Abstract
sfondo
Nonostante numerosi studi sulla periodontite, il meccanismo alla base della progressione della parodontite rimane ancora in gran parte sconosciuta. Questo studio ha lo scopo di avere un profilo di espressione confronto tra parodontite e controllo normale e per identificare altri geni candidati coinvolti nella periodontite e di ottenere più informazioni sui meccanismi molecolari della progressione parodontite
. Metodi
Il profilo di espressione genica di GSE16134, composto da 241 campioni di tessuto gengivale e 69 campioni sani come controllo che sono stati ottenuti da 120 pazienti sani per via sistemica con parodontite (65 con cronica e 55 con parodontite aggressiva), è stato scaricato dal database Gene Expression Omnibus (GEO). geni differenzialmente espressi (degs) in campioni parodontite sono stati esaminati utilizzando il pacchetto limma in R rispetto ai campioni di controllo. Gene Ontology (GO) e l'analisi percorso di arricchimento sui degs sono state effettuate utilizzando il test di distribuzione ipergeometrica. interazione di rete (PPI) proteina-proteina dei degs è stato costruito utilizzando Cytoscape, seguita dalla selezione del modulo dalla rete PPI utilizzando MCODE plugin. Inoltre, fattori di trascrizione (TFS) di questi degs sono stati identificati sulla base del database TRANSFAC e poi è stato costruito una rete di vigilanza.
Risultati
Totalmente, sono stati identificati 762 degs (507 a monte ea 255 down-regolato) in campioni di periodontite . Degs sono state arricchite in termini diversi e percorsi GO, come il sistema immunitario del sistema, i processi biologici di attivazione delle cellule, recettore citochina-citochine, e vie metaboliche. Catepsina S (CTSS
) e pleckstrin (PLEK
) erano le proteine hub della rete PPI e 3 moduli significativi sono stati selezionati. Inoltre, 19 TF sono stati identificati tra cui fattore di interferone normativo 8 (IRF8), e FBJ murino osteosarcoma virale oncogene omologo B (FosB).
Conclusione
Questo studio ha identificato geni (CTSS
, PLEK
, IRF . -8
, PTGS2
, e FosB
) che possono essere coinvolti nello sviluppo e nella progressione della parodontite
materiale supplementare elettronica
la versione online di questo articolo (doi: 10. 1186 /s12903-015-0086-7) contiene materiale supplementare, che è disponibile per gli utenti autorizzati.
Sfondo
la parodontite è una malattia infiammatoria cronica che coinvolge le interazioni tra biofilm microbiche complesse, molte popolazioni cellulari e mediatori infiammatori, leader alla distruzione delle strutture di sostegno dei denti come il legamento parodontale e dell'osso alveolare [1]. Oltre ad essere una causa comune di perdita dei denti, grave parodontite (circa l'8,5% dei pazienti) può influenzare negativamente la salute sistemica, in quanto può aumentare il rischio dei pazienti di diabete, aterosclerosi, artrite reumatoide, e gli esiti della gravidanza negativi [2-4]. Due grandi entità cliniche di parodontite sono attualmente riconosciute: parodontite cronica, che è più comune, e parodontite aggressiva, un'entità clinico impegnativo caratterizzato da un esordio precoce e una rapida progressione [5]. L'eziologia sottostante sia delle due forme non è stato completamente chiarito. Pertanto, guadagnando ulteriori informazioni sui meccanismi molecolari di periodontite sarà di grande importanza per il trattamento della periodontite.
