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

本研究通过生物信息学分析揭示了桥本甲状腺炎与 2 型糖尿病共享的分子特征及免疫相关通路，并筛选出格列喹酮、齐墩果酸和格列吡嗪等潜在老药新用候选药物，为理解两病共存的机制及未来治疗策略提供了理论依据。

要点

这篇论文就像是一次**“基因侦探”**的冒险，旨在解开两个看似不同、却经常“结伴而行”的疾病之谜：桥本甲状腺炎（HT）和2 型糖尿病（T2D）。

想象一下，你的身体是一个巨大的繁忙城市。

• 桥本甲状腺炎就像是城市的“甲状腺工厂”被自己的保安（免疫系统）误认为是敌人，开始无休止地攻击，导致工厂停工（甲状腺功能减退）。
• 2 型糖尿病则像是城市的“能量配送中心”（胰岛素）失灵了，导致糖分（能量）堆积在街道上，无法进入仓库，造成交通堵塞。

虽然一个是“工厂被毁”，一个是“配送瘫痪”，但医生们发现，很多病人身上这两个问题同时出现。这就像问：为什么这两个看似不同的故障，总是一起发生？它们背后有没有共同的“捣乱分子”？

这篇论文就是利用超级计算机（In silico，即“在电脑里”），像查监控录像一样，分析了成千上万个病人的基因数据，试图找到答案。

🕵️‍♂️ 第一步：寻找共同的“捣乱分子”（共享基因）

研究人员调取了两个城市的“监控录像”（基因数据）：

1. 一个是甲状腺工厂出事的录像。
2. 一个是能量配送中心出事的录像。

通过对比，他们发现虽然两个地方出事的细节不同，但有59 个“捣乱分子”（基因）在两个地方都出现了异常。这就像发现两个不同的犯罪现场，都留下了同一组指纹。

在这 59 个分子中，研究人员通过复杂的网络分析（就像分析犯罪团伙的层级关系），锁定了5 个“头号通缉犯”（共享关键基因）：

• CDC42, CD74, FOS, RAC2, YWHAB

🔍 它们做了什么？
这 5 个分子就像城市里的**“交通指挥官”和“信号兵”**。它们负责指挥免疫细胞（城市的警察）如何移动、如何打架，以及如何传递炎症信号。

• 在甲状腺炎中，它们让警察过度兴奋，疯狂攻击甲状腺。
• 在糖尿病中，它们让警察在血管和脂肪组织里制造炎症，导致胰岛素无法正常工作。
• 结论： 这两个病之所以常一起出现，是因为这 5 个“信号兵”在两个地方都**“发疯”了**，导致身体同时陷入“免疫混乱”和“代谢混乱”。

🛡️ 第二步：谁在幕后操纵？（调控网络）

既然找到了捣乱分子，谁在指挥它们？
研究发现，有两个**“幕后黑手”（转录因子）和两个“小纸条”**（微 RNA）在控制这 5 个分子。

• 这就好比发现了两个**“总指挥”**，他们同时给甲状腺和胰腺下达了错误的指令。
• 这也解释了为什么治疗其中一个病时，另一个病也会受到影响——因为它们的“总指挥”是同一个。

💊 第三步：寻找“万能钥匙”（药物重定位）

既然找到了共同的“捣乱分子”和“总指挥”，能不能用现有的钥匙（药物）来锁住它们？
研究人员没有发明新药，而是像**“寻宝游戏”**一样，在现有的药物库中（已经上市或正在试验的药），寻找能同时打击这 5 个分子的“超级武器”。

经过电脑模拟（分子对接、动力学模拟等），他们筛选出了3 位“候选英雄”：

1. 格列喹酮 (Gliquidone)：原本是用来治糖尿病的。
2. 齐墩果酸 (Oleanolic acid)：一种天然植物提取物，也有降糖作用。
3. 格列吡嗪 (Glipizide)：另一种经典的降糖药。

🎯 为什么选它们？

• 降糖能力：它们本来就能控制血糖（搞定糖尿病）。
• 抗炎能力：电脑模拟显示，它们还能像“灭火器”一样，压制那 5 个“捣乱分子”引发的炎症（搞定甲状腺炎）。
• 安全性：它们在电脑里的“体检报告”（药物代谢和毒性分析）显示，它们很安全，不会给身体带来额外负担。

