脊柱外科杂志  2023, Vol.21 Issue(5): 316-325   PDF    
转录组分析鉴定腰椎椎间盘退行性变中潜在免疫相关生物标志物
李志超1,2, 王磊1, 薛景才1, 王文波1, 陈煜2, 齐军强3, 许鹏4     
1. 山东中医药大学第二附属医院骨科, 济南 250002;
2. 山东中医药大学研究生院, 济南 250001;
3. 海军军医大学研究生院, 上海 200433;
4. 海军军医大学长征医院骨科, 上海 200003
摘要: 目的 通过转录组分析鉴定腰椎椎间盘退行性变(IDD)中潜在的免疫相关生物标志物,寻找IDD免疫相关的关键靶点。方法 从基因表达汇编数据库(GEO)的GSE67567数据集中获得基因表达谱,并筛选差异表达mRNA、长链非编码RNA(lncRNA)和微RNA(miRNA)。使用加权基因共表达网络分析(WGCNA)和基因集富集分析(GSEA)筛选免疫相关模块,并使用Cytoscape构建lncRNA-miRNA-mRNA竞争性内源RNA(ceRNA)网络,通过免疫浸润分析确定相关的免疫细胞,使用Pearson相关分析筛选免疫相关的关键靶点。通过GSEA筛选关键的生物过程和途径。使用GEO的GSE124272数据集验证关键靶基因的表达。结果 WGCNA结果表明,蓝绿色模块与免疫力有关。免疫浸润分析显示,CD4幼稚T细胞可能是关键的免疫细胞。Pearson相关分析表明,4个mRNA(UHMK1、ZFP36L2、ZCCHC3、ZBTB20)和1个lncRNA(LINC00641)可能是IDD免疫相关的关键靶点,建立了一个免疫调节相关的ceRNA网络。GSEA结果显示,LINC00641可能通过TGF-β信号通路调节IDD。验证结果表明,这些关键基因在GSE124272数据集中存在差异表达。结论 mRNA(UHMK1、ZFP36L2、ZCCHC3、ZBTB20)和lncRNA(LINC00641)是IDD免疫相关的关键靶点。
关键词: 腰椎    椎间盘退行性变    基因表达    病因学    
Comprehensive transcriptome analysis of potential immune-related biomarkers in lumbar disc degeneration
Li Zhichao1,2, Wang Lei1, Xue Jingcai1, Wang Wenbo1, Chen Yu2, Qi Junqiang3, Xu Peng4     
1. Department of Orthopaedics, Second Affiliated Hospital of Shandong University of Traditional Chinese Medicine, Jinan 250002, Shandong, China;
2. Department of Graduate School, Shandong University of Traditional Chinese Medicine, Jinan 250001, Shandong, China;
3. Department of Graduate School, Naval Medical University, Shanghai 200433, China;
4. Department of Orthopaedics, Changzheng Hospital, Naval Medical University, Shanghai 200003, China
Abstract: Objective To identify potential immune-related biomarkers in lumbar disc degeneration(IDD) by comprehensive transcriptome analysis for finding the immune-related key target of IDD. Methods Gene expression profiles were obtained from the GSE67567 dataset of Gene Expression Omnibus database(GEO) and screened for differentially expressed mRNAs, long non-coding RNAs(lncRNAs) and microRNAs(miRNAs). Weighted gene co-expression network analysis(WGCNA) and gene enrichment analysis were used to screen out immune-related modules, and Cytoscape was used to construct lncRNA-miRNA-mRNA competing endogenous RNA(ceRNA) network. The related immune cells were identified through immune infiltration analysis, and the key immune targets were screened by Pearson correlation analysis. The potential pathway of key factors was sceened through gene set enrichment analysis(GSEA). The expression of key target genes was verified in another data set GSE124272. Results According to the result of WGCNA, the turquoise module was related to immunity. After the analysis of immune infiltration, the CD4 naive T cell may be the key immune cell. Pearson correlation analysis showed that 4 mRNAs(UHMK1, ZFP36L2, ZCCHC3 and ZBTB20) and 1 lncRNA(LINC00641) might be the key factors related to immunity in IDD. Then an immunomodulation-related ceRNA network was built. According to the result of GSEA, lncRNA(LINC00641) might regulate IDD through the TGF-β signaling pathway. The validation results indicated that these key genes exhibited differential expression in the GSE124272 dataset. Conclusion mRNAs(UHMK1, ZFP36L2, ZCCHC3 and ZBTB20) and lncRNA(LINC00641) are the immune-related key target of IDD.
Key words: Lumbar vertebrae    Intervertebral disc degeneration    Gene expression    Etiology    

