In silico transcriptomic analysis reveals shared molecular signatures and immune-associated pathways between Hashimotos thyroiditis and type 2 diabetes with exploratory drug repurposing

Deze studie identificeert via een in silico transcriptomische analyse gedeelde moleculaire signatuur en immuungeassocieerde pathways tussen Hashimoto-thyreoïditis en type 2-diabetes, en stelt drie bestaande geneesmiddelen voor als potentiële kandidaten voor drug repurposing.

De kern

Titel: Twee ziekten, één geheim: Hoe computers helpen bij het vinden van een nieuwe medicijn

Stel je voor dat je lichaam een enorme, drukke stad is. In deze stad werken miljoenen kleine werknemers (je cellen) en communiceren ze via een ingewikkeld netwerk van wegen en telefoongesprekken (je genen en eiwitten).

Soms raken twee verschillende buurten in deze stad tegelijk in de war. In dit onderzoek kijken we naar twee specifieke buurten:

1. Hashimoto's Thyroïditis (HT): Hier is de "klier" (de schildklier) in de war en valt hij zichzelf aan. Het is alsof de brandweer van de stad per ongeluk hun eigen brandweerkazerne probeert te blussen.
2. Type 2 Diabetes (T2D): Hier werkt de "suikerregelaar" (insuline) niet goed. Het is alsof de postbodes de brieven (suiker) niet meer bij de juiste huizen kunnen afleveren, waardoor de straten vollopen met suiker.

Vaak zie je dat mensen die in de ene buurt wonen, ook in de andere buurt problemen hebben. Maar tot nu toe wisten wetenschappers niet precies waarom deze twee problemen zo vaak samenkwamen. Was het toeval? Of was er een verborgen schakel?

De Digitale Detective

De auteurs van dit papier (een team van digitale detectives) hebben geen nieuwe proefbuurtjes in een lab gebouwd. In plaats daarvan hebben ze gebruik gemaakt van computers en grote databases. Ze hebben de "stadsplannen" (genetische data) van duizenden mensen met HT en duizenden mensen met diabetes ingevoerd in hun computerprogramma.

Hun doel? Zoeken naar de verborgen gemeenschappelijke wegen die in beide buurten kapot zijn.

Wat vonden ze? (De 5 Sleutelwerkers)

Na het vergelijken van miljoenen gegevenspunten, vonden ze een kleine groep van 5 specifieke werknemers (genen) die in beide ziekten op een vreemde manier werkten. Je kunt deze zien als de 5 sleutelwerkers die de stad in de war brengen:

• CDC42, CD74, FOS, RAC2 en YWHAB.

Wanneer deze vijf werknemers niet goed doen wat ze moeten doen, zorgt dat voor een kettingreactie. Het leidt tot:

• Verwarring in het immuunsysteem: Het verdedigingssysteem van de stad valt zichzelf aan (ontsteking).
• Problemen met suiker: De suiker kan niet goed worden verwerkt.

Het is alsof deze 5 werknemers de verkeerde instructies krijgen, waardoor ze zowel de brandweer als de postbodes in de war sturen.

Het Verborgen Netwerk

De onderzoekers keken ook naar wie deze 5 werknemers aanstuurt. Ze vonden dat bepaalde "hoofdschakelaars" (zoals FOXC1 en HNF4A) en kleine "post-it briefjes" (microRNA's) de instructies voor deze werknemers verkeerd doorgeven. Dit verklaart waarom de twee ziekten zo sterk met elkaar verbonden zijn: ze worden aangestuurd door dezelfde verkeerde schakelaars.

De Oplossing: Bestaande medicijnen hergebruiken

Nu de detectives wisten welke 5 werknemers de boosdoeners waren, vroegen ze zich af: "Hebben we al medicijnen die deze specifieke werknemers kunnen kalmeren?"

In plaats van jarenlang te zoeken naar een nieuw medicijn (wat duur en langzaam is), keken ze in hun digitale kast naar medicijnen die al bestaan en veilig zijn. Ze gebruikten een computer-simulatie (een virtuele test) om te zien welke medicijnen perfect in de "slotjes" van deze 5 werknemers passen.

Ze vonden drie sterke kandidaten:

1. Gliquidone: Een medicijn dat al gebruikt wordt voor diabetes.
2. Oleanolic acid: Een stofje dat voorkomt in olijvenbladeren.
3. Glipizide: Een ander bekend diabetes-medicijn.