🚀 总结：这意味着什么？

这篇论文并没有直接宣布“治愈了这两个病”，而是提供了一个全新的思路：

1. 同病异治，异病同治：以前我们可能把甲状腺炎和糖尿病分开治。但这篇论文告诉我们，它们可能是**“一根藤上的两个瓜”**，根源在于那 5 个共同的基因和免疫炎症通路。
2. 老药新用：那些原本只用来治糖尿病的药（如格列喹酮），可能不仅能降糖，还能顺便帮甲状腺消炎。这就像你买了一把能开前门的钥匙，发现它居然也能开后门，省去了再配一把新钥匙的麻烦。
3. 未来方向：这只是一个**“电脑里的假设”**。就像侦探在纸上画出了犯罪地图，接下来需要真正的警察（科学家）去现场（实验室和医院）验证：给病人用这些药，真的能同时改善两个病吗？

一句话概括：
这篇论文通过电脑大数据分析，发现桥本甲状腺炎和 2 型糖尿病是“狼狈为奸”的，因为它们被同一伙“基因捣乱分子”控制。研究人员建议，我们可以尝试用现有的降糖老药，去同时打击这伙捣乱分子，从而可能实现**“一石二鸟”**的治疗效果。但这还需要未来的实验来最终证实。

技术摘要

这是一份关于 Hashimoto 甲状腺炎（HT）与 2 型糖尿病（T2D）共病机制及药物重定位的计算机模拟（In silico）转录组学分析研究的详细技术总结。

1. 研究背景与问题 (Problem)

• 临床挑战：Hashimoto 甲状腺炎（HT）是一种高发的自身免疫性疾病，常与 2 型糖尿病（T2D）共病。这两种疾病的共病使得治疗更加复杂，因为可能存在治疗冲突或重叠的病理生理机制。
• 科学缺口：尽管流行病学和临床观察表明两者存在关联（如甲状腺功能障碍影响葡萄糖稳态，自身免疫炎症影响胰岛素抵抗），但两者在分子层面的共同特征（共享基因表达谱和通路）尚未被系统性地阐明。
• 研究目标：利用生物信息学方法识别 HT 和 T2D 之间的共享差异表达基因（sDEGs）和共享关键基因（sKGs），解析其共同的免疫调节和代谢通路，并基于这些靶点探索潜在的药物重定位候选化合物。

2. 方法论 (Methodology)

本研究采用了一套完整的“假设生成”计算生物学流程：

1. 数据获取与预处理：
   • 从 NCBI GEO 数据库下载了独立的转录组数据集：HT 数据集（GSE138198, GSE29315）和 T2D 数据集（GSE29231, GSE25724）。
   • 使用 LIMMA R 包进行差异表达分析（DEG），筛选标准：校正后 P 值 < 0.05，|Log2FC| > 1。
2. 共享基因识别：
   • 取 HT 和 T2D 差异基因的交集，获得 59 个共享差异表达基因（sDEGs）。
   • 利用 STRING 数据库构建蛋白质 - 蛋白质相互作用（PPI）网络。
   • 使用 Cytoscape 的 CytoHubba 插件，结合 5 种拓扑学算法（Betweenness, Closeness, Degree, MCC, EPC）筛选出 5 个共享关键基因（sKGs）。
3. 功能与调控网络分析：
   • 功能富集：使用 Enrichr 进行 GO（基因本体）和 KEGG 通路富集分析。
   • 调控网络：利用 JASPAR 和 TarBase 数据库预测调控 sKGs 的转录因子（TFs）和 microRNAs（miRNAs）。
   • 免疫浸润：使用 CIBERSORT 算法估算 22 种免疫细胞的比例，并分析 sKGs 与免疫细胞的相关性。
4. 药物重定位与评估：
   • 分子对接：对 247 种候选化合物与 sKGs 及其调控蛋白进行分子对接，筛选结合亲和力（Binding Affinity Score, BAS）高的化合物。
   • ADMET 评估：利用 ADMETlab 2.0、pkCSM 和 ProTox 评估候选药物的药代动力学（吸收、分布、代谢、排泄）和毒性。
   • 分子动力学（MD）模拟：使用 YASARA 软件进行 100 ns 的 MD 模拟，通过 RMSD（均方根偏差）和 RMSF（均方根涨落）评估复合物稳定性。