Studi precedenti hanno dimostrato che i fattori che possono determinare la presenza e la velocità di progressione della parodontite sono complessi, che può essere definita come l'interazione di numerosi parametri agire simultaneamente ed imprevedibile [1]. Per esempio, il dente associato microbica biofilm o placca dentale è essenziale ma non sufficiente ad indurre periodontite. La risposta infiammatoria ospitante alla sfida microbica può finalmente causare la distruzione del periodonto [6]. L'infiammazione e perdita di tessuto osseo sono le caratteristiche della malattia parodontale [7] e prove accumulate dimostra che un certo numero di mediatori sono coinvolti in questi processi [8]. Cochran et al. aveva riferito che la riduzione dell'infiammazione e attenuazione della reazione immunitaria dell'ospite alla placca batterica potrebbe portare ad una diminuzione del rapporto tra fattore nucleare-kappa B ligando (RANKL) /osteoprotegerina (OPG) e una diminuzione della perdita ossea associata [7 ]. Inoltre, uno studio ha esaminato che le citochine come l'interleuchina-1 (IL-1) e fattore di necrosi tumorale (TNF) sono una componente significativa e integrante della reazione dell'ospite all'infezione parodontale [8]. Inoltre, secreto IL-8 indotta da stimoli multipli come batteri vivi e citochine proinfiammatorie è associato con l'infiammazione e l'invasività della periodontite [9]. Nonostante numerose indagini sulla periodontite, il meccanismo rimane ancora in gran parte sconosciuta.
Utilizzando lo stesso profilo di espressione genica, Stoecklin et al. miRNA specifici individuati (ha-miR-210 e miR-HSA-185) ed i loro geni bersaglio nei tessuti gengivali [10]. Inoltre, Kebschull et al. hanno scoperto che piccole differenze di espressione genica e le prestazioni classificatore altamente variabile suggerito differenze limitate tra parodontite cronica stabilito e lesioni parodontite aggressiva [11]. Abbiamo cercato di avere un profilo di espressione confronto tra parodontite (parodontite cronica e parodontite aggressiva collettivo) e il controllo normale, identificando più geni candidati coinvolti in entrambi parodontite cronica e aggressivi e per guadagnare più informazioni sui meccanismi molecolari della progressione parodontite.
Metodi
microarray dei dati e la pre-elaborazione
I dati del profilo di espressione genica di GSE16134 [11] è stato scaricato da gene Expression Omnibus (GEO) a NCBI (http:... //www NCBI nlm NIH. gov /geo /) basato sulla piattaforma di GPL570 2.0 Array [HG-U133_Plus_2] Affymetrix Human Genome U133 più. Questo set di dati comprendeva 241 campioni di tessuto gengivale 'malati' (sanguinamento al sondaggio, profondità di sondaggio ≥ 4 mm, e di attacco clinico perdita ≥ 3 mm) e 69 campioni "sani" gengivali tessuto (senza sanguinamento al sondaggio, profondità di sondaggio ≤ 4 mm e perdita clinica di attacco ≤ 4 mm), ottenuti da 120 individui sani sistemica non-fumatori con moderata /grave parodontite (65 con cronica e 55 con parodontite aggressiva), come descritto in precedenza [11, 12]. I 120 pazienti sottoposti a chirurgia parodontale contribuito con un minimo di due interprossimale papille gengivale da un posteriore mascellare e quando disponibile, una papilla 'sano' è stato ottenuto. Nel presente studio, campioni di pazienti parodontite cronica e aggressive sono state prese insieme come un unico gruppo, concepiti come campioni parodontite, e sono stati confrontati con i campioni di 69 "sani" gengivali tessuti come controlli nella seguente analisi.
Il profilo scaricato aveva stato pre-elaborato che è stata effettuata con correzione del fondo, log
2 trasformazione, e la normalizzazione quantile utilizzando il modulo RMA (Robust multi-array Analysis) metodo di Affy pacchetto in R [13]. In questo studio, tali sonde ibridazione allo stesso gene sono stati normalizzati utilizzando il pacchetto preprocessCore [14]. La matrice espressione genica dei campioni è stata ricevuta ed è stato utilizzato per l'analisi di follow-up.
