免疫浸潤に関連した急性心筋梗塞の凝固関連診断モデル

2024-12-30 Mon
急性心筋梗塞における凝固関連診断モデルと免疫浸潤の潜在的な関連性に関する研究学術的背景急性心筋梗塞（Acute Myocardial Infarction, AMI）は、世界的に死亡の主要な原因の一つです。近年、診断、治療、予後において大きな進展が見られましたが、AMIの発生率と死亡率は依然として高いままです。経皮的冠動脈インターベンション（Percutaneous Coronary Intervention, PCI）と抗凝固療法の組み合わせは、現在AMIの診断と治療のゴールドスタンダードとされています。しかし、PCIと抗凝固療法が心筋灌流を大幅に改善したにもかかわらず、最大50%の患者が顕著な貫壁性梗塞を発症し、しばしば微小血管損傷（Microvascular Injury, MVI）を伴います。さらに、初期の抗凝固療法が不十分な場合、AMI患者の心筋再梗塞のリスクが著しく増加します。したがって、AMIの発生と予後は、プロスタグランジン、組織因子、von Willebrand因子などの血栓形成促進因子と密接に関連しています。
近年の研究では、凝固関連遺伝子（Coagulation-Related Genes, CRGs）がAMIの予後において重要な役割を果たすことが示されています。特に、凝固および脂質代謝経路におけるゲノムの差異は、AMI患者において広く見られることが証明されています。さらに、免疫浸潤はAMIの高凝固状態および炎症浸潤段階において重要な役割を果たします。しかし、凝固因子がAMI患者においてどのように作用し、患者の予後を調節するメカニズムはまだ完全には解明されていません。したがって、本研究は、CRGsがAMI患者において持つ潜在的な特徴と臨床的価値を明らかにし、疾患リスクの予測と臨床治療に新たな視点を提供し、AMI患者の予後管理を促進することを目的としています。
論文の出典本論文は、Guoqing Liu、Wang Liao、Xiangwen Lv、Lifeng Huang、Min He、およびLang Liによって共同執筆され、著者らは広西医科大学第一附属病院および広西医科大学第二附属病院に所属しています。論文は2024年10月8日に『Genes & Immunity』誌にオンライン掲載され、DOIはhttps://doi.org/10.1038/s41435-024-00298-zです。
研究の流れと結果データ収集と初期処理研究ではまず、GEOデータベースからGSE66360データセットをダウンロードしました。このデータセットには、49名のAMI患者と50名の正常対照のデータが含まれており、本研究のトレーニングデータセットとして使用されました。さらに、GSE48060データセット（31名のAMI患者と21名の正常対照）が外部検証データセットとして使用されました。研究ではまた、MSigDBチームから139個のCRGsをダウンロードし、Perlソフトウェアを使用してデータセットに注釈を付け、遺伝子発現データに変換しました。その後、得られた遺伝子発現データを正規化し、研究間の差異を排除しました。
差異発現遺伝子（DEGs）の識別と相関分析R言語の「limma」パッケージを使用して、AMIと対照サンプルにおける遺伝子発現を分析し、有意な差異発現遺伝子（|logFC| > 1かつp < 0.01）を選び出しました。その後、DEGsの関連ヒートマップを構築し、Venn図を使用してDEGsとCRGsの交差点を可視化し、最終的に10個の差異発現CRGsを選び出しました。研究ではまた、「RCircos」パッケージを使用して、これらの差異発現CRGsの染色体上の位置を円形図に示し、Pearson相関分析を使用してこれらの遺伝子間の相関を評価しました。
機械学習アルゴリズムの構築研究では、ランダムフォレスト（Random Forest, RF）とサポートベクターマシン（Support Vector Machine, SVM）の2つの機械学習アルゴリズムを使用して、特徴CRGsを識別しました。残差の箱線図と逆累積分布図を比較した結果、RFアルゴリズムの残差が最も小さく、予測精度が高いことがわかりました。その後、ROC曲線を使用して両方のアルゴリズムの精度をさらに検証し、最終的にRFアルゴリズムがAMIの予測において優れていることを確認しました。
