Resumen Antecedentes
A pesar de numerosos estudios sobre la periodontitis, el mecanismo que subyace a la progresión de la periodontitis sigue siendo en gran parte desconocido. Este estudio tuvo como objetivo tener un perfil de expresión de comparación entre la periodontitis y el control normal y para identificar más genes candidatos involucrados en la periodontitis y para obtener más conocimientos sobre los mecanismos moleculares de la progresión de la periodontitis.
Métodos Francia El perfil de expresión génica de GSE16134, que comprende 241 muestras de tejidos gingivales y 69 muestras sanas como el control que se obtuvieron de 120 pacientes sin enfermedad sistémica asociada con la periodontitis (65 con crónica y 55 con periodontitis agresiva), fue descargado de la base de datos de la Expresión génica Omnibus (GEO). los genes expresados diferencialmente (DEGs) en muestras periodontitis fueron seleccionados utilizando el paquete R limma en comparación con las muestras de control. Ontología de genes (GO) y el análisis de la vía de enriquecimiento en los DEGs se llevaron a cabo utilizando el test de distribución hipergeométrica. Proteína-proteína interacción (PPI) a la red de los DEGs se construyó utilizando Cytoscape, seguido de la selección de módulos de la red PPI utilizando MCODE plugin. Por otra parte, los factores de transcripción (TFS) de estos DEGs fueron identificados en base a la base de datos TRANSFAC y luego se construyó una red de regulación.
Resultados
En total, se identificaron 762 DEGs (507 de 255 hacia arriba y hacia abajo-regulada) en muestras de periodontitis . DEGs fueron enriquecidos en diferentes términos y las vías de GO, como proceso inmune sistema, los procesos biológicos de activación celular, la interacción del receptor de citoquina-citoquina, y las vías metabólicas. La catepsina S (CTSS
) y pleckstrin (PLEK
) fueron los centro de proteínas en la red PPI y se seleccionaron 3 módulos significativos. Por otra parte, se identificaron 19 TFS incluyendo interferón factor regulador 8 (IRF8), y FBJ murino osteosarcoma viral homólogo de oncogén B (FOSB).
Conclusión
Este estudio identificó genes (CTSS
, PLEK
, IRF . -8
, PTGS2
, y FOSB
) que pueden estar involucrados en el desarrollo y progresión de la periodontitis
material complementario Electrónico
la versión en línea de este artículo (doi: 10. 1186 /s12903-015-0086-7) contiene material complementario, que está disponible para los usuarios autorizados.
Antecedentes
la periodontitis es una enfermedad inflamatoria crónica que afecta a las interacciones entre las biopelículas microbianas complejas, muchas poblaciones de células y mediadores inflamatorios, lo que lleva a la destrucción de las estructuras de soporte del diente como el ligamento periodontal y el hueso alveolar [1]. Además de ser una causa común de la pérdida de dientes, periodontitis severa (alrededor de 8,5% de los pacientes) puede afectar perjudicialmente a la salud sistémica, ya que puede aumentar el riesgo de los pacientes de diabetes, la aterosclerosis, la artritis reumatoide, y los resultados adversos del embarazo [2-4]. Dos entidades clínicas principales de la periodontitis son reconocidos actualmente: la periodontitis crónica, que es más común, y la periodontitis agresiva, una entidad desafío clínico ofrecido por un inicio temprano y una progresión rápida [5]. La etiología subyacente de ambas las dos formas no ha sido completamente aclarada. Por lo tanto, ganando más conocimientos sobre los mecanismos moleculares de periodontitis será de gran importancia para el tratamiento de la periodontitis.