以椎间盘退行性变(IDD)为特征的椎间盘疾病,给患者带来了生理和心理上的痛苦,给家庭和社会造成巨大的经济负担[1]。IDD的致病因素包括营养物质减少、基质降解、细胞凋亡、炎性因子增加、免疫应答、遗传因素和机械负荷等[2],但其具体机制目前仍不清楚。IDD与免疫之间有很强的相关性[3],椎间盘的驻留细胞(纤维环和髓核)和浸润的免疫细胞分泌的炎性细胞因子是引发IDD的关键因素[4]。发生退行性变的椎间盘使巨噬细胞倾向于促炎性极化,这似乎加剧了IDD[5]

竞争性内源RNA(ceRNA)是一种新的基因表达调控模式。在调控过程中,一些长链非编码RNA(lncRNA)和微RNA(miRNA)结合,lncRNA起到miRNA海绵的作用,降低miRNA对其靶基因的抑制作用,使靶基因在细胞中的表达量增加[6]。有研究[7-8]表明,IDD的病理变化与lncRNA、miRNA及其靶点的失衡以及许多不同细胞生物过程有关。失衡的ceRNA相互作用轴可能是治疗IDD的关键目标[9]。本研究通过加权基因共表达分析(WGCNA)构建IDD中lncRNA-miRNA-mRNA的ceRNA网络,筛选与IDD免疫相关的关键基因,为寻找IDD的新靶点和治疗策略提供参考。

1 材料和方法 1.1 数据来源

从基因表达汇编(GEO)数据库(https://www.ncbi.nlm.nih.gov/geo)GSE67567数据集下载IDD人类退行性髓核组织和对照的髓核组织微阵列芯片数据,GSE67567数据集包含GSE56081(lncRNA和mRNA数据)和GSE63492(miRNA)2个子集,各包括来自5名健康志愿者和5例IDD患者的髓核样本。

1.2 数据预处理和差异表达分析

使用GEO的在线分析工具GEO2R获得标准化的差异表达基因。根据GPL15314、GPL19449文件和GEO中的注释信息,将探针转换为相应的基因符号。对于差异表达的miRNA,将阈值设置为|log2FC|>2、调整P<0.05;对于差异表达的lncRNA,将阈值设置为|log2FC|>1、调整P<0.05。

1.3 共表达模块建立和基因集富集分析(GSEA)

使用Image GP工具(https://www.ehbio.com/CloudPlatform/front/#/)分析GEO中的mRNA表达矩阵。首先构建差异表达基因的共表达网络,将其转换为拓扑重叠矩阵,通过分层聚类和动态树切割算法,使用模块特征基因和模块关系来确定与表型相关的共表达模块,最小模块大小为30[10]。使用Enrichr数据库(https://maayanlab.cloud/Enrichr/)分析每个模块中的mRNA,进行京都基因与基因组百科全书(KEGG)通路和基因本体(GO)生物过程的GSEA,筛选出与免疫调节关系最为密切的模块。

1.4 ceRNA网络建立和GSEA

通过Targetscan数据库(https://www.targetscan.org)和miRTarbase数据库(http://mirtarbase.mbc.nctu.edu.tw/php/index.php)筛选miRNA靶向的mRNA,将这些mRNA与上述所选模块中的差异表达mRNA取交集获得免疫相关mRNA。同理,通过StarBase数据库(http://starbase.sysu.edu.cn/index.php)预测差异表达miRNA调控的lncRNA。最后,使用Cytoscape 3.7.2建立lncRNA-miRNA-mRNA ceRNA网络。使用Enrichr对ceRNA网络中的mRNA的KEGG通路和GO生物过程进行GSEA。