ノモグラムの構築選び出された6つの特徴CRGsに基づいて、ノモグラム（Nomogram）を構築し、AMIの発生率を予測しました。さらに、決定曲線分析（DCA）、臨床影響曲線分析、キャリブレーション曲線分析、およびROC曲線分析を使用して、その精度を評価しました。
分子タイピングと主成分分析（PCA）研究では、「ConsensusClusterPlus」パッケージを使用して、候補CRGsをコンセンサスクラスタリング分析し、AMI患者を2つの異なるサブグループに分類しました。主成分分析（PCA）を使用して各AMIサンプルのスコアを計算し、CRGスコア（PCAスコア）を確立し、異なるCRGパターンを区別しました。
免疫細胞浸潤分析単一サンプル遺伝子セット富化分析（ssGSEA）を使用して、異なるCRGクラスターにおける免疫細胞浸潤レベルを評価し、関連ヒートマップを生成しました。その結果、THBD、SERPINA1、THBS1、MMP9、PLAU、DUSP6、PLEK、およびSERPINB2が、主に自然免疫細胞（単球、好中球、肥満細胞、好酸球、NK細胞など）と正の相関を示すことがわかりました。
機能富集分析CRGパターン間の差異発現遺伝子（DEGs）に対してGOおよびKEGG機能富集分析を行い、これらの遺伝子が生物学的プロセス（BP）、分子機能（MF）、および細胞成分（CC）において持つ潜在的な生物学的機能を明らかにしました。その結果、これらのDEGsは、サイトカイン産生の正の調節、外部刺激への応答の正の調節、分泌顆粒膜、三次顆粒、細胞質小胞腔、免疫受容体活性、炭水化物結合、サイトカイン受容体結合、およびサイトカイン活性において有意に富集していることが示されました。
特徴遺伝子に基づく標的薬物予測DGIDBデータベースを使用して、特徴遺伝子がコードするタンパク質を標的とする薬物を検索し、遺伝子-薬物ネットワークマップを作成しました。その結果、MMP9を標的とする薬物としてCelecoxib、Bevacizumab、Prinomastatなどが、THBDを標的とする薬物としてSimvastatin、Cilostazol、Warfarinが、SERPINA1を標的とする薬物としてα-1プロテアーゼ阻害剤が特定されました。
結論と意義本研究では、6つの特徴CRGsに基づいて構築されたAMI診断モデルが良好な診断予測能力を持つことを示しました。このモデルは、AMIの診断と治療に新たなターゲットと戦略を提供します。研究は、CRGsがAMIにおいて持つ潜在的な役割を明らかにし、これらの遺伝子が免疫細胞浸潤と炎症反応を調節することでAMIの進行と予後に影響を与える可能性を示しました。さらに、研究ではこれらの特徴遺伝子を標的とする薬物を予測し、AMIの個別化治療に新たな視点を提供しました。
研究のハイライト革新的な診断モデル：本研究は初めてCRGsに基づいてAMIの診断モデルを構築し、機械学習アルゴリズムを使用してその精度を検証しました。
免疫浸潤の詳細な分析：研究は、CRGsと免疫細胞浸潤との関連性を明らかにし、AMIの免疫メカニズムを理解するための新たな視点を提供しました。
標的薬物の予測：遺伝子-薬物ネットワーク分析を通じて、AMI治療に使用可能な複数の標的薬物を予測し、臨床治療に新たな選択肢を提供しました。
研究の限界サンプルソースの単一性：本研究のデータセットは単一のデータベースに由来しており、モデルの精度を向上させるためには、より大規模で多様なサンプルセットが必要です。
データセット間の潜在的な差異：異なるデータセット間の差異は、統計および分析結果にバイアスをもたらす可能性があり、さらなる検証が必要です。
臨床検証の不足：公開データベースにおける患者情報の不完全さにより、研究は疾患の進行と重症度に関するモデルの有効性をさらに評価することができませんでした。今後の臨床コホート研究による検証が必要です。
まとめ本研究は、CRGsに基づくAMI診断モデルを構築し、これらの遺伝子がAMIにおいて持つ潜在的な役割を明らかにし、AMIの診断と治療に新たなターゲットと戦略を提供しました。今後の研究では、CRGsの下流メカニズムとAMIにおける具体的な役割をさらに探求し、AMIの個別化治療と予後管理を推進することが期待されます。