Estudios previos han demostrado que los factores que pueden determinar la presencia y la velocidad de progresión de la periodontitis son complejas, que se puede definir como la interacción de numerosos parámetros que actúa simultáneamente y de manera impredecible [1]. Por ejemplo, la biopelícula microbiana diente asociado o la placa dental es esencial pero no suficiente para inducir la periodontitis. La respuesta inflamatoria del huésped al reto microbiano puede finalmente causar la destrucción del periodonto [6]. La inflamación y la pérdida de masa ósea son características de la enfermedad periodontal [7] y la evidencia acumulada demuestra que una serie de mediadores están implicados en estos procesos [8]. Cochran et al. había informado de que la reducción de la inflamación y la atenuación de la reacción inmune del huésped a la placa microbiana podría conducir a una disminución en la relación de ligando factor nuclear kappa B (RANKL) /osteoprotegerina (OPG) y una disminución de la pérdida ósea asociada [7 ]. Además, un estudio ha examinado que las citoquinas tales como la interleuquina-1 (IL-1) y factor de necrosis tumoral (TNF) son un componente importante e integral de la reacción del huésped a la infección periodontal [8]. Además, secretada IL-8 inducida por múltiples estímulos como bacterias vivas y citocinas proinflamatorias está asociada con la inflamación y la invasividad de la periodontitis [9]. A pesar de las numerosas investigaciones sobre la periodontitis, el mecanismo sigue siendo en gran parte desconocido.
Utilizando el mismo perfil de expresión génica, Stoecklin et al. miRNAs específicos identificados (tiene-miR-210 y miR-HSA-185) y su objetivo genes en los tejidos gingivales [10]. Además, Kebschull et al. encontraron que las pequeñas diferencias en la expresión génica y el rendimiento clasificador muy variable sugirieron diferencias limitadas entre periodontitis crónica establecida y lesiones periodontitis agresiva [11]. Hemos tratado de tener una comparación de perfiles de expresión entre la periodontitis (periodontitis crónica y periodontitis agresiva colectivamente) y el control normal, la identificación de más genes candidatos involucrados tanto en la periodontitis crónica y agresiva y para obtener más conocimientos sobre los mecanismos moleculares de la progresión de la periodontitis.
Métodos
microarrays de datos y los datos de pre-procesamiento de datos Francia el perfil de expresión génica de GSE16134 [11] ha sido descargado de la expresión génica Omnibus (GEO) en el NCBI (http:... //www NCBI NLM NIH. gov /geo /), basado en la plataforma de GPL570 2.0 matriz [HG-U133_Plus_2] Affymetrix Human Genome U133 Plus. Este conjunto de datos incluye 241 muestras de tejidos gingivales 'enfermas' (sangrado al sondaje, profundidad de sondaje ≥ 4 mm, y la inserción clínica ≥ pérdida de 3 mm) y 69 muestras de tejidos gingivales 'saludables' (sin sangrado al sondaje, profundidad de sondaje ≤ 4 mm, y pérdida de inserción clínica ≤ 4 mm), obtenida a partir de 120 individuos sistémicamente sanos, no fumadores con periodontitis moderada /grave (65 con crónica y 55 con periodontitis agresiva), tal como se describe anteriormente [11, 12]. Los 120 pacientes sometidos a cirugía periodontal contribuyeron con un mínimo de dos papilas gingivales interproximal de un maxilar posterior y cuando esté disponible, se obtuvo una papila 'sana'. En el presente estudio, se tomaron muestras de pacientes con periodontitis crónica y agresiva juntos como un grupo, diseñados como muestras periodontitis, y se compararon con las muestras de tejido 69 'saludables' gingivales como controles en el siguiente análisis. Francia El perfil descargado tenía sido preprocesado que se llevó a cabo con corrección de fondo, ingrese
2 transformación, y la normalización cuantil utilizando el método de affy paquete de R [13] RMA (sólido análisis multi-array). En este estudio, las sondas se hibridan con el mismo gen se normalizaron utilizando el paquete preprocessCore [14]. La matriz de la expresión génica de las muestras fue recibido y se utilizó para el análisis de seguimiento.