Proiezione di degs Aziende Il degs nei campioni parodontite sono stati esaminati a confronto con campioni di controllo utilizzando i modelli lineari per i dati di microarray (limma) pacchetto a R [15]. tasso di falsi scoperta (FDR) [16] è stata applicata per più la correzione di test utilizzando Benjamini e il metodo Hochberg [17]. Soglia per le degs sono stati fissati come FDR & lt; 0.05 e | log 2 FC (fold cambiamento) | ≥ 0,58.
Funzione e l'analisi percorso di arricchimento di degs
Al fine di indagare la progressione parodontite sulla prospettiva del livello funzionale, Gene Ontology (GO) e l'analisi percorso di arricchimento delle degs individuati sono stati eseguiti in questo studio. GO categorie come processo biologico (BP), la funzione molecolare (MF), e componente cellulare (CC) Al degs identificati sono stati arricchiti dai database GO utilizzando il test di distribuzione ipergeometrica [18]. Inoltre, i percorsi che i degs coinvolti in sono stati arricchiti con il test ipergeometrica distribuzione dal KEGG (Kyoto Enciclopedia di geni e genomi) database [19], che non era stato usato da Kebschull et al. [12]. Il p-value & lt; 0.05 è stato scelto come soglia.
PPI costruzione della rete di selezione degs e moduli
la stringa (strumento di ricerca per il recupero di interagire geni /proteine) di database, che è una banca dati di nota e ha previsto le interazioni delle proteine [20] , è stato utilizzato per selezionare le interazioni tra le degs selezionati in questo studio, che non sono stati utilizzati nello studio della Kebschull et al. [12]. La rete PPI è stato costruito da legami funzionali tra proteine che sono sperimentalmente derivati, così come i collegamenti previsti da analisi di co-espressione e di testi, o PPI che erano legati i record del database. I geni inclusi nella rete PPI erano tutti degs. Inoltre, il punteggio combinato ≥ 0,4 sono stati scelti per la costruzione della rete PPI. software Cytoscape [21] è stato utilizzato per visualizzare la rete costruita mentre MCODE [22] è stato utilizzato per selezionare i moduli rilevanti rispetto alla rete PPI (Parametri: cutoff Grado: 2, Nodo punteggio di taglio: 0,2, K-core:. 2, Max profondità : 100). Inoltre, l'analisi topologica della rete PPI è stata eseguita e gradi dei nodi di questi degs sono stati analizzati.
Annotazione Funzione dei degs e la costruzione della rete di regolamentare
Per identificare i degs che aveva le funzioni di regolamentazione trascrizionali, le degs identificati in questo studio sono stati analizzati utilizzando il database TRANSFAC (http:.. //www gene-regolamentazione com /pub /database HTML.) [23], una banca dati che comprende i dati di fattori di trascrizione (TF), il loro obiettivo geni e siti regolatori vincolanti. Inoltre, è stata costruita una rete di regolamentazione basata sulla TF identificati e le loro degs destinazione. Mentre nello studio di Kebschull et al. [12], il database TRANSFAC non erano stati utilizzati.