1.5 免疫浸润分析

使用ImmuCellAI(http://bioinfo.life.hust.edu.cn/web/ImmuCellAI/)[11]比较GEO数据库中IDD组和对照组的免疫浸润特征。ImmuCellAI是一种基于转录组测序或芯片工具估计免疫细胞浸润丰度数据的工具,可以判断18种T细胞和6种其他类型免疫细胞的比例。

1.6 与CD4幼稚T细胞(CD4 naive)相关的ceRNA子网络的构建

使用Pearson相关分析确定ceRNA网络中CD4 naive浸润与mRNA和lncRNA表达的相关性,以相关系数绝对值> 0.8、P<0.01为条件筛选mRNA和lncRNA[12]。同法分析mRNA和lncRNA之间的相关性,筛选出关键lncRNA。利用筛选出的mRNA和lncRNA,在之前的ceRNA网络基础上构建与CD4 naive相关的ceRNA子网络。

1.7 确定关键靶点的通路

使用关键lncRNA表达量的中位数对所有表达量进行分组,并使用进行GO生物过程和KEGG通路的GSEA。通过获得的标准化富集评分(NES)及其相应的P值(NOM P-val)筛选关键的生物过程和途径。

1.8 验证

使用GEO数据库中的另一个IDD数据集GSE124272(包括8例IDD患者和8名健康志愿者),通过IDD和对照组基因表达的比较,分析差异表达基因,对获得的关键基因进行验证。

2 结果 2.1 IDD中mRNA、lncRNA和miRNA的差异表达

通过GEO2R分析GSE56081和GSE63492数据集中的数据,经过校正,得到15 220个mRNA、370个miRNA和623个与IDD相关的lncRNA。进一步根据|log2FC|>2、调整P<0.05筛选出35个差异表达miRNA,均为低表达;根据|log2FC|>1、调整P<0.05筛选出87个差异表达lncRNA,其中45个为低表达,42个为高表达(图 1)。

图 1 差异表达基因 Fig. 1 Differentially expressed genes a:  差异表达miRNA的火山图  b:  差异表达miRNA的热图  c:  差异表达lncRNA的火山图  d:  差异表达lncRNA的热图 a: Volcano map of differentially expressed miRNAs b: Heat map of differentially expressed miRNAs c: Volcano map of differentially expressed lncRNAs d: Heat map of differentially expressed lncRNAs
2.2 共表达模块构建及GSEA

通过WGCNA完成IDD和对照组的共表达模块构建,通过聚类分析和动态切树算法,得到5个不同颜色的模块,并识别出与临床特征相关的共表达模块(图 2)。

图 2 WGCNA结果 Fig. 2 Results of WGCNA a、b:  软阈值选择  c:  聚类树状图显示不同的共表达模块  d:  热图显示IDD与模块特征基因的相关性 a, b: Choice of soft thresholding c: Different co-expression modules through clustering dendrograms d: Heat map representing correlation between IDD and characteristic genes of module

对每个模块的KEGG通路和GO生物过程进行GSEA,结果表明,与免疫调节最相关的是蓝绿色(turquoise)模块,总共包含1 808个mRNA。蓝绿色模块的KEGG通路主要包括剪接体、溶酶体、RNA降解、亨廷顿病、人T细胞白血病病毒1型感染、氧化磷酸化等,GO生物学过程主要包括参与免疫反应的中性粒细胞活化、纤溶酶原激活的调控、巨自噬调节、TORC1信号的调节、中性粒细胞介导的免疫、中性粒细胞脱颗粒等(图 3)。

图 3 蓝绿色模块的KEGG通路和GO生物过程 Fig. 3 KEGG pathways and GO biological processes of turquoise module a:  KEGG通路  b:  GO生物过程 a: KEGG pathways b: GO biological processes
2.3 ceRNA网络构建和GSEA