De Virtuele Test

De computer liet zien dat deze drie stoffen zich stevig vasthechten aan de 5 sleutelwerknemers, alsof ze de verkeerde instructies blokkeren. Ze voerden ook een "virtuele veiligheidstest" uit om te zien of deze medicijnen veilig zijn voor het menselijk lichaam. Het resultaat? Ze lijken veilig en effectief te werken in de computerwereld.

Wat betekent dit voor de toekomst?

Dit onderzoek is als het vinden van de blauwdruk van een huis dat brandt. De onderzoekers hebben de brandhaard gevonden en een brandblusser voorgesteld die al in de winkel ligt.

• Het goede nieuws: Er zijn medicijnen die misschien niet alleen diabetes behandelen, maar ook helpen bij Hashimoto's, omdat ze dezelfde oorzaak aanpakken.
• De waarschuwing: Dit is nog een computertheorie. De "brandblussers" moeten nog echt worden getest in een laboratorium en bij mensen. Maar dit onderzoek bespaart jaren van zoeken door de beste kandidaten alvast te selecteren.

Kortom:
Deze studie laat zien dat Hashimoto's en diabetes misschien twee verschillende namen voor hetzelfde probleem zijn in de "stad" van ons lichaam. Door slimme computers te gebruiken, hebben we een paar bestaande medicijnen gevonden die misschien de sleutel zijn om beide ziekten tegelijkertijd beter te behandelen. Het is een stap in de richting van een slimme, efficiëntere geneeskunde voor de toekomst.

Technische samenvatting

Titel: In silico transcriptomische analyse onthult gedeelde moleculaire signatuur en immuungeassocieerde pathways tussen Hashimoto's thyroiditis en type 2 diabetes met exploratieve drug repurposing

1. Probleemstelling

Hashimoto's thyroiditis (HT) en type 2 diabetes (T2D) komen vaak gelijktijdig voor (comorbiditeit), wat de klinische behandeling complexer maakt dan bij een enkele aandoening. Hoewel epidemiologische studies een sterke associatie tonen tussen auto-immuunthyroïdis en metabole stoornissen, zijn de onderliggende moleculaire mechanismen die deze twee ziekten verbinden nog niet systematisch in kaart gebracht. Er is een gebrek aan kennis over gedeelde genexpressiepatronen, regulatorische netwerken en potentiële therapeutische targets die voor beide aandoeningen relevant zouden kunnen zijn. Bestaande behandelingen zijn ziektespecifiek (bijv. levothyroxine voor HT en metformine voor T2D), zonder rekening te houden met mogelijke gedeelde pathogenetische routes.

2. Methodologie

De studie hanteerde een hypothesis-generating aanpak gebaseerd op in silico bioinformatica-analyses:

• Dataverzameling: Onafhankelijke transcriptomische datasets werden opgehaald uit de NCBI GEO-database:
  • HT: GSE138198 (voor differentieel expressie-analyse) en GSE29315 (voor validatie).
  • T2D: GSE29231 (voor differentieel expressie-analyse) en GSE25724 (voor validatie).
• Identificatie van DEGs: Met behulp van het R-pakket LIMMA werden differentieel tot expressie gebrachte genen (DEGs) geïdentificeerd (cut-off: adjusted p-waarde < 0,05 en |Log2FC| > 1).
• Gedeelde DEGs (sDEGs): Een intersectie-analyse werd uitgevoerd om genen te vinden die zowel in HT als in T2D afwijkend tot expressie kwamen ten opzichte van controles.
• Netwerkanalyse: Een eiwit-eiwit interactie (PPI) netwerk werd geconstrueerd met STRING. Topologische analyses (Betweenness, Closeness, Degree, MCC, EPC) via Cytoscape/CytoHubba werden gebruikt om de belangrijkste "shared key genes" (sKGs) te prioriteren.
• Functionele en Regulatorische Analyse:
  • GO (Gene Ontology) en KEGG pathway-enrichment analyses (Enrichr).
  • Constructie van regulatorische netwerken voor transcriptiefactoren (TFs) en microRNA's (miRNA's).
  • Immuuncel-infiltratie-analyse met CIBERSORT om de verdeling van 22 immuunceltypes te schatten.
• Drug Repurposing Pipeline:
  • Druggability Assessment: Identificatie van bindingszakken (pockets) met DoGSiteScorer.
  • Moleculaire Docking: Screening van 247 kandidaat-verbindingen tegen de sKGs en geassocieerde TFs met AutoDock Vina.
  • ADMET Profiling: Evaluatie van farmacokinetiek, toxiciteit en drug-achtige eigenschappen (Lipinski's Rule of Five) via ADMETlab 2.0, pkCSM en ProTox.
  • Moleculaire Dynamica (MD): 100 ns simulaties (YASARA) om de stabiliteit van de top-kandidaat complexen te valideren (RMSD, RMSF, MM-PBSA).

