幽门螺杆菌感染与玫瑰痤疮共表达差异基因及相关信号通路的生物信息学探索

幽门螺杆菌感染与玫瑰痤疮共表达差异基因及相关信号通路的生物信息学探索

陈胜军刘文辉王书琦方绍文周新龙李广帅

本文来源：《中华整形外科杂志》2023年8月第39卷第8期

DOI:10. 3760 / cma.j.cn114453-20220614-00183

作者单位：郑州大学第一附属医院整形外科，郑州450052

通信作者：李广帅，Email：liguangshuai@zzu.edu.cn

引用本文

陈胜军,刘文辉,王书琦,等. 幽门螺杆菌感染与玫瑰痤疮共表达差异基因及相关信号通路的生物信息学探索[J]. 中华整形外科杂志,2023,39(08)：858-867. DOI:10.3760/cma.j.cn114453-20220614-00183

【摘要】

目的运用生物信息学方法探究幽门螺杆菌(Hp)感染与玫瑰痤疮的共同信号通路以及筛选Hub基因。

方法通过GEO数据库获取Hp感染(GSE70394)和玫瑰痤疮(GSE65914)相关的基因表达数据集，使用R语言limma包以及Venn图筛选出两者共表达差异基因，运用Metascape数据库对差异基因进行基因本体论(GO)富集分析，并使用R语言clusterProfiler包分别对上调和下调基因进行京都基因与基因组百科全书(KEGG)富集分析。随后使用STRING以及Cytoscape软件构建蛋白互作(PPI)网络，应用其内部插件MCODE和Cytohubba筛选关键功能模块和Hub基因，将Hub基因导入GeneMANIA在线分析工具，构建Hub基因共表达网络，并再次对Hub基因进行GO以及KEGG富集分析。

结果 GSE70394数据集包含3个未感染Hp的人胃腺癌细胞(AGS)组织和3个感染Hp 24 h后的AGS细胞组织的基因芯片数据；GSE65914数据集包含了19例玫瑰痤疮患者皮肤组织和10名健康志愿者皮肤组织的基因芯片数据。经过比较分析最终获得139个共表达差异基因，包含93个上调基因和46个下调基因。GO富集分析显示共表达差异基因主要集中于平滑肌细胞调节、血管发育以及脂质代谢过程。KEGG富集分析显示共表达差异基因主要涉及脂质和动脉粥样硬化、炎症反应和免疫相关通路，如PPAR信号通路、细胞因子-细胞因子受体相互作用、Th17细胞分化、IL-17信号通路和NF-κB信号通路。使用Cytohubba插件共识别出16个Hub基因，包括SPRR1B、GCLM、KRT16、GPX2、S100A2、SOD2、MMP1、MSMO1、HMOX1、GLRX、IL-1β、CXCL1、PPARγ、HMGCS1、SRXN1、SPRR3。

结论 Hp感染与玫瑰痤疮存在一定的相关性，Hp可能通过介导炎症免疫反应以及调节脂质代谢过程来参与玫瑰痤疮疾病的发生发展，筛选出的Hub基因与相关信号通路可为后续的关联性分析提供一定的理论参考。

【关键词】幽门螺杆菌；玫瑰痤疮；共表达差异基因；生物信息学

基金项目：河南省高等学校重点科研项目计划（20A320033）

Bioinformatic exploration of common differentially expressed genes and related signaling pathways between Helicobacter pylori and rosacea

Chen Shengjun, Liu Wenhui, Wang Shuqi, Fang Shaowen, Zhou Xinlong, Li Guangshuai

Department of Plastic Surgery, the First Affiliated Hospital of Zhengzhou University, Zhengzhou 450052, China

Corresponding author: Li Guangshuai, Email: liguangshuai@zzu.edu.cn

【Abstract】

Objective To explore the common signaling pathways of Helicobacter pylori(Hp) infection and rosacea and screen Hub genes by bioinformatic analysis.

Methods Gene expression data sets related to Hp (GSE70394) and rosacea (GSE65914) were downloaded from GEO database. The common differentially expressed genes (DEGs) were screened by using the limma package of R and Venn diagram. Metascape database was used for gene ontology(GO) enrichment analysis, and clusterProfiler package of R was used for Kyoto encyclopedia of genes and genomes(KEGG) analysis on up-regulated and down-regulated genes. Subsequently, STRING and Cytoscape software were used to establish protein-protein interaction(PPI) network and its internal plug-in MCODE and Cytohubba were applied to screen key functional modules and Hub genes, then Hub genes were imported into GeneMANIA to construct Hub genes co-expression network. Finally, GO and KEGG enrichment analysis of Hub genes were performed again.

Results GSE70394 and GSE65914 data sets included three samples of AGS cells without Hp infection and three samples of AGS cells 24 hours after Hp infection, skin tissues from nineteen rosacea patients and ten healthy volunteers, respectively. Finally, 139 common DEGs were obtained including 93 up-regulated genes and 46 down-regulated genes. GO enrichment analysis mainly focused on smooth muscle cell regulation, vascular development and lipid metabolism. KEGG enrichment analysis mainly involved lipid and atherosclerosis, inflammatory response and immune-related pathways, such as PPAR signaling pathway, cytokine-cytokine receptor interaction, Th17 cell differentiation, IL-17 signaling pathway and NF-κB signaling pathway. Total of 16 Hub genes were identified by Cytohubba, including SPRR1B, GCLM, KRT16, GPX2, S100A2, SOD2, MMP1, MSMO1, HMOX1, GLRX, IL-1β, CXCL1, PPARγ, HMGCS1, SRXN1 and SPRR3.

