Investigation of Stress Granule-Associated Biomarkers (IGF1 and CDK2) and Their Regulatory Mechanisms in Alzheimer’s Disease: A Combined Transcriptomic, Bioinformatic and Experimental Study

Technische Samenvatting: Onderzoek naar Stress Granule-geassocieerde Biomarkers (IGF1 en CDK2) bij de ziekte van Alzheimer

Probleemstelling
De ziekte van Alzheimer (AD) is de primaire oorzaak van dementie wereldwijd, gekenmerkt door amyloïd-bèta (Aβ)-plaques en neurofibrillaire tangles (NFT's). Ondanks de centraliteit van Aβ- en tau-pathologie, wordt vroege detectie bemoeilijkt door een gebrek aan specifieke biomarkers, en bieden huidige therapieën slechts symptomatische verlichting. Recent bewijs suggereert dat Stress Granules (SGs)—dynamische, membraanloze condensaten die worden gevormd tijdens cellulaire stress—een rol spelen in de pathogenese van AD, waarbij ze potentieel tau-oligomerisatie en synaptische disfunctie faciliteren. De regulatoire circuitering die SGs met AD verbindt en de identificatie van specifieke SG-geassocieerde biomarkers blijven echter onvoldoende gedefinieerd. Deze studie beoogt dit gat te overbruggen door SG-gerelateerde transcriptionele biomarkers in AD te identificeren met behulp van een gecombineerde bio-informatische en experimentele aanpak.

Methodologie
De studie maakte gebruik van een meerfasige pijplijn die publieke transcriptomische gegevens integreert met experimentele validatie:

1. Data-acquisitie en Preprocessing: Twee perifere bloedtranscriptomische datasets (GSE97760 als trainingscohort en GSE140831 als validatiecohort) werden opgehaald uit de GEO-database. Een lijst van 844 Stress Granule-gerelateerde genen (SGRGs) werd samengesteld uit GeneCards.
2. Screening van Kandidaatgenen: Differentieel tot expressie gebrachte genen (DEGs) werden geïdentificeerd in de trainingsset (|log₂FC| > 0,5, p < 0,05) en geïntersecteerd met de SGRG-lijst, wat resulteerde in 287 kandidaatgenen (CG's).
3. Netwerk- en Functionele Analyse: Protein-Protein Interactie (PPI)-netwerken werden geconstrueerd met behulp van STRING en Cytoscape om belangrijke knooppunten te identificeren. Gene Ontology (GO) en KEGG-verrijkingsanalyses werden uitgevoerd om biologische functies te karakteriseren.
4. Machine Learning Screening: Twee algoritmen, LASSO-regressie en Support Vector Machine-Recursive Feature Elimination (SVM-RFE), werden toegepast op de trainingsset om feature-genen te selecteren. De intersectie van deze algoritmen identificeerde zeven kern-genen.
5. Diagnostische Modellering: Een Fully Connected Neural Network (FCNN) werd geconstrueerd om de diagnostische prestaties van de geselecteerde biomarkers te evalueren. Receiver Operating Characteristic (ROC)-curve-analyse werd gebruikt om sensitiviteit en specificiteit te beoordelen.
6. Mechanistische Exploratie: Gene Set Enrichment Analysis (GSEA), immuuninfiltratieprofilering (CIBERSORT) en moleculaire netwerkregulatie (miRNA-lncRNA-mRNA) werden uitgevoerd. Moleculaire docking werd uitgevoerd om potentiële ligand-eiwitinteracties te verkennen.
7. Experimentele Validatie: Reverse transcriptie kwantitatieve PCR (RT-qPCR) werd uitgevoerd op 10 klinische monsters (5 AD, 5 controles) van de Vijfde Affiliated Hospital van de Xinjiang Medical University om de expressie van biomarkers te verifiëren.

Belangrijkste Resultaten

• Identificatie van Biomarkers: Machine learning-analyse verfijnde de kandidaatgenen tot zeven features, waaruit IGF1 en CDK2 werden behouden als kern-biomarkers op basis van consistente expressietrends en diagnostische prestaties (AUC > 0,7).
• Expressiepatronen: Over de datasets heen was IGF1 consistent neerwaarts gereguleerd (downregulated), terwijl CDK2 opwaarts gereguleerd (upregulated) was in AD-patiënten vergeleken met controles (p < 0,05).
• Diagnostische Prestaties: Het FCNN-model dat gebruikmaakt van IGF1 en CDK2 bereikte een AUC van 0,989 in de trainingsset en 0,773 in de externe validatieset, wat een sterke discriminerend vermogen aantoont.
• Regulatoire Mechanismen:
  • miRNA-interacties: Het regulatoire netwerk identificeerde specifieke miRNA-associaties: IGF1 met hsa-miR-19b-3p en CDK2 met hsa-miR-302a-3p.
  • Pathway Verrijking: Beide biomarkers waren verrijkt in de KEGG T-celreceptor (TCR) signaleringsroute, naast metabole routes (alfa-linoleenzuur en linolzuur metabolisme).
  • Immuuninfiltratie: AD-monsters vertoonden een afname van M0-macrofagen, neutrofielen en Tregs, en een toename van geactiveerde CD4+ geheugen T-cellen. IGF1 correleerde positief met M0-macrofagen en Tregs, terwijl CDK2 negatief correleerde met Tregs.
• Moleculaire Docking: Computationele docking voorspelde bindingsaffiniteiten van -7,3 kcal/mol voor IGF1 met N,N-bis(3-(D-gluconamido) propyl) deoxycholamide en -11,2 kcal/mol voor CDK2 met Alvocidib.
• Experimentele Validatie: RT-qPCR bevestigde de significante neerwaartse regulatie van IGF1 in klinische AD-monsters. De opwaartse regulatie van CDK2 werd echter niet statistisch gereproduceerd in deze specifieke klinische cohort, een discrepantie die de auteurs toeschrijven aan potentiële beperkingen in de detectie in het perifere bloed of cohortheterogeniteit.

Betekenis en Claims
De studie claimt een eerste bewijs te leveren dat de link legt tussen SG-gerelateerde regulatoire netwerken en AD-pathogenese, waarmee zij verder gaat dan het traditionele Aβ/tau-kader. Door IGF1 en CDK2 te identificeren als potentiële SG-geassocieerde biomarkers, suggereert het werk een "groeifactor-celcyclus-immuniteit-as" die neuroinflammatie en ziekteprogressie kan aansturen. De auteurs stellen dat het gecombineerde biomarkerpatroon (CDK2↑ + IGF1↓) als basis kan dienen voor niet-invasieve vroege diagnose.

Het artikel kadert de bevindingen bescheiden als "voorlopige aanwijzingen" voor diagnostische markers en therapeutische doelwitten. Er wordt expliciet vermeld dat de moleculaire docking-resultaten exploratief zijn en niet geïnterpreteerd moeten worden als farmacologische aanbevelingen zonder verdere preklinische validatie. De auteurs erkennen beperkingen, waaronder de restrictie tot het perifere bloed, potentiële selectiebias in publieke datasets en het gebrek aan replicatie voor CDK2 in de klinische validatiecohort. Zij concluderen dat verdere validatie in grotere, multicenter cohorten en op eiwitniveau vereist is om het klinische nut van deze biomarkers te bevestigen.