今天小编和大家分析一篇23年9月发表在Scientific Reports（IF:4.1）杂志的文章《Exploration of common genomic signatures of systemic juvenile rheumatoid arthritis and type 1 diabetes》。探讨系统性幼年类风湿关节炎（sJRA）和1型糖尿病（T1D）的遗传特征。分析了Gene Expression Omnibus（GEO）的sJRA和T1D的微阵列数据。Meta分析鉴定了共享差异表达基因（SDEGs），并鉴定了胞外蛋白的基因。然后，通过比较HumanTFDB和hTFtarget数据库，获得SDEGs中的转录因子（TFs）及其靶基因。之后，通过metascape工具对先前鉴定的基因集进行功能富集分析。最后，通过CIBERSORT分析免疫浸润。我们发现了 175 个上调的 SDEG 和 245 个下调的 SDEG，通过构建 TFs 靶向 SDEGs 网络，筛选了 3 个关键 TF（ARID3A、NEF2、RUNX3）。功能富集分析和免疫浸润结果表明，不仅适应性免疫系统，而且先天免疫系统，JAK-STAT等信号通路在sJRA和T1D的发病机制中很重要，涉及CD4 T细胞功能和中性粒细胞脱颗粒等生物学过程。这项工作表明，先天免疫异常在 sJRA 和 T1D、CD4 T 细胞功能、中性粒细胞脱颗粒和 JAK-STAT 通路中也起着重要作用。ARID3A、NEF2 和 RUNX3 在该网络中的调控作用有待进一步研究。
背景：
幼年特发性关节炎（JRA）是儿童中最常见的慢性风湿性疾病，包括一组具有不同遗传背景、病程和结局的疾病。由于其较大的异质性和未知的病因，其分类标准仍在不断改进，随着对该疾病的不断认识。系统性幼年特发性关节炎 （sJRA）是最严重的亚型，残疾率较高、多系统受累以及巨噬细胞活化综合征、胸膜炎、心包炎等并发症。由于其多样且非典型的早期临床表现，很容易漏诊或误诊。
1型糖尿病（T1D）是儿童主要的内分泌疾病之一，约占儿童糖尿病总发病量的90%。如今，T1D的发病率往往更年轻，这使得慢性并发症的影响更大（包括死亡风险）。此外，中国T1D患者急性并发症的比例很高。例如，诊断后半年内糖尿病酮症酸中毒的发生率高达40.1%，严重影响中国儿童的健康。Schenck 等人之前的一项研究显示，T1D 患者中 JRA 的患病率显着更高，然而，在接受抗风湿药物治疗后，没有发现 JRA 患者并发 T1D。另一方面，Hermann 等人发现 T1D 患者中 JRA 的患病率也明显高于一般人群。此外，JRA合并患者的血红蛋白A1C水平较低，这可能是由于JRA的治疗控制。Tuller等采用高通量测序探究JRA、T1D、多发性硬化症、系统性红斑狼疮（SLE）、克罗恩病和溃疡性结肠炎患者的基因表达，发现T1D和JRA与多发性硬化症、SLE、克罗恩病和溃疡性结肠炎相比，具有相对不同的基因表达特征。该证据表明，JRA和T1D之间应该存在共同的潜在机制。因此，探索JRA和T1D潜在的共同遗传基因特征和可能的共同发病机制，不仅有助于进一步了解这两种疾病，而且对早期筛查两种疾病合并症高危人群具有重要价值。
外周血单核细胞（PBMC）由淋巴细胞和单核细胞组成，因此在免疫功能和自身免疫性疾病中起关键作用。PBMC的分析有助于识别与免疫疾病相关的基因表达特征。因此，选择了来自PBMC的基因集。鉴于JRA不同亚型之间的多样性和异质性，我们重点探讨了sJRA与T1D之间的关系。
方法：
1.数据下载和整理：为了开展这项研究，使用关键词“关节炎、幼年类风湿”或“1 型糖尿病”从Gene Expression Omnibus (GEO, http://www.ncbi.nlms.nih.gov/geo)检索 JRA 和 T1D 基因表达谱。GEO为该研究提供了所有数据，因此不需要知情同意和伦理批准。