Risultati
dati di pre-elaborazione e degs lo screening
Nell'analisi originale di Kebschull et al. [12], per un totale di 248 sonde differenziale regolamentati sono state identificate in un fold change assoluto di ≥1.19, e 30 overexpressed solo un sotto-espressi sonda da una variazione assoluta di & gt; 1,5 volte sono stati identificati nelle lesioni parodontite aggressiva rispetto alla parodontite cronica lesioni. Tuttavia, in questo studio, dopo pre-elaborazione dei dati, 20.303 geni sono stati mappati alle sonde. Rispetto ai campioni di controllo, per un totale di 762 degs sono stati identificati nei campioni parodontite (sui file 1: Tabella S1)., Tra cui 507 geni up-regolati e 255 geni down-regolati
GO e l'analisi percorso di arricchimento di degs
analisi di arricchimento funzionale e percorso indicato che degs up-regolata e degs nei campioni parodontite sono stati notevolmente arricchito in termini diversi GO e percorsi KEGG down-regolato (tabelle 1 e 2). Top 5 termini GO di geni l'alto e verso il basso-regolamentati sono stati mostrati in tabella 1, rispettivamente. I geni up-regolati sono stati coinvolti in diversi termini GO, quali l'attivazione delle cellule, l'attivazione della risposta immunitaria, l'attività chemochine, e vincolante antigene (Tabella 1A). Mentre i geni down-regolato sono stati associati con i termini GO come lo sviluppo della pelle, la differenziazione delle cellule epidermiche, filamenti intermedi, e l'attività molecola strutturale (Tabella 1B). D'altra parte, i 10 percorsi di geni l'alto e verso il basso regolamentate sono stati mostrati in Tabella 2, rispettivamente. L'analisi percorso di arricchimento ha mostrato che i geni up-regolati sono stati principalmente coinvolti nella infezione stafilococco aureo e l'interazione dei recettori delle citochine-citochine (2A tabella), mentre il down-regolare i geni sono stati principalmente associati con le vie, quali vie metaboliche, phagosome, e melanogenesi percorsi (Tabella 2B) .table 1 L'analisi funzionale dei degs
Categoria
GO ID
Nome
Conte
p
-value
A: i primi 5 termini andare il degs up-regolata
BP
GO: 0.001.775
cellulare attivazione
68
& lt; 1.00E-16
BP
GO: 0002253
attivazione della risposta immunitaria
48
& lt; 1.00E-16
BP
GO: 0002376
processo di sistema immunitario
165
& lt; 1.00E 16
BP
GO: 0002682
regolazione del processo di sistema immunitario
94
& lt; 1.00E-16
BP
GO: 0002684
regolazione positiva del processo di sistema immunitario
73
& lt; 1.00E-16
CC
GO: 0.005.576
regione extracellulare
138
& lt; 1.00E-16
CC
GO: 0.005.615
spazio extracellulare
70
& lt; 1.00E-16
CC
GO: 0.044.421
extracellulare regione parte
86
& lt; 1,00 E-16
CC
GO: 0.071.944
periferia cellulare
191
2.64E-14
CC
GO: 0005886
membrana plasmatica
186
1.49E-13
MF
GO: 0.008.009
attività chemochine
10
2.35E-07
MF
GO: 0003823
antigene vincolante
12
4.64E-07
MF
GO: 0.032.403
complesso
proteina legante
26
4.85E-07
MF
GO: 0.042.379
chemochina legame al recettore
10
1.11E-06
MF
GO: 0.005.178
integrina vincolante
12
1.41E-06
B: i primi 5 termini andare il degs down-regolato
BP
GO: 0043588
sviluppo della pelle
311
2.33E-14
BP
GO: 0.008.544
sviluppo in epidermide
280
1.18E-12
BP
GO: 0.030.216
differenziazione dei cheratinociti
108
1.09E-09
BP
GO: 0.009.913
epidermico differenziazione cellulare
154
1.01e-08
BP
GO: 0.009.888
tessuto development
1479
2.09E-08
CC
GO:0030057
desmosome
22
5.73E-06
CC
GO:0005882
intermediate filamento
191
2.33E-05
CC
GO: 0.045.111
citoscheletro filamenti intermedi
231
2.76E-05
CC
GO: 0.045.095
cheratina filamento
93
0.00096928
CC