使用Targetscan和miRTarbase数据库预测受差异表达miRNA调节的mRNA,Targetscan数据库中获得2 617个、miRTarbase数据库中获得3 940个mRNA,取交集后获得160个mRNA,再与免疫相关模块中的mRNA取交集得到25个mRNA。使用StarBase数据库预测出差异表达miRNA调节的797个lncRNA,将其与差异表达lncRNA取交集后获得8个lncRNA。使用Cytoscape 3.7.2构建lncRNA-miRNA-mRNA ceRNA网络(图 4a),获得ceRNA网络中的mRNA,并对其KEGG通路和GO生物过程进行GSEA。结果表明,GO生物过程主要包括T细胞耐受诱导调控、细胞对粒细胞-巨噬细胞集落刺激因子刺激的反应、CD4+ α-β T细胞活化的正调节、细胞对转化的反应生长因子刺激的反应、α-β T细胞分化的正调节等(图 4b),KEGG通路主要包括Fox O信号通路、细胞衰老、SNARE在囊泡转运中的相互作用、MAPK信号通路(图 4c)。

图 4 免疫相关ceRNA网络及GSEA Fig. 4 Immune-related ceRNA network and GSEA a:  ceRNA网络,菱形、六边形和圆圈分别代表差异表达lncRNA、差异表达miRNA和差异表达mRNA  b:  ceRNA网络中mRNA的GO生物学过程  c:  ceRNA网络中mRNA的KEGG通路 a: ceRNA network. Diamond, hexagon and circle represent differentially expressed lncRNAs, miRNAs and mRNAs, respectively b: GO biological processes of mRNAs in ceRNA network c: KEGG pathways of mRNAs in ceRNA network
2.4 与CD4幼稚T细胞相关的ceRNA子网络构建及GSEA

使用ImmuCellAI进行免疫细胞浸润分析,结果显示,CD4 naive、CD8幼稚T细胞(CD8 naive)、衰竭T细胞(Tex)、自然调节性T细胞(nTreg)、诱导调节性T细胞(iTreg)、辅助性T细胞1(Th1)、辅助性T细胞17(Th17)、滤泡辅助性T细胞(Tfh)、中央记忆细胞(Tcm)、自然杀伤细胞(NKT)、黏膜相关不变T细胞(MAIT)、树突状细胞(DC)、单核细胞(monocyte)、γ-σ T细胞(Tgd)、CD4 T细胞在IDD组与对照组间差异有统计学意义(P<0.05,图 5a),其中以CD4 naive T细胞差异最为显著,IDD组丰度显著低于对照组(P<0.05)。

图 5 免疫浸润分析及lncRNA与mRNA的Pearson相关分析 Fig. 5 ImmuCellAI immune infiltration analysis and Pearson correlation analysis of lncRNAs and mRNAs a:  ImmuCellAI免疫浸润分析  b:  lncRNA和mRNA的Pearson相关分析 a: ImmuCellAI immune infiltration analysis b: Pearson correlation analysis of lncRNAs and mRNAs

利用ceRNA网络中mRNA和lncRNA的表达量筛选与CD4 naive T细胞免疫浸润相关的关键基因,经Pearson相关分析,发现8个lncRNA和25个mRNA与CD4 naive T细胞浸润具有强相关性,其中1个lncRNA(LINC00641)与10个mRNA呈强正相关性(图 5b)。

在ceRNA网络基础上构建一个与CD4 naive T细胞相关的ceRNA子网络(图 6a),关键mRNA可能是UHMK1、ZFP36L2、ZCCHC3、ZBTB20。在GSE56081数据集的GSEA中,使用LINC00641的中位表达值进行分组,明确关键因子的调控途径。结果显示,许多机制与免疫密切相关,这些相关的KEGG通路包括嗅觉转导、转化生长因子信号通路、溶酶体、胞质DNA感应通路、剪接体等(图 6b);GO生物过程主要包括负调控细胞基质黏附、白细胞迁移、细胞对细胞因子刺激的反应、炎性反应、白细胞迁移的调节等(图 6c)。

图 6 与CD4 naive相关的ceRNA子网络及GSEA Fig. 6 ceRNA sub-network associated with CD4 naive and GSEA a:  与CD4 naive相关的子网络,菱形、六边形和圆圈分别代表差异表达lncRNA、差异表达miRNA和差异表达mRNA  b:  KEGG信号通路  c:  GO生物过程 a: ceRNA sub-network associated with CD4 naive, diamond, hexagon and circle represent differentially expressed lncRNAs, miRNAs, and mRNAs, respectively b: KEGG pathways c: GO biological processes
2.5 验证结果

