论文部分内容阅读
研究背景:组学技术的快速发展导致公共资源数据库中积累了大量的免疫组学数据,对这些数据进行整合分析、挖掘和利用,不仅可以开拓视野、提供新的科研思路,而且可以有效节约人力、物力和财力。目的:利用免疫组学数据系统性分析基因的可塑性,并利用基因可塑性评价免疫细胞亚群及其marker分子。方法:从GEO数据库中下载Affymetrix Human Genome U133 plus 2.0基因芯片的转录数据,对芯片归类,均一化处理和质量控制,并根据免疫细胞类别逐一分析基因的可塑性,利用基因可塑性(gene plasticity,GPL)分值对基因的可塑性程度进行量化分析。结果:本研究中GPL定义为不同的遗传背景或实验条件之下基因表达水平发生改变的程度,是用于描述基因表达异质性的组学概念。通过对T细胞、B细胞、浆细胞、NK细胞、单核细胞、巨噬细胞、DC以及中性粒细胞等八类细胞的GPL分析,我们发现:(1)GPL具有细胞和基因特异性。不同的基因在同一细胞类别中具有不同的可塑性,同一基因在不同的免疫细胞中可塑性程度也不尽相同。(2)细胞因子编码基因具有高度的可塑性,而分化抗原的编码基因的可塑性具有双面性。(3)高水平表达以及低表达的基因的可塑性程度较低,而中等表达水平的基因往往拥有较高的可塑性。(4)GPL可用于免疫细胞亚群及其marker分析、质量评估及预测,高度可塑性的基因更适合免疫细胞亚群的分析。(5)以Treg为例,对文献报道的69个已知或潜在的marker分子进行了评估,结果显示LRRC32以及IL7R分别为Treg最好的阳性和阴性marker;同时对新的Treg的marker进行了预测,如CCDC141、SLC14A1、PMCH以及RTKN2等阳性marker。(6)新发现高水平表达CCL20的髓样细胞(CCL20-bright myeloid cells)与炎症密切相关,提示其在固有免疫和适应性免疫应答中的桥梁作用。结论:GPL分析显示免疫细胞中基因表达具有高度的动态性和可塑性特点,对其进行量化分析可以有效鉴定各种条件下免疫细胞中高、低表达的基因,可发现新的免疫细胞亚群以及有效评估已知或新的marker分子优劣。