاسخ به استرس اکسیداتیو می‏باشد. NFE2L2 باعث بیان تعدادی از آنتی اکسیدانت‫های درون سلولی می‏شود. کاهش میزان آن به‏عنوان یک فاکتور پیری مشخص شده و  همچنین در بررسی بعد از مرگ مغز بیماران مبتلا به آلزایمر میزان NFE2L2 کاهش یافته است (41). یافته­های جدید نشان داده است که NFE2L2 با تعامل با NF-κB به‏عنوان یک فاکتور ضدالتهابی عمل می‏کنند (42). NF-κB فعال کننده­ی کمپلمان C3 می‏باشد. از طرف دیگر Aβ به‏عنوان یک بالادست برای فعال شدن NF-κB عمل می‏کند (43). RNA کوچک let-7 نیز در چرخه­ی سلولی و سیستم ایمنی نقش دارد. miR-185 نیز در سیستم ایمنی دخیل است و در بیماری آلزایمر نقش دارد.

 

نتیجه­گیری

در این مطالعه تمامی داده­ها تاکید بر سیستم ایمنی داشتند به‏طوری‏که تمامی مسیرها و فاکتورهای رونویسی این را نشان می‏دادند. از طرف دیگر پروتئین­های کلیدی که در بررسی شبکه­ی ژن برای دو مدل به‫دست آمد اشتراکات زیادی را نشان دادند. به‏نظر  می‏رسد که پلاک‏های خارج سلولی آمیلوئید بتا و فیبرهای درون سلولی تائو هر دو سیستم ایمنی را تحریک کرده، این عمل از طریق مسیرهای مشابه و مرتبطی انجام می‏گیرد. از طرف دیگر این دو عامل (آمیلوئید بتا و تائو) می‏توانند بر NFE2L2 و NF-κB تاثیر بگذارند و نهایتا از این طریق سیستم کمپلمان را فعال کنند. در نهایت فعال شدن مکانسیم آنتی اکسیدانتی درون سلولی نیز می‏تواند در فعال یا غیر فعال شدن سیستم کمپلمان نقش داشته باشد.

 

تشکر و قدردانی

نوسندگان بر خود لازم می دانند کمال تشکر و قدردانی خود را از کلیه راهنمایی ها و همکاریهای جناب آقای دکتر محمد حدادی، عضو هیات علمی گروه زیست شناسی دانشگاه زابل در جهت انجام این پژوهش اعلام نمایند  .(UOZ-GR-9618-5)

1. De Almeida AJPO, Ribeiro TP, de Medeiros IA. Aging: Molecular Pathways and Implications on the Cardiovascular System. Oxid Med Cell Longev. 2017; 2017: 7941563.

2. Faux, N.G., Rembach, A., Wiley, J., Ellis, K.A., Ames, D., Fowler, C.J., Martins, R.N., Pertile, K.K., Rumble, R.L., Trounson, B. and Masters, C.L., 2014. An anemia of Alzheimer's disease. Molecular psychiatry, 19(11), p.1227.

3. Kang S, Lee Y-h, Lee JE. Metabolism-Centric Overview of the Pathogenesis of Alzheimer's disease. Yonsei Med J. 2017; 58(3): 479-488.

4. Hampel H, Lista S. Alzheimer disease: from inherited to sporadic AD-crossing the biomarker bridge. Nat Rev Neurol. 2012; 8(11): 598-600.

5. Bloom GS, Lazo GS, Norambuena A. Reduced brain insulin signaling: A seminal process in Alzheimer's disease pathogenesis. Neuropharmacology. 2018; 136(Pt B): 192-195.

6. van der Harg JM, Nölle A, Zwart R, Boerema AS, et al. The unfolded protein response mediates reversible tau phosphorylation induced by metabolic stress. Cell Death Dis. 2014; 5(8): e1393.

7. Liu H, Dai C, Fan Y, Guo B, et al. From autophagy to mitophagy: the roles of P62 in neurodegenerative diseases. J Bioenerg Biomembr. 2017; 49(5): 413-422.