GO: 0005911
giunzione cellula-cellula
297
,00,108577 millions
MF
GO: 0005198
attività molecola strutturale
627
2.89E-05
MF
GO: 0005200
costituente strutturale del citoscheletro
94
0,00,104197 millions
MF
GO: 0016755
transferasi attività, il trasferimento di gruppi amminici-acile
24
0,003,031659 millions
MF
GO: 0016702
attività ossidoreduttasi, agendo sui singoli donatori con l'incorporazione di ossigeno molecolare, l'incorporazione di due atomi di ossigeno
25
0,003,414279 millions
MF
GO: 0016701
attività ossidoreduttasi, agendo sui singoli donatori, con l'incorporazione di ossigeno molecolare
26
0,003,825148 millions
MF
funzione molecolare, BP
processo biologico, CC
componente cellulare
Tabella 2 L'analisi percorso di arricchimento delle degs
KEGG ID
Nome
Conte
p
-value
A: i primi 10 percorsi arricchiti dei degs up-regolata
5150
Staphylococcus aureus infection
55
4.40E-12
5144
Malaria
51
2.12E-09
4060
Cytokine-cytokine recettore interazione
265
2.39E-08
4141
Trasformazione delle proteine nel reticolo endoplasmatico
165
5.11E-07
4640
emopoietiche linea cellulare
88
5.53E-07
5323
reumatoide arthritis
91
8.66E-07
5140
Leishmaniasis
72
1.64E-06
4670
Leukocyte migrazione transendoteliale
116
4.30E-06
4514
molecole di adesione cellulare (CAM)
133
6.18E-06
4062
chemochine via di segnalazione
189
1.71E-05
B: i primi 10 percorsi arricchiti dei degs down-regolato
590
arachidonico metabolismo degli acidi
59
,002,776062 millions
980
metabolismo degli xenobiotici dal citocromo P450
71
0,005,420335 millions
982
metabolismo della droga - citocromo P450
73
0,005,982341 millions
350
tirosina metabolismo
41
0,007,842248 millions
1100
metabolica pathways
1130
0.012102847
5144
Malaria
51
0.014274311
5014
Amyotrophic sclerosi laterale (ALS)
53
0.015832167
4145
Phagosome
153
0.018215247
4916
Melanogenesis
101
0.018240082
563
Glycosylphosphatidylinositol (GPI) -anchor biosintesi
25
0,025,692313 millions
830
Retinolo metabolismo
64
0,026,060907 millions
591
linoleico metabolismo degli acidi
30
0,036,083866 millions
PPI costruzione della rete e moduli di selezione
la rete PPI sulla degs stato mostrato in Fig. 1. I risultati delle analisi hanno mostrato che topologica interleuchina-6 (IL-6
), catepsina S (CTSS
), e pleckstrin (PLEK
) erano le proteine hub della rete PPI che aveva nodo più alto gradi (Fig. 2a). Inoltre, 3 moduli significativi sono stati selezionati dalla rete PPI (Fig. 2). Dai risultati, abbiamo scoperto che la maggior parte dei geni arricchito nei 3 moduli sono stati up-regolati. In particolare, i primi 5 geni con gradi di nodo più alto nel modulo 1 sono stati CTSS
(grado = 20), chemochine (CC motivo) ligando 5 (CCL5)
(grado = 19), PLEK
(laurea = 19), chemochine (CC motivi) del recettore 1 (CCR1
) (recettore grado = 19), e formil peptide 1 (FPR1
) (grado = 19) (Fig. 2b, Tabella 3). I primi 5 geni con elevati gradi di nodo nel modulo 2 erano IL6
(grado = 17), specifica dei linfociti proteina tirosina chinasi (LCK
) (grado = 14), Fc frammento di IgE, ad alta affinità I, recettore per; gamma polipeptide (FCER1G
) (grado = 13), CD19
(grado = 13), e fattore stimolante le colonie 1 recettore (CSF1R
) (grado = 13) (Fig. 2c, Tabella 3). Inoltre, i primi 5 geni con elevati gradi di nodo nel modulo 3 erano IL8
(grado = 13), IL1B
(grado = 12), MMP9
(grado = 11), COX-2 ( PTGS2
) (grado = 11), e del plasminogeno, tessuto (PLAT
) (grado = 10) (Fig. 2d, Tabella 3). Figura. 1 interazione proteina-proteina (PPI) di rete dei geni espressi in modo differenziale (degs). nodi rossi rappresentano le degs up-regolati, mentre i nodi verdi rappresentano i geni down-regolato