通过GEO2R分析GSE124272数据集的差异表达基因,结果显示,LINC00641、UHMK1、ZFP36L2、ZCCHC3和ZBTB20这5个关键基因在IDD组和对照组中均存在差异表达(表 1)。

表 1 GSE124272数据集中关键基因的差异表达 Tab. 1 Differential expression of key genes in GSE124272 dataset
3 讨论

IDD是临床常见病,发生机制复杂[13]。一项荟萃分析[14]表明,突出的椎间盘会自发重吸收,即IDD患者未经手术治疗或侵入性治疗,脱出的髓核自发消失或明显缩小,但现有文献报道多为病例报告或回顾性研究,其机制可能与炎性反应和免疫调节有关[15]。因此,寻找新的免疫靶点和新的治疗方法具有重要意义。近年来,基因表达谱的研究为越来越多的疾病筛选新型生物标志物带来了新思路与新方法[16],本研究旨在探索IDD与免疫细胞的相关性并筛选相关的特征基因。

本研究通过基因表达谱鉴定差异表达基因,使用WGCNA和GSEA筛选免疫相关模块,并构建了由8个lncRNA、21个miRNA和25个mRNA组成的ceRNA网络。mRNA的GO生物过程与KEGG通路分析表明其与免疫关系密切,如T细胞耐受诱导的调节、CD4+的正向调节、T细胞活化与分化的正向调节等生物过程,表明IDD与T细胞的调节有关,T细胞参与IDD的病理过程。而结果中的其他相关通路,如Fox O信号通路、MAPK信号通路与炎性反应及氧化应激关系密切[17-18],鉴于炎性反应是IDD或椎间盘再生机制的中心,其平衡是维持组织稳态的关键[19],抑制炎性反应可能有助于治疗IDD[20]

本研究使用免疫细胞浸润分析的方法探索与IDD具有强相关性的免疫细胞,结果发现,IDD患者与对照组的CD4 naive表达差异性最为显著。Naive T细胞也称非致敏T细胞,在暴露于抗原刺激之前处于相对静止的状态。CD4 T细胞是人体免疫系统中重要的免疫细胞[21]。最近的研究[22]表明,CD4 naive的功能比以前认为的要多,并且它们在表型、分化阶段、持久性、功能和解剖位置方面是多种多样的。动物实验[19]表明,椎间盘内促炎治疗可使血液和淋巴结中的T细胞亚群增加。另一项研究[23]表明,在髓核突出的椎间盘中存在CD4和CD8 T细胞。在本研究中,CD4 naive和CD4 T细胞在免疫细胞浸润分析后均存在显著差异。Pearson相关分析发现,UHMK1、ZFP36L2、ZCCHC3、ZBTB20和LINC00641可能是IDD免疫相关的关键靶点,即IDD的特征基因。本研究还筛选了1个与CD4 naive相关的ceRNA子网络,并将LINC00641识别为关键因素,可将其作为IDD的潜在治疗靶点。GSEA结果显示,转化生长因子信号通路可能是IDD潜在的信号通路。上述关键基因的表达在GSE124272数据集中得到了验证。

目前大多数与LINC00641相关的研究都与恶性肿瘤有关[24],也与糖尿病足的一些生物学过程有关[25]。在IDD的研究中,Wang等[26]发现LINC00641可以直接与miR-153-3p结合,作为miR-153-3p的天然海绵,通过miRNA介导的沉默途径靶向自噬相关基因5,并调节髓核细胞的自噬和死亡。本研究结果表明,LINC00641可能通过免疫相关竞争性调节基因机制影响IDD的发生与发展。