Proyección de DEGs Empresas El DEGs en muestras de periodontitis se rastrearon en comparación con las muestras de control usando los modelos lineales para datos de microarrays (limma) en el paquete R [15]. Se aplicó tasa de falso descubrimiento (FDR) [16] para la corrección de múltiples ensayos utilizando Benjamini y Hochberg método [17]. Umbral para los DEGs se establece como FDR & lt; 0,05 y | log 2 FC (doble cambio) | ≥ 0,58.
Función y análisis de vías de enriquecimiento de DEGs
Con el fin de investigar la progresión de la periodontitis en la perspectiva del nivel funcional, ontología de genes (GO) y el análisis de la vía de enriquecimiento de los DEGs identificados se llevaron a cabo en este estudio. GO categorías como proceso biológico (BP), la función molecular (MF), y el componente celular (CC) sobre los DEGs identificados fueron enriquecidos a partir de bases de datos GO utilizando la prueba de distribución hipergeométrica [18]. Además, las vías que los DEGs involucrados en fueron enriquecidos mediante la prueba de distribución hipergeométrica de la KEGG (Kyoto Enciclopedia de genes y genomas) base de datos [19], que no había sido utilizado por Kebschull et al. [12]. El valor de p & lt; 0,05 fue elegido como el umbral.
PPI construcción de la red de la selección DEGs y módulos
la cadena (Herramienta de búsqueda para la recuperación de los genes que interactúan /proteínas) de base de datos, que es una base de datos de los previstos y conocidos de las interacciones proteína [20] , se utilizó para seleccionar las interacciones entre los DEGs seleccionados en este estudio, que no se utilizaron en el estudio de Kebschull et al. [12]. La red PPI se construyó mediante enlaces funcionales entre las proteínas que se derivan de forma experimental, así como enlaces predichas por análisis de co-expresión y la minería de texto, o IBP que había relacionados registros en la base de datos. Los genes incluidos en la red PPI eran todos DEGs. Además, la puntuación combinada ≥ 0,4 fueron elegidos para la construcción de la red PPI. software Cytoscape [21] se utiliza para visualizar la red construida mientras MCODE [22] se utilizó para seleccionar los módulos importantes de la red PPI (Parámetros: corte Grado: 2, Nodo punto de corte: 0,2, K-core:. 2, Max profundidad : 100). Además, se realizó un análisis topológico de la red PPI y se analizaron grados de nodos de estas DEGs.
Función de anotación de los DEGs y construcción de red de regulación
Para identificar los DEGs que tenían las funciones reguladoras de la transcripción, los DEGs identificados en este estudio se analizaron utilizando la base de datos TRANSFAC (http:.. //www gen-regulación com /pub /bases de datos hTML.) [23], una base de datos que comprende datos de factores de transcripción (TFS), su objetivo genes y sitios de unión de regulación. Por otra parte, se construyó una red de regulación basado en la TFS identificados y sus DEGs objetivo. Mientras que en el estudio de Kebschull et al. [12], no se había utilizado la base de datos TRANSFAC.
