بررسي ويژگي‌هاي توپولوژيكي ژن‌هاي تغيير بيان يافته خون در شبكه برهم كنش پروتئين- پروتئين براي بيماري ديابت نوع 1

Topological analysis of blood differentially expressed genes in protein-protein interaction network in type 1 diabetes

سابقه و هدف: بيماري ديابت نوع 1 در نتيجه تخريب خودايمني سلول‌هاي بتا توليد‌كننده انسولين در پانكراس ايجاد مي‌شود. براي گسترش درمان بيماري، شناسايي نشانگرهاي درماني كارآمد مورد نياز است. روش‌هاي سيستم بيولوژي سبب فهم بهتري از عوامل عملكردي در بيماري مي‌گردند. هدف اين مطالعه، جستجوي نشانگرهاي كانديد در اين بيماري با بررسي ويژگي‌هاي توپولوژيكي زيرشبكه حاصل از تلفيق داده‌هاي بيان ژن و برهمكنش پروتئين-پروتئين بود. مواد و روش‌ها: در اين مطالعه، پروفايل بيان ژن سلول‌هاي تك هسته‌اي خون محيطي بيماران تاره مبتلا شده به ديابت از پايگاه داده Gene Expression Omnibus (GEO) دانلود و ژن‌هاي تغيير بيان يافته مشخص گرديدند. سپس اين ژن‌ها روي شبكه برهم كنش پروتئين-پروتئين منطبق شدند. پنج ويژگي توپولوژيكي توسط نرم‌افزار Cytoscape آناليز شد. در نهايت از سه پارامتر مهم درجه رأس، Betweenness و Closeness centrality براي معرفي نشانگرهاي كانديد استفاده گرديد. يافته‌ها: با انجام آناليز آماري، 2467 ژن تغيير بيان يافته مشخص گرديدند كه 1024 افزايش و 1443 كاهش بيان داشتند. با قرار دادن اين ژن‌ها در شبكه، زير شبكه‌اي با 949 نود و 1776 يال ساخته شد. با آناليز توپولوژيكي زيرشبكه، پروتئين‌هاي با درجه رأس بالا (Hub) و پروتئين‌هاي با Betweenness بالا (گلوگاه يا Bottleneck ) شناخته شدند. 9 پروتئين Hub-bottleneck كه مركزيت بالا (Closeness centrality) در شبكه داشتند، به عنوان نشانگرهاي كانديد معرفي شدند. نتيجه‌گيري: نشانگرهاي كانديد به دست آمده از شبكه با نگاه سيستماتيك، مي‌توانند به عنوان نشانگرهاي تشخيصي جديد و اهداف دارويي مورد بررسي بيش‌تر قرار گيرند.

Introduction: Type 1 diabetes (T1D) results from autoimmune destruction of insulin-producing beta cells in pancreatic islets of Langerhans. To develop efficient treatments for T1D, it is required to identify suitable therapeutic markers. Systems biology offers approaches to better understanding of functional elements in the disease. Our aim was to investigate larger number of candidate markers in T1D by topological analysis of constructed PPI based on gene expression. Materials and Methods: In this study, gene expression profile of peripheral blood mononuclear cells from newly diagnosed type 1 diabetic children was prepared from Gene Expression Omnibus and analyzed to get differentially expressed genes. Then, these genes were mapped to PPIs data to construct related subnetwork. Five topological features were calculated by Cytoscape software. Finally, degree, betweenness and closeness centrality features were utilized to identify candidate markers. Results: 2467 differentially expression genes were obtained by statistical analyzing of gene expression profile in which 1024 were upregulated and 1443 were downregulated. After mapping these genes on PPI network, there was constructed subnetwork with 949 nodes and 1776 edges. By topological analysis of the subnetwork, we determined high degree nodes (hub) and high betweenness nodes (bottleneck). Then, 9 hub-bottleneck proteins that were more central (high closeness centrality) in the subnetwork were identified and introduced as candidate markers. Conclusion: The obtained markers from network via systemic view can be considered as new diagnostic markers and potential therapeutic targets for T1D.