2.差异表达分析：对JRA 和 T1D数据集进行差异分析。
3.转录因子网络构建：鉴定TF的潜在靶基因，由 Cytoscape （3.9.0）构建转录因子网络构建。
4.功能富集分析：通过研究基因本体（GO）富集分析和KEGG富集分析，了解差异基因的生物学功能和意义。
5.免疫细胞浸润分析：CIBERSORT是一种利用线性支持向量回归原理，对22种人类免疫细胞亚型的表达基质进行去卷积的方法。对GSE7753和GSE9006进行免疫浸润分析。
研究结果：
sJRA和T1D差异表达基因的特征
JRA和T1D中分别有175个上调的SDEG和245个下调的SDEG。大多数DEGs与细胞外蛋白有关（图1，2），除6个上调的SDEG和9个下调的SDEG外，绝大多数SDEG均为胞外蛋白相关基因（附表【文章末尾蓝色字题】）。
共享转录因子-SDEGs网络构建
通过比较HumanTFDB的数据，13个TF和上调SDEGs（ARID3A、LTF、HLX、NFE2、E2F2、ZNF341、ZNF213、CEBPE、E2F8、MTF1、KLF17、THAP3、CREB5），40个TF和下调SDEGs（ZNF8、ZSCAN25、MAF、ZNF256、PRDM4、ZIK1、AKNA、LYAR、NFATC2、ZBTB44、ZNF621、ZNF571、STAT4、ZNF329、L3MBTL4、ZXDB、RORA、ATMIN、SMARCE1、SMAD7、TRERF1、MYBL1、FOXK2、ZNF600、ZNF26、TSHZ1、BNC2、HOPX、ZNF568、ZFP36L2、RLF、ZNF28、ZNF684、ZBTB16、ZBTB25、NR1D2、ZNF254、ZXDA、RUNX3、PRDM1）。如图所示（图3），其中RUNX3在SDEGs（TFs-靶向SDEGs）中的潜在靶基因最多，ARID3A和NFE2的TFs靶向SDEG数量位居第二和第三。RUNX3的表达下调，而ARID3A和NEF2的表达上调。在这些TF中，ARID3A和NFE2是相互靶基因，此外，ARID3A还受RUNX3调控。
基因集的功能分析
上调和下调SDEGs的功能富集分析见附表。上调的 SDEG 在238 个GO 项、62 个 REAC 通路和17 个 KEGG 通路中富集。它们主要参与细胞周期过程、先天免疫反应的调节、中性粒细胞脱颗粒，以及 JAK-STAT 和PI3K信号通路等几种信号通路。下调的 SDEG 仅在 154 个 GO 项、36 个 REAC 通路和 17 个 KEGG 通路中富集。它们主要与适应性免疫系统（如T细胞活化、T/B细胞受体、Th1、Th2和Th17细胞分化）以及细胞因子的功能有关，如TGF-β、干扰素I型（IFN-I）、白细胞介素（IL）23、IL12、IL11、IL2、IL3、IL5等。此外，它们还富含先天免疫系统相关术语，例如自然杀伤细胞功能以及 M-CSF 和 GM-CSF 的信号传导。
上调TF靶向富集的SDEGs的术语大多包含在上调SDEGs富集的术语中。下调TFs靶向SDEGs的富集结果相同。（图4a）显示了上调 SDEG 和 TF 靶向 SDEG 之间富集的共享项。尽管如此，中性粒细胞脱颗粒与细胞周期过程密切相关。（图4b），下调的SDEGs和靶向SDEGs的TFs之间富集的共同术语还涉及CD4阳性T细胞活化、Th1和Th2细胞分化、细胞因子功能以及自然杀伤细胞功能。生长因子β和类固醇激素刺激等激素特征也参与其中。
sJRA 和 T1D 中的免疫细胞浸润
进行了 CIBERSORT 分析，通过R软件评估 sJRA 和T1D样本中 22个免疫细胞的浸润水平。结果表明，这两种疾病的中性粒细胞和CD4幼稚T细胞水平较高，而静息T细胞的CD4记忆水平较低。与对照样本相比，两种疾病中单核细胞的浸润水平也存在显着差异。然而，sJRA显示出更高水平的单核细胞（p < 0.05，图5,6）。
