Integrated single-cell and bulk transcriptomic profiling identifies mannose metabolism- related biomarkers in Parkinson's disease

Resumen Técnico: El perfilado transcriptómico integrado de célula única y de masa identifica biomarcadores relacionados con el metabolismo de la manosa en la enfermedad de Parkinson

Planteamiento del problema
La enfermedad de Parkinson (EP) es un trastorno neurodegenerativo prevalente caracterizado por la pérdida progresiva de neuronas dopaminérgicas en la sustancia negra pars compacta. Aunque la etiología aún no se comprende completamente, la desregulación metabólica es reconocida cada vez más como un motor de la lesión neuronal. Si bien el metabolismo de la glucosa ha sido extensamente estudiado en la neurodegeneración, el papel de otras vías de monosacáridos, específicamente el metabolismo de la manosa, sigue siendo poco explorado. La manosa es crítica para la glicosilación de proteínas, el control de calidad y la señalización intracelular. Este estudio tuvo como objetivo abordar la brecha en la comprensión de cómo los genes relacionados con el metabolismo de la manosa (MM-RG) contribuyen a la patogénesis de la EP e identificar posibles biomarcadores que vinculen las alteraciones metabólicas con la desregulación inmunitaria en la enfermedad.

Metodología
El estudio empleó un marco bioinformático integrativo que combina transcriptómica de masa, secuenciación de ARN de célula única (scRNA-seq) y validación experimental:

1. Adquisición de datos: Los datos de transcriptoma de masa se obtuvieron de la base de datos GEO (GSE22491 para entrenamiento, GSE18838 para validación). Los datos de célula única se obtuvieron de GSE223138. Se curaron treinta y cuatro MM-RG de la vía "KEGG_FRUCTOSE_AND_MANNOSE_METABOLISM" de MSigDB.
2. Cribado de genes:
   • WGCNA: Se realizó un Análisis de Red de Coexpresión de Genes Ponderados (WGCNA) en el conjunto de entrenamiento para identificar módulos correlacionados con las puntuaciones de los MM-RG.
   • Expresión Diferencial: Los genes diferencialmente expresados (DEG) de masa se identificaron utilizando el paquete limma.
   • Intersección: Los genes candidatos se derivaron de la superposición entre los DEG y los genes clave del módulo WGCNA.
   • Aprendizaje Automático: La selección de características se llevó a cabo mediante la regresión LASSO y el algoritmo Boruta. La intersección de estos métodos produjo biomarcadores candidatos, los cuales fueron validados por su consistencia en la regulación a la baja en ambos conjuntos de datos de masa.
3. Análisis Funcional e Inmunitario: Se utilizó el Análisis de Enriquecimiento de Conjuntos de Genes (GSEA) para mapear las vías asociadas a los biomarcadores. La infiltración de células inmunitarias se estimó mediante CIBERSORT, y se evaluaron las correlaciones entre los biomarcadores y los subconjuntos inmunitarios mediante la correlación de Spearman.
4. Predicción de Fármacos/Compuestos: Se consultaron posibles compuestos interactuantes en la Base de Datos de Toxicología Comparativa (CTD). Se realizó acoplamiento molecular para evaluar las energías de unión entre los biomarcadores y los compuestos mejor clasificados.
5. Análisis de Célula Única: Los datos de scRNA-seq se sometieron a control de calidad, reducción de dimensionalidad (PCA, UMAP) y agrupamiento (clustering). Las poblaciones celulares se anotaron utilizando genes marcadores conocidos. Se utilizó CellChat para inferir redes de comunicación intercelular, y se realizó un análisis de pseudotiempo (Monocle) para trazar las trayectorias de diferenciación de poblaciones celulares clave.
6. Validación Experimental: La expresión de los biomarcadores seleccionados fue verificada en muestras clínicas de células mononucleares de sangre periférica (PBMC) de pacientes con EP y controles mediante RT-qPCR.

Resultados Clave

• Identificación de Biomarcadores: El proceso de cribado identificó tres biomarcadores robustos: SELENBP1, AK3 y C9orf41. Los tres mostraron una regulación a la baja significativa en las muestras de EP en ambos conjuntos de datos de masa y fueron confirmados mediante RT-qPCR en muestras clínicas.
• Enriquecimiento Funcional: El GSEA reveló que estos biomarcadores están enriquecidos en vías críticas para la patología de la EP, incluyendo "fosforilación oxidativa", "enfermedad de Parkinson", "enfermedad de Alzheimer" y "ciclo celular".
• Microentorno Inmunitario: La deconvolución inmunitaria mostró alteraciones significativas en macrófagos M0, monocitos y células asesinas naturales (NK) activadas entre los grupos de EP y control. La expresión de SELENBP1 y C9orf41 se correlacionó con abundancias específicas de células inmunitarias.
• Interacciones con Fármacos: El acoplamiento molecular predijo energías de unión favorables para SELENBP1 y AK3 con bisfenol A (-6.4 y -7.1 kcal/mol, respectivamente) y para C9orf41 con doxorrubicina (-10.5 kcal/mol).
• Perspectivas de Célula Única: Se anotaron seis poblaciones celulares (células T CD4, células T CD8, células B, células NK, monocitos y GMPs). SELENBP1, AK3 y C9orf41 mostraron una alta expresión en células T CD4 y CD8. Notablemente, se observaron vías de comunicación célula-célula específicas (de célula B a célula T CD8 y de célula B a GMP) exclusivamente en las muestras de EP. El análisis de pseudotiempo indicó que, si bien se mapearon las trayectorias de diferenciación de las células T, la expresión de los tres biomarcadores no mostró variaciones significativas durante estas etapas de diferenciación.
• Estados Inmunitarios: El análisis de genes inmunosupresores y estados de células T reveló una mayor proporción de células T citotóxicas y terminalmente agotadas en pacientes con EP en comparación con los controles.

Significancia y Reivindicaciones
Los autores afirman que este estudio identifica con éxito a SELENBP1, AK3 y C9orf41 como candidatos a biomarcadores que vinculan el metabolismo de la manosa con la enfermedad de Parkinson. El estudio postula que la regulación a la baja de estos genes puede contribuir a la progresión de la EP a través de mecanismos que involucran el deterioro de la fosforilación oxidativa, la disfunción mitocondrial y la desregulación inmunitaria periférica.

La significancia del trabajo radica en su enfoque multiómico, que integra datos de masa y de célula única no solo para identificar candidatos diagnósticos, sino también para elucidar sus roles potenciales en la comunicación de células inmunitarias y las vías metabólicas. Los autores sugieren que estos biomarcadores ofrecen una base para futuras investigaciones mecánicas y validación traslacional. Sin embargo, el artículo mantiene un tono modesto respecto a las aplicaciones terapéuticas; aunque el acoplamiento molecular sugiere interacciones con compuestos como el bisfenol A y la doxorrubicina, los autores declaran explícitamente que estas son predicciones preliminares que requieren validación experimental antes de que se pueda establecer cualquier significancia clínica. El estudio concluye que, si bien estos genes muestran potencial diagnóstico, son necesarios más experimentos funcionales en modelos celulares y animales para confirmar sus mecanismos subyacentes.