本研究发现的与CD4 naive相关的mRNA目前研究尚少,这些mRNA与肿瘤和免疫密切相关[27-29]。UHMK1可能参与RNA加工,也可能参与白细胞的形成[30]。ZFP36L2在CD4 naive中高表达,可抑制调节性T细胞的功能[31]。本研究的免疫浸润分析结果显示,CD4和CD4 naive与IDD密切相关,间接验证了ZFP36L2是IDD的重要靶点之一。同时,ZBTB20可抑制CD8+T细胞免疫代谢[32],并能促进巨噬细胞炎性反应,启动先天免疫反应[33]。这些结果为IDD的诊断和靶向治疗提供了新思路。

本研究通过GSEA来识别LINC00641的关键调控途径,发现与免疫相关的关键途径是转化生长因子信号通路、胞质DNA感应通路、溶酶体通路等。胞质DNA感应通路与先天免疫反应密切相关[34],溶酶体是真核细胞的主要分解代谢区[35],许多炎性疾病的根本原因可能是自噬-溶酶体途径的功能障碍[36]。最近有研究[37]表明,溶酶体与椎间盘细胞的死亡有关。近年来,有研究[38]发现转化生长因子在调节细胞生长分化和免疫功能方面具有重要作用。转化生长因子信号通路对椎间盘的发育和生长至关重要[39],但过度激活转化生长因子信号对椎间盘是有害的,抑制异常的转化生长因子信号可以延缓椎间盘的退行性变[40]。因此,通过lncRNA抑制转化生长因子信号通路来减少炎性反应可能是治疗IDD的有效方法。

本研究尚有一定的局限性,受现有数据库中数据的限制,本研究选取的样本量有限,以后将增加样本量进一步研究探索;此外,本研究组未开展细胞实验或动物实验,未来将通过基础实验研究进一步验证关键lncRNA和mRNA在IDD中的作用。

总之,本研究在WGCNA的基础上,将ceRNA、IDD和免疫调节联系起来,构建了一个与免疫调节相关的IDD ceRNA网络。在这个网络中,lncRNA LINC00641是一个关键靶点,它干预了mRNA(UHMK1、ZFP36L2、ZCCHC3、ZBTB20)的表达。同时,CD4 naive表达减少,这可能与IDD的发生机制密切相关。lncRNA LINC00641可能通过转化生长因子信号通路调节IDD。这些结果将有助于从ceRNA的角度更好地探索免疫调节在IDD发展中的作用机制,并为治疗靶点的开发提供思路。