Resultados
pre-procesamiento de datos y detección DEGs
En el análisis original de Kebschull et al. [12], un total de 248 sondas regulados diferencialmente se identificaron en un pliegue del cambio absoluto de ≥1.19, y 30 sobreexpresa sólo un bajo-expresó sonda por un cambio absoluto de & gt; 1,5 veces fueron identificados en lesiones periodontitis agresiva en comparación con periodontitis crónica lesiones. Sin embargo, en este estudio, después de pre-procesamiento de datos, 20.303 genes fueron asignadas a las sondas. En comparación con las muestras de control, se identificaron un total de 762 DEGs en las muestras con periodontitis (archivo adicional 1: Tabla S1)., Que incluye 507 genes regulados y 255 genes regulados
IR y análisis de vías de enriquecimiento de DEGs
enriquecimiento de análisis funcional y la vía indicó que hasta reguladas DEGs y DEGs en las muestras enriquecidas con periodontitis fueron significativamente diferentes en términos de GO y KEGG vías reducido regulado (Tablas 1 y 2). Top 5 GO términos de los genes regulados hacia arriba y hacia abajo, se muestran en la Tabla 1, respectivamente. Los genes regulados estaban involucrados en diferentes GO términos tales como la activación celular, la activación de la respuesta inmune, la actividad de quimioquinas y de unión al antígeno (Tabla 1A). Mientras que las reguladas por los genes estaban asociados con el GO términos como desarrollo de la piel, la diferenciación de las células epidérmicas, filamentos intermedios, y la actividad de la molécula estructural (Tabla 1B). Por otro lado, los 10 principales vías de genes hacia arriba y hacia abajo regulados se muestran en la Tabla 2, respectivamente. El análisis de la vía de enriquecimiento mostró que los genes regulados fueron principalmente implicado en la infección por Staphylococcus aureus y la interacción del receptor de citoquina-citoquina (Tabla 2A), mientras que la baja regular genes estaban asociados principalmente con las vías tales como las vías metabólicas, fagosoma, y la melanogénesis vías (Tabla 2B) .Tabla 1 El análisis funcional de los DEGs
Categoría
GO ID
Nombre
Conde
p
-valor
A: los 5 mejores términos GO de los DEGs regulados hasta
BP
GO: 0001775
celular la activación
68
& lt; 1,00E-16
BP
GO: 0002253
la activación de la respuesta inmune
48
& lt; 1,00E-16
BP
GO: 0002376
La proceso sistema inmunológico
165
& lt; 1,00E-16
BP
GO: 0002682
regulación de proceso del sistema inmunológico
94
& lt; 1,00E-16
BP
GO: 0002684
La regulación positiva de proceso del sistema inmunológico
73
& lt; 1,00E-16
CC
GO: 0005576
región extracelular
138
Hotel & lt; 1,00E-16
CC
GO: 0005615
espacio extracelular
70
& lt; 1,00E-16
CC
GO: 0044421
extracelular parte de la región
86
& lt; 1,00 E-16
CC
GO: 0071944
periferia de la célula
191
2.64E-14
CC
GO: 0005886
membrana plasmática
186
1.49E-13
MF
GO: 0008009
actividad de quimioquinas
10
2.35E-07
MF
GO: 0003823
la unión al antígeno
12
4.64E-07
MF
GO: 0032403
compleja
proteína de unión
26
4.85E-07
MF
GO: 0042379
quimiocina la unión al receptor
10
1.11E-06
MF
GO: 0005178
integrina vinculante
12
1.41E-06
B: los 5 mejores términos GO de los DEGs reguladas por
BP
GO: 0043588
desarrollo de la piel
311
2.33E-14
BP
GO: 0008544
desarrollo
epidermis
280
1.18E-12
BP
GO: 0030216
diferenciación de los queratinocitos
108
1.09E-09
BP
GO: 0009913
diferenciación celular epidérmica
154
1.01e-08
BP
GO: 0009888
tejido development
1479
2.09E-08
CC
GO:0030057
desmosome
22
5.73E-06
CC
GO:0005882
intermediate filamento
191
2.33E-05
CC
GO: 0045111
citoesqueleto de filamentos intermedios
231
2.76E-05
CC
GO: 0045095
queratina filamento
93
0.00096928
CC
GO: 0005911
unión célula-célula