Fig. 2 Analisi del PPI network.A, analisi topologica dei gradi dei degs nella rete PPI. asse orizzontale rappresenta il grado di uno ° e asse verticale rappresenta il numero di nodi. B, 1 modulo di degs da rete PPI. C, modulo 2 di degs da rete PPI. D, Modulo 3 della degs da rete PPI. nodi rossi rappresentano le degs up-regolati, mentre i nodi verdi rappresentano i geni down-regolato. La dimensione di un nodo è proporzionale al grado di questo gene
Tabella 3 I primi 5 degs con i gradi più elevati nei moduli
modulo
Gene
espressione selezionata modifiche
Grado
modulo 1
CTSS
fino
20
CCL5
fino
19
PLEK
fino
19
CCR1
fino
19
FPR1
fino
19
Modulo 2
IL6
fino
17
LCK
fino
14
FCER1G
fino
13
CD19
fino
13
CSF1R
fino
13
Modulo 3
IL8
fino
13
IL1B
fino
12
MMP9
fino
11
PTGS2
fino
11
PLAT
fino
10
regolamentazione costruzione della rete
un totale di 9 TF sono stati identificati dalla up degs -regulated, come il fattore normativo interferone 4 (IRF4), IRF8, e FBJ murino osteosarcoma virale oncogene omologo B (FosB). Inoltre, sono stati selezionati 10 TF dalle degs down-regolato, come ad esempio Kruppel-come fattore 4 (Klf4), v-MAF aviaria musculoaponeurotic fibrosarcoma oncogene omologo (MAF), e Meis homeobox 1 (MEIS1). La rete di regolamentazione di questi TF e dei loro geni bersaglio è stato mostrato in fig. 3. Dai risultati, abbiamo scoperto che diversi degs con i gradi più alti in modulo 1 potrebbero essere regolati da IRF8, per esempio, CTSS
, CCL5
, e PLEK
. Figura. 3 rete regolamentazione dei fattori di trascrizione-degs. Diamante rappresenta il fattore di trascrizione mentre il cerchio rappresenta il DEG. Il colore rosso è sinonimo di up-regolati espressione mentre il colore verde è sinonimo di down-regolato espressione
Discussione
In questo studio, abbiamo utilizzato i dati di microarray per selezionare geni associati con parodontite. Totalmente, 762 degs nei campioni parodontite sono stati identificati rispetto ai campioni di controllo. I geni up-regolati sono stati arricchiti principalmente nei termini GO come attivazione cellulare e l'attivazione della risposta immunitaria, nonché le vie come l'infezione stafilococco aureus e recettore citochina-citochina. I geni down-regolato sono state principalmente legate allo sviluppo dei tessuti e percorsi del metabolismo. CTSS
, PLEK
, LCK
, e PTGS2
sono stati identificati come le proteine hub della rete PPI o nel modulo selezionato. Inoltre, 9 e 10 TF TF sono stati selezionati tra i geni up-regolati e down-regolato geni, rispettivamente, per esempio, IRF4, IRF8, e FosB.
I nostri risultati hanno dimostrato che 20.303 geni sono state mappate alle sonde. Rispetto ai campioni sani, per un totale di 762 degs sono stati identificati nei campioni di parodontite, tra cui 507 geni up-regolati (FDR & lt; 0,05 e log 2 FC ≥ 0,58) e 255 geni down-regolati (FDR & lt; 0,05 e log 2 FC & lt; -0.58). Mentre, Kebschull et al. individuato un totale di 248 sonde differenziale regolamentati ad un cambiamento piega assoluto di ≥1.19 [12]. Hanno riferito 30 overexpressed e solo un sotto-espresso sonda da una variazione assoluta di & gt; 1,5 volte nelle lesioni parodontite aggressiva rispetto a lesioni parodontite cronica. Inoltre, hanno trovato che 9258 sonde sono state espresse in modo differenziale rispetto ai tessuti malati '' con i tessuti gengivali "sani". Collettivamente, i risultati hanno mostrato che abbiamo identificato le caratteristiche genetiche distinte nei campioni di periodontite utilizzando diversi metodi di screening con diverse soglie.