参考文献
[1]
Cannata F, Vadalà G, Ambrosio L, et al. Intervertebral disc degeneration: a focus on obesity and type 2 diabetes[J]. Diabetes Metab Res Rev, 2020, 36(1): e3224. DOI:10.1002/dmrr.3224
[2]
Choi YS. Pathophysiology of degenerative disc disease[J]. Asian Spine J, 2009, 3(1): 39-44. DOI:10.4184/asj.2009.3.1.39
[3]
孙凯强, 史建刚. 神经、免疫、内分泌系统与椎间盘退变的研究进展[J]. 第二军医大学学报, 2021, 42(6): 670-676. DOI:10.16781/j.0258-879x.2021.06.0670
[4]
Risbud MV, Shapiro IM. Role of cytokines in intervertebral disc degeneration: pain and disc content[J]. Nat Rev Rheumatol, 2014, 10(1): 44-56. DOI:10.1038/nrrheum.2013.160
[5]
Silva AJ, Ferreira JR, Cunha C, et al. Macrophages down-regulate gene expression of intervertebral disc degenerative markers under a pro-inflammatory microenvironment[J]. Front Immunol, 2019, 10: 1508. DOI:10.3389/fimmu.2019.01508
[6]
Salmena L, Poliseno L, Tay Y, et al. A ceRNA hypothesis: the Rosetta stone of a hidden RNA language?[J]. Cell, 2011, 146(3): 353-358. DOI:10.1016/j.cell.2011.07.014
[7]
Cazzanelli P, Wuertz-kozak K. MicroRNAs in intervertebral disc degeneration, apoptosis, inflammation, and mechanobiology[J]. Int J Mol Sci, 2020, 21(10): 3601. DOI:10.3390/ijms21103601
[8]
Guo HY, Guo MK, Wan ZY, et al. Emerging evidence on noncoding-RNA regulatory machinery in intervertebral disc degeneration: a narrative review[J]. Arthritis Res Ther, 2020, 22(1): 270. DOI:10.1186/s13075-020-02353-2
[9]
Zhu J, Zhang X, Gao W, et al. lncRNA/circRNA miRNA mRNA ceRNA network in lumbar intervertebral disc degeneration[J]. Mol Med Rep, 2019, 20(4): 3160-3174.
[10]
Tian Z, He W, Tang J, et al. Identification of important modules and biomarkers in breast cancer based on WGCNA[J]. Onco Targets Ther, 2020, 13: 6805-6817. DOI:10.2147/OTT.S258439
[11]
Miao YR, Zhang Q, Lei Q, et al. ImmuCellAI: a unique method for comprehensive T-cell subsets abundance prediction and its application in cancer immunotherapy[J]. Adv Sci(Weinh), 2020, 7(7): 1902880.
[12]
Schober P, Boer C, Schwarte LA. Correlation coefficients: appropriate use and interpretation[J]. Anesth Analg, 2018, 126(5): 1763-1768. DOI:10.1213/ANE.0000000000002864
[13]
李富东, 朱健, 孙凯强, 等. 椎间盘退行性变过程中细胞类型及病理生理变化的研究进展[J]. 脊柱外科杂志, 2021, 19(5): 347-352.
[14]
Zhong M, Liu JT, Jiang H, et al. Incidence of spontaneous resorption of lumbar disc herniation: a meta-analysis[J]. Pain Physician, 2017, 20(1): E45-E52.
[15]
Ohba T, Haro H. TWEAK and TSLP in disc degeneration and spontaneous hernia resorption[J]. JOR Spine, 2020, 3(1): e1068. DOI:10.1002/jsp2.1068
[16]
王晨峰, 卢旭华. 基于基因表达汇编数据库的外周血中脊柱椎间盘退行性变诊断标志物的生物信息学分析[J]. 脊柱外科杂志, 2022, 20(5): 322-326, 333.
[17]
Moon KM, Lee MK, Hwang T, et al. The multi-functional roles of forkhead box protein O in skin aging and diseases[J]. Redox Biol, 2021, 46: 102101. DOI:10.1016/j.redox.2021.102101
[18]
Yeung YT, Aziz F, Guerrero-castilla A, et al. Signaling pathways in inflammation and anti-inflammatory therapies[J]. Curr Pharm Des, 2018, 24(14): 1449-1484. DOI:10.2174/1381612824666180327165604
[19]
Cunha C, Teixeira GQ, Ribeiro-machado C, et al. Modulation of the in vivo inflammatory response by proversus anti-inflammatory intervertebral disc treatments[J]. Int J Mol Sci, 2020, 21(5): 1730. DOI:10.3390/ijms21051730
[20]
Zhang GZ, Deng YJ, Xie QQ, et al. Sirtuins and intervertebral disc degeneration: roles in inflammation, oxidative stress, and mitochondrial function[J]. Clin Chim Acta, 2020, 508: 33-42. DOI:10.1016/j.cca.2020.04.016
[21]
Olsen Saraiva Camara N, Lepique AP, Basso AS. Lymphocyte differentiation and effector functions[J]. Clin Dev Immunol, 2012, 2012: 510603.
[22]