297
0,00108577
MF
GO: 0005198
actividad molécula estructural
627
2.89E-05
MF
GO: 0005200
constituyente estructural del citoesqueleto
94
0,00104197
MF
GO: 0016755
transferasa actividad, la transferencia de grupos amino-acilo
24
0,003031659
MF
GO: 0016702
actividad oxidorreductasa, que actúa sobre los donantes individuales con la incorporación de oxígeno molecular, la incorporación de dos átomos de oxígeno
25
0,003414279
MF
GO: 0016701
actividad oxidorreductasa
, que actúa sobre los donantes individuales con la incorporación de oxígeno molecular
26
0,003825148
función MF
molecular, BP
proceso biológico, CC
componente de células sobre Table 2 El análisis de la vía de enriquecimiento de los DEGs
KEGG ID
Nombre
Conde
p-valor
A: las 10 vías enriquecidos superiores de los DEGs regulados hasta
5150
Staphylococcus aureus infection
55
4.40E-12
5144
Malaria
51
2.12E-09
4060
Cytokine-cytokine la interacción del receptor
265
2.39E-08
4141
Transformación de las proteínas en el retículo endoplásmico
165
5.11E-07
4640
linaje de células hematopoyéticas
88
5.53E-07
5323
reumatoide arthritis
91
8.66E-07
5140
Leishmaniasis
72
1.64E-06
4670
Leukocyte la migración transendotelial
116
4.30E-06
4514
moléculas de adhesión celular (CAMs)
133
6.18E-06
4062
quimiocina vía de señalización
189
1.71E-05
Francia B: los 10 mejores vías enriquecidas de los DEGs reguladas por
590
metabolismo del ácido araquidónico
59
0,002776062
980
metabolismo de xenobióticos por citocromo P450
71
0,005420335
982
El metabolismo del fármaco - citocromo P450
73
0,005982341
350
metabolismo de la tirosina
41
0,007842248
1100
metabólico pathways
1130
0.012102847
5144
Malaria
51
0.014274311
5014
Amyotrophic esclerosis lateral (ALS)
53
0.015832167
4145
Phagosome
153
0.018215247
4916
Melanogenesis
101
0.018240082
563
Glycosylphosphatidylinositol (GPI) -Anchor biosíntesis
25
0,025692313
830
metabolismo Retinol
64
0,026060907
591
metabolismo del ácido linoleico
30
0,036083866
PPI construcción y módulos de red de la selección Ver la red PPI en el DEGs se muestra en la Fig. 1. Los resultados de análisis topológico mostraron que la interleucina-6 (IL-6
), la catepsina S (CTSS
), y pleckstrin (PLEK
) fueron las proteínas de concentradores de la red PPI que tenía mayor nodo grados (Fig. 2a). Además, 3 módulos significativos fueron seleccionados de la red PPI (Fig. 2). A partir de los resultados, se encontró que la mayoría de los genes enriquecido en los 3 módulos fueron reguladas. En particular, los 5 primeros genes con mayores grados de nodos en el módulo 1 se CTSS gratis (grado = 20), quimiocina (motivo CC) ligando 5 (CCL5) gratis (grado = 19), PLEK gratis (grado = 19), quimioquinas (CC motivo) receptor 1 (CCR1
) (grado = 19), y el péptido formilo receptor 1 (FPR1
) (grado = 19) (Fig. 2B, Tabla 3). Los 5 primeros genes con mayores grados de nodos en el módulo 2 eran IL6 gratis (grado = 17), los linfocitos específicos de la proteína tirosina quinasa (LCK
) (grado = 14), el fragmento Fc de la IgE, alta afinidad I, receptores para; polipéptido gamma (FCER1G
) (grado = 13), CD19
(grado = 13), y factor estimulante de colonias 1 receptor (CSF1R
) (grado = 13) (Fig. 2c, la Tabla 3). Además, los 5 primeros genes con grados más altos de nodo en el módulo 3 fueron IL8 gratis (grado = 13), IL1B gratis (grado = 12), MMP9 gratis (grado = 11), ptgs2 ( PTGS2
) (grado = 11), y el activador del plasminógeno, el tejido (PLAT
) (grado = 10) (Fig. 2d, Tabla 3). Higo. 1 interacción proteína-proteína (PPI) de la red de los genes expresados diferencialmente (DEGs). nodos rojos representan los DEGs hasta reguladas mientras que los nodos verdes representan las reguladas por los genes