In questo studio, abbiamo scoperto che degs in campioni parodontite sono stati arricchiti soprattutto in termini diversi e percorsi GO, come ad esempio l'attivazione delle cellule , l'attivazione della risposta immunitaria, infezione stafilococco aureus e recettore citochina-citochina, utilizzando dati KEGG non utilizzati da Kebschull et al. [12]. Nelle loro indagini, gene impostare l'analisi di arricchimento è stata eseguita e set gene legato all'apoptosi, la risposta immunitaria sono stati arricchiti nelle lesioni parodontite aggressiva, mentre i geni set legate al metabolismo cellulare e l'integrità epiteliale sono stati arricchiti nelle lesioni parodontite cronica [12]. In un ospite suscettibile, persistenza di batteri patogeni, come Porphyromonas gingivalis
si traduce in infiammazione aberrante ed estesa e la successiva distruzione delle strutture del dente di supporto [24]. Le cellule del sistema immunitario come le cellule presentanti l'antigene (APC) inizialmente rispondere alla sfida da batteri patogeni, tra cui Porphyromonas gingivalis
, in bilico strategicamente lungo portali di ingresso [25]. Dopo il riconoscimento di pamp (PAMPs) attraverso i recettori pattern recognition (ad esempio, toll-like receptor [TLR]), le cellule immunitarie innate iniziano le risposte che mirano a cancellare l'agente incitamento [26]. Moutsopoulos et al. aveva mostrato che Porphyromonas gingivalis
potrebbe promuovere cellule T helper 17 (Th17) percorsi che inducono in parodontite cronica [24]. Pertanto, i risultati di arricchimento identificate nel nostro studio è stato in accordo con gli studi precedenti.
CTSS è un lisosomiale cisteina proteinasi che possono partecipare alla degradazione delle proteine antigeniche di peptidi per la presentazione su MHC di classe II molecole [27]. La carenza di CTSS induce un elevato turnover osseo e poi porta alla osso meno denso [28]. Mogi et al. dimostrato che il livello di espressione della chiave degradazione dell'osso dell'enzima catepsina K (un altro membro della famiglia di proteine) in gengivali tessuti fluidi crevicolare di pazienti periodontite era superiore a quella nei tessuti normali [29]. Inoltre, IRF8 può specificamente legarsi alla regione a monte di regolamentazione di tipo I interferone (IFN). Zhao et al. aveva dimostrato che IRF-8 era un regolatore per osteoclastogenesi nel metabolismo osseo [30]. distruzione dei tessuti molli e la degradazione delle ossa sono stati spesso trovati in parodontite [31]. Inoltre, uno studio ha rivelato che CTSS ha avuto il sito di legame per il fattore di trascrizione IRF1, e la combinazione di IRF8 e IRF1 potrebbe promuovere l'espressione CTSS [32]. Nel presente studio, CTSS è una proteina hub della rete PPI e potrebbe essere regolare dal IRF8 nella rete regolamentare. Nel contesto, abbiamo suggerito che CTSS
potrebbe svolgere un ruolo essenziale nella perdita di tessuto osseo coinvolti nella progressione parodontite interagendo con IRF8
.
D'altra parte, PLEK è un importante substrato di proteina chinasi C nelle piastrine e leucociti e sembra svolgere un ruolo importante nella esocitosi attraverso un meccanismo attualmente sconosciuto [33]. Ding et al. ha dimostrato che il fosforilata PLEK ha aumentato la secrezione di citochine proinfiammatorie nei fagociti mononucleari [34]. Inoltre, Ueki et al. aveva mostrato che i monociti secreti attivati da batteri nel liquido crevicolare è stato associato con parodontite [35]. D'altra parte, IRF8 può specificamente legarsi alla regione regolatoria a monte IFN [36]. Inoltre, Bar-Or et al. hanno dimostrato che le cellule B potrebbe evidenziare anormali risposte citochine proinfiammatorie (come la produzione esagerata di TNF) quando attivato nel contesto del Th1 citochina IFN [37]. In questo studio, i risultati hanno dimostrato che PLEK
era una proteina nodo della rete PPI e potrebbe essere regolata da IRF8 nella rete regolamentazione. Pertanto, abbiamo ipotizzato che PLEK
possa contribuire alla progressione parodontite tramite l'interazione con IRF-8
.