Caccamo N, Joosten SA, Ottenhoff THM, et al. Atypical human effector/memory CD4+ T cells with a naive-like phenotype[J]. Front Immunol, 2018, 9: 2832. DOI:10.3389/fimmu.2018.02832
[23]
Gorth DJ, Shapiro IM, Risbud MV. Transgenic mice overexpressing human TNF-α experience early onset spontaneous intervertebral disc herniation in the absence of overt degeneration[J]. Cell Death Dis, 2018, 10(1): 7. DOI:10.1038/s41419-018-1246-x
[24]
Zhang Y, Yu R, Li L. LINC00641 hinders the progression of cervical cancer by targeting miR-378a-3p/CPEB3[J]. J Gene Med, 2020, 22(9): e3212. DOI:10.1002/jgm.3212
[25]
Yu P, Guo J, Li J, et al. Co-expression network analysis revealing the key lncRNAs in diabetic foot ulcers[J]. Arch Med Sci, 2019, 15(5): 1123-1132. DOI:10.5114/aoms.2019.84699
[26]
Wang XB, Wang H, Long HQ, et al. LINC00641 regulates autophagy and intervertebral disc degeneration by acting as a competitive endogenous RNA of miR-153-3p under nutrition deprivation stress[J]. J Cell Physiol, 2019, 234(5): 7115-7127. DOI:10.1002/jcp.27466
[27]
Gou H, Liang JQ, Zhang L, et al. TTPAL promotes colorectal tumorigenesis by stabilizing TRIP6 to activate Wnt/β-catenin signaling[J]. Cancer Res, 2019, 79(13): 3332-3346. DOI:10.1158/0008-5472.CAN-18-2986
[28]
Paudel D, Ouyang Y, Huang Q, et al. Expression of TRA2B in endometrial carcinoma and its regulatory roles in endometrial carcinoma cells[J]. Oncol Lett, 2019, 18(3): 2455-2463.
[29]
Wang L. ELF1-activated FOXD3-AS1 promotes the migration, invasion and EMT of osteosarcoma cells via sponging miR-296-5p to upregulate ZCCHC3[J]. J Bone Oncol, 2020, 26: 100335.
[30]
Barbutti I, Machado-neto JA, Arfelli VC, et al. The U2AF homology motif kinase 1(UHMK1) is upregulated upon hematopoietic cell differentiation[J]. Biochim Biophys Acta Mol Basis Dis, 2018, 1864(3): 959-966. DOI:10.1016/j.bbadis.2018.01.004
[31]
Makita S, Takatori H, Iwata A, et al. RNA-binding protein ZFP36L2 downregulates helios expression and suppresses the function of regulatory T cells[J]. Front Immunol, 2020, 11: 1291. DOI:10.3389/fimmu.2020.01291
[32]
Sun Y, Preiss NK, Valenteros KB, et al. Zbtb20 restrains CD8 T cell immunometabolism and restricts memory differentiation and antitumor immunity[J]. J Immunol, 2020, 205(10): 2649-2666. DOI:10.4049/jimmunol.2000459
[33]
Qiu J, Peng P, Xin M, et al. ZBTB20-mediated titanium particle-induced peri-implant osteolysis by promoting macrophage inflammatory responses[J]. Biomater Sci, 2020, 8(11): 3147-3163. DOI:10.1039/D0BM00147C
[34]
Panne D. Immunology: cytosolic DNA sensing unraveled[J]. Nat Chem Biol, 2013, 9(9): 533-534. DOI:10.1038/nchembio.1318
[35]
Saftig P, Klumperman J. Lysosome biogenesis and lysosomal membrane proteins: trafficking meets function[J]. Nat Rev Mol Cell Biol, 2009, 10(9): 623-635.
[36]
Brady OA, Martina JA, Puertollano R. Emerging roles for TFEB in the immune response and inflammation[J]. Autophagy, 2018, 14(2): 181-189. DOI:10.1080/15548627.2017.1313943
[37]
Cai X, Liu Y, Hu Y, et al. ROS-mediated lysosomal membrane permeabilization is involved in bupivacaine-induced death of rabbit intervertebral disc cells[J]. Redox Biol, 2018, 18: 65-76. DOI:10.1016/j.redox.2018.06.010
[38]
Zi Z. Molecular engineering of the TGF-β signaling pathway[J]. J Mol Biol, 2019, 431(15): 2644-2654. DOI:10.1016/j.jmb.2019.05.022
[39]
Xu G, Liu Y, Zhang C, et al. Temporal and spatial expression of Sox9, Pax1, TGF-β1 and typeⅠandⅡ collagen in human intervertebral disc development[J]. Neurochirurgie, 2020, 66(3): 168-173. DOI:10.1016/j.neuchi.2019.12.011
[40]
Chen S, Liu S, Ma K, et al. TGF-β signaling in intervertebral disc health and disease[J]. Osteoarthritis Cartilage, 2019, 27(8): 1109-1117. DOI:10.1016/j.joca.2019.05.005