Identification and validation of key genes of Xiaozhengtongluo formula in the treatment of diabetic nephropathy by Mendelian randomization

技術要約：メンデルランダム化解析を用いた糖尿病性腎症の治療における小正通絡湯の主要遺伝子の同定および検証

問題提起
糖尿病性腎症（DN）は、慢性腎臓病および入院の主要な原因であるが、現在の薬物療法ではその進行を阻止できないことが多い。小正通絡湯（XZTL）は、「痰瘀（たんお）」の理論に基づく伝統的な中医学の複合処方であり、DNの治療において臨床的な有効性を示している。しかし、その正確な分子標的および作用機序は依然として十分に解明されていない。本研究は、XZTLがDNに対して治療効果を発揮する鍵となる遺伝子を特定し、ネットワーク薬理学、メンデルランダム化（MR）、および実験的検証を組み合わせてこれらの知見を検証することを目的とする。

方法論
本研究では、バイオインフォマティクス、因果推論、およびウェットラボによる検証を組み合わせた多段階の統合的アプローチを採用した：

1. データ収集およびスクリーニング：

   • 発現変動遺伝子（DEGs）： GEOデータセット（GSE96804およびGSE30528）のトランスクリプトームデータを解析し、DNとコントロールの糸球体組織間におけるDEGsを特定した。
   • ターゲットの取得： 高い経口バイオアベイラビリティと薬物様性を有する活性成分に基づき、TCMSPデータベースからXZLの薬物標的遺伝子を検索した。DNの疾患標的遺伝子は、GeneCardsおよびTherapeutic Target Database（TTD）から取得した。
   • 候補遺伝子の特定： DEGs、薬物標的、および疾患標的の交差領域から、29個の候補遺伝子を導出した。

2. メンデルランダム化（MR）解析：

   • 因果関係を確立するため、発現定量的形質遺伝子座（eQTL）データを操作変数（IV）として使用した。
   • 5つのMRアルゴリズム（MR Egger、Weighted median、Inverse variance weighted [IVW]、Weighted mode、Simple mode）を適用した。IVW法を主要解析とした。
   • 結果の信頼性を確保するため、不均一性テスト、水平多面性評価、およびleave-one-out（LOO）解析を含む感度分析を実施した。逆の因果関係を排除するためにSteigerテストを用いた。

3. バイオインフォマティクスおよびネットワーク解析：

   • 診断的価値： 候補遺伝子の診断能を評価するため、受信者動作特性（ROC）曲線解析を実施した（AUC > 0.7）。
   • 機能的濃縮： 濃縮された経路を特定するために、Gene Ontology（GO）、Kyoto Encyclopedia of Genes and Genomes（KEGG）、およびGene Set Enrichment Analysis（GSEA）を実施した。
   • 制御ネットワーク： DIANA-microT、miRDB、starBase、およびmiRNetなどのデータベースを用いて、分子制御ネットワーク（lncRNA-miRNA-mRNA）および転写因子（TF）の相互作用を構築した。
   • 分子ドッキング： CB-Dock2を用いて、特定された主要遺伝子とXZTLの上位活性成分との間の結合親和性を検証した。

4. 実験的検証：

   • 高脂肪食およびストレプトゾトシン（STZ）注入を用いてDNラットモデルを作製した。
   • スプラーグ・ドーリー（SD）ラットを、コントロール群、DN群、およびXZL介入群に分けた。
     ло逆転写ポリメラーゼ連鎖反応-定量的ポリメラーゼ連鎖反応（RT-qPCR）を用い、腎糸球体組織における特定された主要遺伝子の発現レベルを検証した。

主な貢献および結果

• 主要遺伝子の同定： 当初の29個の候補から、MR解析によって3つの主要遺伝子である APOD、IGFBP3、LPL に絞り込んだ。
  • IGFBP3 はDNのリスク因子として特定された（アップレギュレート）。
  • LPL および APOD は保護因子として特定された（DNにおいてダウンレギュレート）。
• 因果的検証： MR解析により、これら3つの遺伝子とDNとの間の統計的に有意な因果関係が確認された。感度分析（不均一性、多面性、LOO）およびSteigerテストは、これらの因果推論の堅牢性を支持した。
• 診断的価値： GSE96804およびGSE30528の両データセットにおけるROC曲線解析において、これら3つの遺伝子はすべてAUC値が0.7を超えており、その診断的有用性が示された。
• 経路濃縮： これら3つの主要遺伝子は、酸化リン酸化、ヘム代謝、脂肪酸代謝、および**上皮間質転換（EMT）**を含む26の経路において共濃縮されていた。
• 制御メカニズム：
  • IGFBP3 は MIR497HG/hsa-miR-19a-3p 軸によって制御され、転写因子SP1およびSP3によって共同制御される。
  • LPL は NEAT1/hsa-miR-29a-3p 軸によって制御され、SP1およびSP3によって共同制御される。
  • APOD は転写因子NOTCH3によって制御される。
• 分子ドッキング： 主要遺伝子とXZLの特定成分との間に強い結合親和性が示された：
  • IGFBP3 は ケルセチン（Quercetin） と結合（-7.5 kcal/mol）。
  • LPL は オレイン酸（Oleic acid） と結合（-6.5 kcal/mol）。
  • APOD は バイカレイン（Baicalein） と結合（-6.1 kcal/mol）。
• 実験的確認： ラットモデルにおけるRT-qPCRの結果は、バイオインフォマティクスの知見を裏付けた。すなわち、DN群ではIGFBP3がアップレギュレートされ、LPLおよびAPODはダウンレギュレートされていた。XZLの介入は、これらの遺伝子の発現を正常レベルへと有意に回復させた。

意義および主張
本論文は、DN治療におけるXZLのメカニズムに関する包括的な参照を提供すると主張している。ネットワーク薬理学とメンデルランダム化を統合することで、本研究は単なる相関関係を超え、特定の遺伝子とDNの病理との間の因果関係を示唆している。APOD、IGFBP3、および LPL の同定は、以下を提供する：

1. メカニズムの洞察： 特に脂質代謝、酸化ストレス、およびエネルギー代謝経路を通じた、XZLの腎保護効果の分子基盤。
2. 治療標的： これらの遺伝子をDN治療の潜在的な標的として検証し、特定の活性成分（ケルセチン、オレイン酸、バイカレイン）を、おそらくの媒介因子として特定した。
3. 診断的価値： 高い診断精度（AUC > 0.7）を考慮すると、これら3つの遺伝子がDNの早期スクリーニングおよびモニタリングのための新しいバイオマーカーとして利用できる可能性。

著者らは、SNP分布の問題によるCAV1の除外や、制御ネットワークにおけるデータベース予測への依存など、細胞および動物実験によるさらなる解明が必要な限界についても認めている。しかし、本研究は、これらの知見がXZLの臨床応用のための科学的根拠を提供し、将来の創薬およびマルチ遺伝子診断モデルの方向性を示すものであると結論付けている。