3. Belangrijkste Resultaten

• Gedeelde Genen: Er werden 59 gedeelde DEGs geïdentificeerd (50 geüpreguleerd, 9 gedownreguleerd).
• Shared Key Genes (sKGs): Vijf cruciale genen werden geprioriteerd op basis van het PPI-netwerk: CDC42, CD74, FOS, RAC2 en YWHAB. Deze genen toonden consistente upregulatie in onafhankelijke validatiedatasets.
• Functionele Enrichment: De sKGs waren significant verrijkt in immuun-gerelateerde biologische processen, waaronder:
  • Regulatie van het actine-cytoskelet en neutrofiel chemotaxis.
  • Positieve regulatie van IL-6 productie en transcriptie.
  • KEGG pathways: MAPK-signaleringsweg, Antigeenverwerking en -presentatie, IL-17 signaalweg en Hippo signaalweg.
• Regulatorisch Netwerk: De sKGs worden gereguleerd door de transcriptiefactoren FOXC1 en HNF4A, en door de microRNA's hsa-miR-221-3p en hsa-miR-29a-3p.
• Immuunprofiel: Beide ziekten vertoonden vergelijkbare verschuivingen in immuuncel-infiltratie, met name een toename van memory B-cellen, geactiveerde memory CD4+ T-cellen en folliculaire helper T-cellen, en een afname van rustende memory CD4+ T-cellen en M2 macrofagen. Dit suggereert een gemeenschappelijke auto-immuun-inflammatoire as.
• Drug Repurposing Kandidaten: Na docking, ADMET-filtering en MD-simulaties werden drie verbindingen geprioriteerd als veelbelovende kandidaten:
  1. Gliquidone (een sulfonylureum voor T2D).
  2. Oleanolic acid (een natuurlijke triterpenoïde).
  3. Glipizide (een sulfonylureum voor T2D).
  • Deze verbindingen vertoonden sterke bindingsaffiniteit (< -7 kcal/mol), gunstige farmacokinetische profielen (goede absorptie, lage toxiciteit) en stabiele interacties in de MD-simulaties.

4. Bijdragen en Significatie

• Moleculair Inzicht: De studie biedt het eerste systematische overzicht van gedeelde moleculaire signatuur tussen HT en T2D, wat de biologische basis voor hun comorbiditeit verduidelijkt. Het benadrukt de rol van immuun-dysregulatie en ontsteking als gemeenschappelijke drijvende kracht.
• Nieuwe Therapeutische Doelen: De identificatie van CDC42, CD74, FOS, RAC2 en YWHAB biedt nieuwe targets voor onderzoek die specifiek gericht zijn op de overlap tussen auto-immuunziekten en metabole stoornissen.
• Drug Repurposing Strategie: De studie identificeert bestaande medicijnen (Gliquidone, Glipizide) en natuurlijke verbindingen (Oleanolic acid) die potentieel hebben om zowel de metabole als de auto-immuuncomponent van de comorbiditeit aan te pakken. Dit kan leiden tot kosteneffectieve behandelstrategieën voor patiënten met beide aandoeningen.
• Hypothese-genererend Kader: Hoewel de resultaten puur in silico zijn en verdere experimentele validatie vereisen, biedt het een robuust raamwerk om toekomstige wet-lab experimenten en klinische trials te sturen, waardoor tijd en kosten kunnen worden bespaard.

Conclusie:
De auteurs concluderen dat HT en T2D gedeelde pathogenetische mechanismen delen die worden aangedreven door een specifieke set van immuun-gerelateerde genen. De voorgestelde drug repurposing-kandidaten bieden een veelbelovende route voor toekomstig onderzoek naar geïntegreerde behandelingsstrategieën voor patiënten met deze comorbiditeit.