Fig. 2 Análisis de la PPI network.A, análisis topológico de los grados de los DEGs en la red PPI. El eje horizontal representa el grado de una DEG y eje vertical representa el número de nodos. B, el módulo 1 de DEGs de red PPI. C, módulo 2 de DEGs de red PPI. D, módulo 3 de DEGs de red PPI. nodos rojos representan los DEGs hasta reguladas mientras que los nodos verdes representan las reguladas por los genes. El tamaño de un nodo es proporcional al grado de este gen sobre Table 3 Las mejores 5 DEGs con grados más altos en los módulos Módulo
génica
Expresión cambios seleccionados
Grado
módulo 1
CTSS
hasta
20
CCL5
hasta
19
PLEK
hasta
19
CCR1
hasta
19
FPR1
hasta
19
Módulo 2
IL6
hasta
17
LCK
hasta
página 14
FCER1G
hasta
13
CD19
hasta
13
CSF1R
hasta
13
Módulo 3
IL8
hasta
13
IL1B
hasta
12
MMP9
hasta
11
PTGS2
hasta
11
PLAT
hasta
10
Reguladora de construcción de la red
Un total de 9 TFS fueron identificados a partir de la hasta DEGs -regulated, como el interferón factor regulador 4 (IRF4), IRF8, y FBJ osteosarcoma murino viral homólogo de oncogén B (FOSB). Además, se seleccionaron 10 TFS de los DEGs reguladas por, como Kruppel como factor de 4 (KLF4), v-maf aviar músculo-oncogén homólogo fibrosarcoma (MAF), y Meis homeobox 1 (MEIS1). La red de regulación de estos TFS y sus genes diana se muestra en la Fig. 3. A partir de los resultados, se encontró que varios DEGs con mayores grados en el módulo 1 podrían ser reguladas por IRF8, por ejemplo, CTSS
, CCL5
, y PLEK
. Higo. 3 red de regulación de los factores de transcripción-DEGs. Diamond representa el factor de transcripción, mientras que el círculo representa el DEG. El color rojo representa hasta reguladas expresión mientras que el color verde significa Discusión expresión regulada hacia abajo
En este estudio, hemos utilizado los datos de microarrays para seleccionar los genes asociados con la periodontitis. En total, se identificaron 762 DEGs en las muestras de periodontitis en comparación con las muestras de control. Los genes regulados se enriquecieron principalmente en los términos de GO como la activación de células y la activación de la respuesta inmune, así como las vías tales como la infección por Staphylococcus aureus y la interacción del receptor de citoquina-citoquina. Las reguladas por los genes están ligados principalmente al desarrollo de los tejidos y las vías del metabolismo. CTSS
, PLEK
, LCK
, y PTGS2
, se identificaron como centro de proteínas en la red PPI o en el módulo seleccionado. Además, 9 y 10 TFS TFS fueron seleccionados de los genes regulados y hacia abajo de los genes regulados, respectivamente, por ejemplo, IRF4, IRF8, y FOSB.
Nuestros resultados mostraron que 20.303 genes fueron asignadas a las sondas. En comparación con las muestras sanas, se identificaron un total de 762 DEGs en las muestras de la periodontitis, que incluye 507 genes regulados (FDR & lt; 0,05 log 2 FC ≥ 0,58) y de 255 genes regulados (FDR & lt; 0,05 y registro 2 FC & lt; -0,58). Mientras, Kebschull et al. identificado un total de 248 sondas regulados diferencialmente en un pliegue del cambio absoluto de ≥1.19 [12]. Se informó de 30 sobreexpresado y sólo un bajo-expresó sonda por un cambio absoluto de & gt; 1,5 veces en lesiones periodontitis agresiva en comparación con lesiones periodontitis crónica. Además, encontraron que las sondas 9258 fueron expresados diferencialmente en comparación de los tejidos enfermos "con los tejidos gingivales 'saludables'. En conjunto, los resultados mostraron que hemos identificado características genéticas distintas muestras en periodontitis usando diferentes métodos de selección con diferentes umbrales.
