Identification of Differentially Expressed Genes Related to UFMylation Modifications in Periodontitis: Integrated Insights from Transcriptomics and Clinical Experiments

Resumo Técnico: Identificação de Genes Diferencialmente Expressos Relacionados às Modificações de UFMilação na Periodontite

Definição do Problema
A periodontite é uma doença inflamatória crônica prevalente, caracterizada pela destruição irreversível das estruturas de suporte periodontal, impulsionada pela disbiose da microbiota oral e respostas imunes do hospedeiro aberrantes. Embora o papel das modificações pós-traducionais (PTMs) na sinalização inflamatória seja reconhecido, a contribuição específica da UFMilação — uma modificação do tipo ubiquitina que regula a estabilidade proteica e a sinalização imune — para a patogênese da periodontite permanece pouco compreendida. Existe uma lacuna crítica de conhecimento em relação aos padrões de expressão, funções e mecanismos moleculares dos genes relacionados à UFMilação (UFMRGs) no tecido periodontal.

Metodologia
O estudo empregou uma abordagem integrada combinando bioinformática transcriptômica com validação experimental clínica:

1. Aquisição de Dados: Três conjuntos de dados do Gene Expression Omnibus (GEO) foram utilizados: GSE16134 (conjunto de treinamento, 310 amostras), GSE10334 (conjunto de validação, 247 amostras) e GSE223924 (conjunto de validação, 20 amostras). Uma lista de 1.910 UFMRGs foi recuperada do banco de dados GeneCards.
2. Expressão Diferencial e Triagem: Genes diferencialmente expressos (DEGs) foram identificados no conjunto de treinamento usando o pacote limma (critérios: P < 0,05, |log2FC| > 0,5). Os genes candidatos foram definidos como a interseção entre os DEGs e os UFMRGs.
3. Seleção de Características por Aprendizado de Máquina: Três algoritmos — LASSO, SVM-RFE e Boruta — foram aplicados aos genes candidatos para selecionar genes de características robustas. Os genes sobrepostos desses algoritmos foram selecionados como principais candidatos.
4. Construção e Validação do Modelo: Um nomograma diagnóstico foi construído utilizando regressão logística multivariável. O desempenho do modelo foi avaliado via curvas ROC, Análise da Curva de Decisão (DCA) e gráficos de calibração.
5. Análise Funcional e de Rede:
   • Enriquecimento: Análises de GO e KEGG foram realizadas nos genes candidatos.
   • Infiltração Imune: O ssGSEA foi utilizado para quantificar 28 tipos de células imunes e correlacioná-los com genes-chave.
   • Redes Regulatórias: Redes de ceRNA (lncRNA-miRNA-mRNA) e de fatores de transcrição (TF)-mRNA foram construídas.
   • Predição de Drogas: Drogas terapêuticas potenciais foram preditas usando o banco de dados DSigDB, seguido de docking molecular (CB-DOCK2) para avaliar as afinidades de ligação.
6. Validação Experimental: A PCR quantitativa em tempo real (qRT-PCR) foi realizada em 10 amostras de tecido de periodontite e 10 amostras de controle saudável para verificar os níveis de expressão dos genes-chave identificados.

Principais Contribuições e Resultados

• Identificação de Genes-Chave: A partir de uma interseção inicial de 58 DEGs relacionados à UFMilação, a integração de aprendizado de máquina identificou C4A, GANAB e TUBA4A como os genes diagnósticos centrais. Esses genes demonstraram tendências de expressão consistentes e valores de Área Sob a Curva (AUC) > 0,7 em todos os três conjuntos de dados.
• Desempenho Diagnóstico: O modelo de nomograma construído com base nesses três genes exibiu alta precisão diagnóstica, atingindo um AUC de 0,948 (95% CI: 0,914–0,981) no conjunto de dados de periodontite.
• Insights Funcionais:
  • Vias: A análise de enriquecimento vinculou os genes ao processamento de proteínas no retículo endoplasmático (RE), biossíntese de N-glicanos e vias imunes (ex: ativação do complemento).
  • Correlação Imune: O C4A correlacionou-se positivamente com células B ativadas e células supressoras derivadas de linhagem mieloide; o GANAB com monócitos e células dendríticas plasmocitoides; e o TUBA4A mostrou correlações negativas com células B imaturas e células T CD4+ ativadas.
  • Redes Regulatórias: Uma rede ceRNA composta por 139 nós (3 mRNAs, 99 miRNAs, 37 lncRNAs) e uma rede de TF com 173 fatores foram estabelecidas, destacando a regulação upstream complexa, particularmente para o GANAB.
• Potencial Terapêutico: O docking molecular identificou a vinblastina (ligação ao TUBA4A, -10,0 kcal/mol), o fenbendazol (ligação ao GANAB, -7,5 kcal/mol) e a isotretinoína (ligação ao C4A, -6,9 kcal/mol) como possuindo afinidades de ligação favoráveis.
• Confirmação Experimental: Os resultados de qRT-PCR confirmaram as predições bioinformáticas: C4A e GANAB estavam significativamente regulados positivamente (upregulated) em tecidos com periodontite, enquanto o TUBA4A estava significativamente regulado negativamente (downregulated).

Significância e Alegações
Os autores afirmam que este estudo fornece a primeira investigação sistemática multidimensional de genes relacionados à UFMilação na periodontite. A principal significância reside em:

1. Novos Biomarcadores: Estabelecer C4A, GANAB e TUBA4A como genes diagnósticos chave confiáveis relacionados à UFMilação para periodontite.
2. Insight Mecanístico: Elucidar o papel da UFMilação na periodontite através da lente do estresse do RE (GANAB), ativação do complemento (C4A) e remodelamento do citoesqueleto (TUBA4A), sugerindo uma relação sinérgica entre a desregulação da UFMilação e desordens do microambiente imune.
3. Utilidade Clínica: Fornecer uma ferramenta diagnóstica de alta precisão (o nomograma) e identificar potenciais alvos terapêuticos e candidatos a fármacos.

Os autores mantêm um tom modesto quanto à aplicação clínica, reconhecendo limitações como o pequeno tamanho da amostra para a validação por qRT-PCR e a necessidade de avaliações pré-clínicas adicionais (modelos celulares/animais) para confirmar a eficácia das drogas e o status direto de UFMilação das proteínas identificadas. Eles enfatizam que, embora o docking molecular sugira a ligação, a verificação experimental adicional é necessária.