PTGS2 è un isoenzima di PTGS che è l'enzima chiave nella biosintesi delle prostaglandine, e agisce sia come diossigenasi e come perossidasi [38]. Lo studio di Zhang et al. aveva dimostrato l'esistenza di un modello ipermetilazione del promotore in relazione a un livello inferiore di PTGS2 trascrizione nei tessuti infiammati in periodontite cronica [39]. D'altra parte, FosB è un membro della famiglia del gene che codifica per proteine Fos cerniera di leucine che può dimerize con proteine della famiglia giugno [40]. cell receptor (TCR) driven l'espressione del gene precoce T è controllato da numerosi fattori di trascrizione chiave come FosB [41]. Inoltre, Sreeramkumar et al. aveva riferito che PTGS2 era trascrizionalmente up-regolata nelle cellule T durante innescando TCR /CD3 e che si è comportato come un primo gene inducibile nel processo di attivazione delle cellule T [42]. Inoltre, Chen et al. aveva dimostrato che doppi segnali di costimolazione da CD28 e TCR erano necessari per l'espressione ottimale del recettore attivatore del fattore nucleare-kB ligando (RANKL) nei tessuti parodontali [43]. Nel presente studio, i risultati hanno mostrato che PTGS2
è stato coinvolto nel modulo 3 e potrebbe essere regolata da FosB nella rete regolamentare. Così, abbiamo suggerito che PTGS2
potrebbe giocare un ruolo critico nella progressione parodontite coinvolgendo in TCR percorso di segnalazione tramite l'interazione con FosB.
Conclusione
In conclusione, questo studio ha identificato diversi geni (CTSS
, PLEK
, IRF-8
, PTGS2
e FosB) che ha coinvolto nello sviluppo e nella progressione della parodontite. CTSS
può svolgere un ruolo essenziale nella perdita ossea associata con parodontite interagendo con IRF8.
Inoltre, PLEK
può contribuire alla progressione parodontite tramite l'interazione con IRF-8
. Inoltre, PTGS2
può giocare un ruolo critico nella progressione parodontite coinvolgendo in TCR via di segnalazione tramite l'interazione con FosB.
Il nostro studio potrebbe fornire una base teorica per le future indagini della parodontite. Tuttavia, ulteriori studi sperimentali sono ancora necessari per confermare i nostri risultati
Abbreviazioni
APC:.
Cellule presentanti l'antigene
BP:
I processi biologici , CTSS, catepsina S, CC, componente cellulare
degs:
differenzialmente espressi geni, IRF4, Factor 4, FDR, false discovery rate, GO, Gene Ontology
IL-6:
interleuchina-6
IL-8:
interleuchina-8, KEGG, Kyoto Enciclopedia di geni e genomi
Klf4:
Kruppel-like factor 4
MMP:
metalloproteinasi della matrice, MEIS1, Meis homeobox 1
MF:
funzioni molecolari
MAF:
musculoaponeurotic fibrosarcoma oncogene omologo, PLEK, Pleckstrin
< DFN> PAMPs:
pamp
PPI:
interazione proteina-proteina
STRING:
Ricerca strumento per il recupero di geni che interagiscono /proteine)
Th17:
delle cellule T helper 17
TLR:
Toll come recettori, TF, fattori di trascrizione
dichiarazioni
Riconoscimento
Questo studio è stato sostenuto dal distretto Minhang giovane medico piano di formazione.
Open Access Questo articolo è distribuito sotto i termini della creative Tutti gli autori hanno letto e approvato il manoscritto finale.