En este estudio, se encontró que en las muestras de DEGs periodontitis se enriquecieron principalmente en diferentes términos y GO vías, tales como la activación de células , la activación de la respuesta inmune, la infección por Staphylococcus aureus y la interacción del receptor de citoquina-citoquina, usando la base de datos KEGG que no fueron utilizados por Kebschull et al. [12]. En sus investigaciones, se realizó el análisis conjunto de genes de enriquecimiento y conjuntos de genes vinculados a la apoptosis, la respuesta inmune se enriquecieron en las lesiones de periodontitis agresiva, mientras que los genes conjuntos vinculados con el metabolismo celular y la integridad epitelial fueron enriquecidos en lesiones periodontitis crónica [12]. En un huésped susceptible, la persistencia de bacterias patógenos tales como Porphyromonas gingivalis
resultados en la inflamación aberrante y prolongado y posterior destrucción de las estructuras de soporte del diente [24]. Las células inmunes como las células presentadoras de antígenos (APC) que inicialmente respondieron al desafío por bacterias patógenos, incluyendo Porphyromonas gingivalis
, a punto estratégicamente a lo largo portales de entrada [25]. Después del reconocimiento de patrones moleculares asociados a patógenos (PAMPs) a través de receptores de reconocimiento de patrones (por ejemplo, los receptores tipo Toll [TLR]), las células inmunes innatas comienzan las respuestas con el objetivo de eliminar el agente incitar [26]. Moutsopoulos et al. había demostrado que Porphyromonas gingivalis
podría promover los linfocitos T helper 17 (Th17) vías que inducen en la periodontitis crónica [24]. Por lo tanto, los resultados de enriquecimiento identificados en nuestro estudio fue de acuerdo con los estudios anteriores.
CTSS es una proteinasa de la cisteína lisosomal que pueden participar en la degradación de proteínas antigénicas de péptidos para la presentación sobre moléculas MHC de clase II [27]. La deficiencia de CTSS induce un alto recambio óseo y luego conduce hasta el hueso menos denso [28]. Mogi et al. demostró que el nivel de expresión de la clave de enzima catepsina K degradación ósea (otro miembro de la familia de proteínas) en los tejidos de fluido gingival crevicular de pacientes con periodontitis fue mayor que en los tejidos normales [29]. Además, IRF8 puede unirse específicamente a la región aguas arriba regulador de interferón de tipo I (IFN). Zhao et al. había demostrado que IRF-8 era un regulador para la osteoclastogénesis en el metabolismo óseo [30]. destrucción de tejidos blandos y la degradación de hueso se encuentran a menudo en la periodontitis [31]. Por otra parte, un estudio reveló que CTSS tenía el sitio de unión para el factor de transcripción IRF1, y la combinación de IRF8 y IRF1 podría promover la expresión CTSS [32]. En el presente estudio, CTSS era una proteína centro de operaciones en la red PPI y se podría regular por IRF8 en la red de regulación. En el contexto, sugerimos que CTSS
podría desempeñar un papel esencial en la pérdida de hueso implicado en la progresión de la periodontitis mediante la interacción con IRF8
.
Por otro lado, PLEK es el sustrato principal de la proteína quinasa C en plaquetas y leucocitos y parece jugar un papel importante en la exocitosis través de un mecanismo actualmente desconocido [33]. Ding et al. demostró que el fosforilada PLEK aumentó la secreción de citoquinas proinflamatorias en los fagocitos mononucleares [34]. Además, Ueki et al. había demostrado que los monocitos activados secretados por bacterias en el líquido crevicular se asoció con periodontitis [35]. Por otro lado, IRF8 puede unirse específicamente a la región reguladora aguas arriba de IFN [36]. Adicionalmente, Bar-Or et al. mostraron que las células B pueden exhibir respuestas de citocinas proinflamatorias anormales (tales como la producción exagerada de TNF) cuando se activa en el contexto de la citocina Th1 IFN [37]. En este estudio, los resultados mostraron que PLEK
era una proteína concentrador en la red PPI y podría ser regulada por IRF8 en la red de regulación. Por lo tanto, especuló que PLEK
podría contribuir a la progresión de la periodontitis a través de la interacción con la FIC-8
.