8. Binder LI, Guillozet-Bongaarts AL, Garcia-Sierra F, Berry RW. Tau, tangles, and Alzheimer's disease. Biochim Biophys Acta. 2005; 1739(2-3): 216-223.

9. Abramov AY, Berezhnov AV, Fedotova EI, Zinchenko VP, et al. Interaction of misfolded proteins and mitochondria in neurodegenerative disorders. Biochem Soc Trans. 2017; BST20170024.

10. Cheignon C, Tomas M, Bonnefont-Rousselot D, Faller P, et al. Oxidative stress and the amyloid beta peptide in Alzheimer's disease. Redox Biol. 2018; 14: 450-464.

11. Qiang W, Yau WM, Lu JX, Collinge J, et al. Structural variation in amyloid-β fibrils from Alzheimer's disease clinical subtypes. Nature. 2017; 541(7636): 217-221.

12. Sinha S, Anderson JP, Barbour R, Basi GS, et al. Purification and cloning of amyloid precursor protein β-secretase from human brain. Nature. 1999; 402 (6761): 537-40.

 

13. Selkoe DJ, Wolfe MS. Presenilin: running with scissors in the membrane. Cell. 2007; 19; 131(2): 215-21.

14. Kumar-Singh S, De Jonghe C, Cruts M, Kleinert R, et al. Nonfibrillar diffuse amyloid deposition due to a γ 42‐secretase site mutation points to an essential role for Ntruncated A β 42 in Alzheimer’s disease. Human molecular genetics. 2000; 9(18): 2589-98.

15. Zhan Y, Zheng H, Wang C, Rong Z, et al. A novel presenilin 1 mutation (F388L) identified in a Chinese family with early-onset Alzheimer's disease. Neurobiol Aging. 2017; 50:168.e1-168.e4.

16. Edgar R, Domrachev M, Lash AE. "Gene Expression Omnibus: NCBI gene expression and hybridization array data repository." Nucleic acids research. 2002; 30(1): 207-210.

17. Polito VA, Li H, Martini-Stoica H, Wang B, et al. Selective clearance of aberrant tau proteins and rescue of neurotoxicity by transcription factor EB. EMBO Mol Med. 2014; 6(9): 1142-60.

18. Castillo E, Leon J, Mazzei G, Abolhassani N, et al. Comparative profiling of cortical gene expression in Alzheimer's disease patients and mouse models demonstrates a link between amyloidosis and neuroinflammation. Sci Rep 2017; 7(1): 17762.

19. Jensen LJ, Kuhn M, Stark M. Chaffron S, et al. STRING 8--a global view on proteins and their functional interactions in 630 organisms. Nucleic Acids Res. 2009; 37(Database issue): D412-6.

20. Shannon P, Markiel A, Ozier O, Baliga NS, et al. "Cytoscape: a software environment for integrated models of biomolecular interaction networks." Genome research 2003; 13(11): 2498-2504.

21. Chen J, Xu H, Aronow BJ, Jegga AG. Improved human disease candidate gene prioritization using mouse phenotype. BMC Bioinformatics. 2007; 8(1): 392.

22. Chen EY, Tan CM, Kou Y, Duan Q, et al. Enrichr: interactive and collaborative HTML5 gene list enrichment analysis tool. BMC Bioinformatics. 2013; 128(14): 1471-2105.

23. Chen C, Huang H, Wu CH. Protein bioinformatics databases and resources. InProtein Bioinformatics. 2017; 1558: 3-39.

24. Zhang H, Davies KJ, Forman HJ. Oxidative stress response and Nrf2 signaling in aging. Free Radical Biology and Medicine. 2015; 88(Pt B): 314-36.

25. Mota SI, Costa RO, Ferreira IL, Santana I, et al. Oxidative stress involving changes in Nrf2 and ER stress in early stages of Alzheimer's disease. Biochim Biophys Acta. 2015; 1852(7):1428-41.