Conclusion There is a link existing between Hp infection infection and rosacea. Hp may be involved in the occurrence and development of rosacea by mediating inflammatory immune response and regulating lipid metabolism, the selected Hub genes and related signaling pathways may provide a theoretical reference for subsequent correlation analysis.

【Key words】Helicobacter pylori; Rosacea; Common differentially expressed genes; Bioinformatic analysis

Fund program: Key Scientific Research Project Plan of Henan Colleges and Universities (20A320033)

Disclosure of Conflicts of Interest: The authors have no financial interest to declare in relation to the content of this article.

玫瑰痤疮作为一种面部皮肤的慢性炎症性疾病，病损表现以反复发作的面部红斑、脓疱、炎性丘疹、水肿、毛细血管扩张和皮肤潮红为主[ 1 ]。晚期可能会出现鼻部肥大、结缔组织增生以及皮肤赘生物的形成，影响患者的面部外观及心理健康，严重者会导致呼吸障碍，需要及时进行手术干预治疗[ 2 ]。但目前为止，玫瑰痤疮的病因尚不明确，可能与神经血管功能障碍、免疫系统异常、环境微生物因素以及遗传因素有关[ 3 ]。近年来，人们越来越强调微生物感染在其发病过程中的重要性[ 4 ]，其中幽门螺杆菌(Helicobacter pylori，Hp)参与玫瑰痤疮的发生发展过程，已得到多数学者的支持[ 5 ]。有研究认为Hp可能通过介导炎症反应和细胞毒性物质的生成，以及诱发免疫损伤等途径参与疾病的调控[ 6 , 7 ]，但Hp与玫瑰痤疮的具体关系并不为人们所知。通过使用生物信息学技术，分析不同基因表达数据集的共表达差异基因及相关信号通路，为探究不同疾病之间的关联性提供了新思路。Su等[ 8 ]通过对共表达差异基因的分析揭示了银屑病并发动脉粥样硬化的共同分子机制，同时Tang等[ 9 ]对感染性休克与急性肾损伤进行了相关性分析，揭示了两者潜在的生物标志物和治疗靶点。本研究从GEO(gene expression omnibus)数据库中提取有关Hp感染和玫瑰痤疮患者基因表达数据集，对两者共表达差异基因进行功能组分及相关通路富集分析，此外，通过STRING数据库构建蛋白互作(protein-protein interaction, PPI)网络，使用Cytoscape构建核心互作模块及筛选Hub基因，并进一步分析这些基因的相关功能及共表达通路的富集程度，这可能为后续的致病机制研究以及两者的关联性分析提供了一定的线索。

资料与方法

一、数据集的筛选和获取

以"Helicobacter pylori"和"rosacea"为关键词在GEO数据库中分别进行检索。最终筛选出2个基因芯片数据集(GSE70394[ 10 ]和GSE65914[ 11 ])，通过R语言中的GEOquery包对其进行在线下载。

二、2组数据集共表达差异基因的筛选

通过R语言的limma包分别对2组数据集的患病组(感染组)和对照组进行差异基因的筛选。起初，我们以P<0.05和log2FC(log2差异表达倍数的绝对值)>1常规标准筛选各数据集的差异基因，随后使用在线做图工具微生信平台(https：//www.bioinformatics.com.cn)获取2组数据的共表达差异基因，其中表达趋势不同的基因并不具有相关性，因此只保留表达趋势相同的基因。结果我们仅得到了33个共表达差异基因，基因数量并不乐观。这也一定程度上表明，Hp感染与玫瑰痤疮虽存在一定的相关性，但玫瑰痤疮病因和发病机制较为复杂，两者并不存在清晰直观的因果关系。因此为了保留那些虽然表达水平差异不大，但在功能层面上十分重要的差异基因，我们通过测试调整参数以P<0.05和log2FC>0.5(差异表达倍数≈1.41)的标准筛选差异基因，并通过Venn图获取共表达差异基因。

三、共表达差异基因的富集分析

基因本体论(gene ontology，GO)可以从生物学过程、分子生物学功能以及细胞组分3方面来阐述与说明基因功能。京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes，KEGG)可以对基因的代谢通路进行富集。运用Metascape数据库(http：//metascape.org)对共表达差异基因进行GO富集分析并设置阈值P<0.05，随后通过微生信平台对数据进行整理。使用R语言的clusterProfiler包分别对上调和下调基因进行KEGG分析。

四、PPI网络分析

通过STRING网络分析工具(https：//string-db.org)对共表达差异基因内部的PPI网络进行构建，挑选功能基因，随后将所得数据导入Cytoscape软件进行数据的可视化分析以及进一步筛选，使用其中的MCODE插件获得关键功能模块。

五、Hub基因的选择与分析

通过使用Cytoscape软件内部的Cytohubba插件识别Hub基因，并用GeneMANIA(http：//www.genemania.org)构建Hub基因共表达网络，进一步识别其内部深层次的关联性，最后再次使用Metascape数据库和R语言对所得Hub基因进行GO和KEGG富集分析。

结果

一、共表达差异基因筛选结果( 图1 )

......