PTGS2 es una isoenzima de PTGS que es la enzima clave en la biosíntesis de prostaglandinas, y actúa tanto como una dioxigenasa y como una peroxidasa [38]. El estudio de Zhang et al. había demostrado que había un patrón hipermetilación del promotor en relación con un nivel inferior de PTGS2 transcripción en los tejidos inflamados en periodontitis crónica [39]. Por otro lado, FOSB es un miembro de la familia de genes que codifica las proteínas Fos de cremallera de leucina que puede dimerize con proteínas de la familia junio [40]. receptor de la célula de expresión del gen temprano de T (TCR) impulsada es controlado por numerosos factores de transcripción tales como FOSB [41]. Además, Sreeramkumar et al. había informado que era PTGS2 transcriptionally hasta reguladas en las células T durante TCR /CD3 de disparo y que se comportaba como un gen inducible temprano en el proceso de activación de las células T [42]. Por otra parte, Chen et al. había demostrado que se requieren señales dobles coestimuladoras CD28 y de TCR para la expresión óptima del receptor activador del ligando del factor nuclear-kB (RANKL) en los tejidos periodontales [43]. En el presente estudio, los resultados mostraron que PTGS2
participó en el módulo 3 y podría ser regulada por FOSB en la red de regulación. Por lo tanto, sugerimos que PTGS2
podría desempeñar un papel fundamental en la progresión de la periodontitis que implica en vía de señalización del TCR a través de la interacción con FOSB.
Conclusión
En conclusión, este estudio ha identificado varios genes (CTSS
, PLEK
, IRF-8
, PTGS2 Opiniones y FOSB) que participan en el desarrollo y progresión de la periodontitis. CTSS
puede desempeñar un papel esencial en la pérdida ósea asociada con periodontitis mediante la interacción con IRF8.
Además, PLEK
puede contribuir a la progresión de la periodontitis a través de la interacción con la FIC-8
. Además, PTGS2
puede jugar un papel crítico en la progresión de la periodontitis que implica en TCR vía de señalización a través de la interacción con FOSB.
Nuestro estudio puede proporcionar una base teórica para las futuras investigaciones de la periodontitis. Sin embargo, aún se necesitan más estudios experimentales para confirmar nuestros resultados
abreviaciones
APC:.
Células presentadoras de antígenos
BP: Los procesos biológicos
, CTSS, la catepsina S, CC, componente celular
DEGs:
genes expresados diferencialmente, IRF4, Factor 4, FDR, la tasa de falso descubrimiento, GO, ontología de genes
IL-6:
interleucina-6
IL-8:
interleucina-8, KEGG, Kyoto Enciclopedia de genes y genomas
KLF4:
Kruppel como factor de 4
MMP: metaloproteinasa de matriz
, MEIS1, Meis homeobox 1 |
MF:
funciones moleculares
MAF:
músculo-oncogén homólogo fibrosarcoma, PLEK, Pleckstrin
< DFN> PAMP:
patógenos asociados a patrones moleculares
PPI:
interacción proteína-proteína
CADENA:
Buscar herramienta para la recuperación de genes que interactúan las proteínas) /
Th17:
células T helper 17
TLR:
tipo Toll receptores, TFS, factores de transcripción
Declaraciones
Reconocimiento
Este estudio fue apoyado por el plan de formación del médico joven distrito de Minhang.
acceso abierto Este artículo se distribuye bajo los términos de la licencia Creative Todos los autores leído y aprobado el manuscrito final.