26. Cortes-Canteli M, Zamolodchikov D, Jin Ahn H, Strickland S, et al. Fibrinogen and altered hemostasis in Alzheimer's disease. Journal of Alzheimer's Disease. 2012; 32(3): 599-608.

27. Schwartz K, Boles BR. Microbial amyloids--functions and interactions within the host. Curr Opin Microbiol. 2013; 16(1):93-9.

28. Ding HX, Lv Z, Yuan Y, Xu Q. MiRNA Polymorphisms and Cancer Prognosis: A Systematic Review and Meta-analysis. Frontiers in Oncology. 2018; 8: 596.

29. Thomas KT, Gross C, Bassell GJ. MicroRNAs sculpt neuronal communication in a tight balance that is lost in neurological disease. Frontiers in Molecular Neuroscience. 2018; 11: 455.

30. Basavaraju, Manasa, and Alexandre de Lencastre. "Alzheimer’s disease: presence

and role of microRNAs. Biomolecular concepts. 2016; 7(4): 241-252.

31. Johnson W, Thomas J, Bouchard Jr. Constructive replication of the visual–perceptual-image rotation model in Thurstone's (1941) battery of 60 tests of mental ability. Intelligence. 2005; 33(4); 417-430.

32. Hu G, Zhou R, Liu J, Gong AY, et al. MicroRNA-98 and let-7 confer cholangiocyte expression of cytokine-inducible Src homology 2-containing protein in response to microbial challenge. J Immunol. 2009; 183(3): 1617-24.

33. Liu QY, Chang MN, Lei JX, Koukiekolo R, et al. Identification of microRNAs involved in Alzheimer's progression using a rabbit model of the disease. Am J Neurodegener Dis. 2014; 3(1): 33-44.

34. Wang H, Chen F, Tong J, Li Y, et al. Circulating microRNAs as novel biomarkers for dilated cardiomyopathy. Cardiol J. 2017; 24(1): 65-73.

35. Lukiw WJ, Alexandrov PN, Zhao Y, Hill JM, et al. Spreading of Alzheimer's disease inflammatory signaling through soluble micro-RNA. Neuroreport. 2012; 23(10): 621-6.

36. Wang WX, Huang Q, Hu Y, Stromberg AJ,  et al. Patterns of microRNA expression in normal and early Alzheimer's disease human temporal cortex: white matter versus gray matter. Acta Neuropathol.2011; 121(2): 193-205.

37. Zhang LY, Liu M, Li X, Tang H. MiR-490-3p modulates cell growth and epithelial to mesenchymal transition of hepatocellular carcinoma cells by targeting endoplasmic reticulum-Golgi intermediate compartment protein 3 (ERGIC3).  J Biol Chem. 2013; 288(6): 4035-47.

38. Zhang J, Liu W, Wang Y, Zhao S, et al. miR-135b Plays a Neuroprotective Role by Targeting GSK3β in MPP+-Intoxicated SH-SY5Y Cells. Dis Markers. 2017; 2017(2):5806146.

39. Muñoz A, Costa M. Nutritionally mediated oxidative stress and inflammation. Oxid Med Cell Longev. 2013; 2013: 610950.

40. Kim SJ, Schätzle S, Ahmed SS, Haap W, et al. Increased cathepsin S in Prdm1-/- dendritic cells alters the TFH cell repertoire and contributes to lupus. Nat Immunol. 2017; 18(9): 1016-1024.

41. Branca C, Ferreira E, Nguyen TV, Doyle K, et al. Genetic reduction of Nrf2 exacerbates cognitive deficits in a mouse model of Alzheimer's disease. Hum Mol Genet. 2017; 26(24): 4823-4835.

42. Sandberg M, Patil J, D'Angelo B, Weber SG, et al. NRF2-regulation in brain health and disease: implication of cerebral inflammation. Neuropharmacology. 2014; 79: 298-306.

43. Lian H, Litvinchuk A, Chiang AC, Aithmitti N, et al. Astrocyte-Microglia Cross Talk through Complement Activation Modulates Amyloid Pathology in Mouse Models of Alzheimer's Disease. J Neurosci. 2016; 36(2): 577-89.