3. 关键贡献与主要结果 (Key Contributions & Results)

A. 共享关键基因（sKGs）的鉴定

研究成功鉴定出 5 个共享关键基因，它们在 HT 和 T2D 中均显著上调：

1. CDC42：参与肌动蛋白细胞骨架组织、免疫细胞迁移和抗原呈递。
2. CD74：作为 MHC II 类分子和巨噬细胞迁移抑制因子（MIF）受体，介导炎症反应。
3. FOS：转录因子，参与 MAPK 信号通路和炎症因子表达。
4. RAC2：造血特异性 GTP 酶，调节中性粒细胞趋化和呼吸爆发。
5. YWHAB：14-3-3 蛋白家族成员，参与 Hippo 信号通路和代谢 - 免疫串扰。

B. 分子机制与通路

• 功能富集：sKGs 显著富集于免疫相关通路（如 MAPK 信号通路、IL-17 信号通路、抗原加工与呈递）以及细胞骨架组织和氧化应激反应。
• 调控网络：
  • 转录因子：预测 FOXC1 和 HNF4A 是 sKGs 的主要调控因子。HNF4A 与葡萄糖/脂质代谢密切相关，FOXC1 涉及炎症与代谢的交叉。
  • MicroRNA：hsa-miR-221-3p 和 hsa-miR-29a-3p 被预测为关键调控分子，涉及血管生成、凋亡及胰岛素信号调节。
• 免疫浸润特征：CIBERSORT 分析显示，两种疾病均表现出记忆 B 细胞、活化记忆 CD4+ T 细胞和滤泡辅助 T 细胞的浸润增加，而调节性免疫细胞（如 M2 型巨噬细胞、静息记忆 CD4+ T 细胞）减少。这表明两者共享“适应性免疫失调”和“促炎状态”的机制。

C. 药物重定位候选物

基于分子对接、ADMET 性质和 MD 模拟，研究优先筛选出三种具有潜力的候选化合物：

1. 格列喹酮 (Gliquidone)：一种第二代磺脲类降糖药。
2. 齐墩果酸 (Oleanolic acid)：一种天然三萜类化合物。
3. 格列吡嗪 (Glipizide)：另一种第二代磺脲类降糖药。

验证结果：

• 结合亲和力：这三种化合物与靶蛋白（如 CDC42, CD74, RAC2）的结合能均低于 -7 kcal/mol，显示出良好的结合潜力。
• ADMET 特性：具有良好的肠道吸收（HIA > 30%），低毒性，且符合 Lipinski 五规则（格列喹酮和格列吡嗪略有偏差但总体可接受）。
• MD 模拟：100 ns 模拟显示，药物 - 靶点复合物具有稳定的 RMSD 和 RMSF 值，表明结合构象稳定。
• 机制推测：这些药物不仅具有降糖作用，文献还表明它们具有抗炎特性（如抑制 NF-κB、STAT3 信号通路），这可能有助于缓解 HT 的自身免疫炎症。

4. 研究意义 (Significance)

• 理论价值：首次系统地通过转录组学揭示了 HT 和 T2D 共病的分子重叠机制，证实了两者共享以免疫炎症（特别是 T 细胞和 B 细胞介导）和细胞骨架/代谢信号（MAPK, Hippo）为核心的病理网络。
• 临床转化潜力：
  • 提出了药物重定位的新策略：利用现有的降糖药（如格列喹酮、格列吡嗪）可能同时改善 HT 患者的自身免疫炎症状态，为共病患者提供“一药双效”的治疗思路。
  • 提供了具体的分子靶点（CDC42, CD74, RAC2, FOS, YWHAB）和调控因子，为后续开发针对共病的特异性药物提供了方向。
• 方法学示范：展示了从多组学数据挖掘到药物筛选的完整计算生物学工作流，强调了在缺乏共病患者直接样本数据时，利用独立数据集进行交集分析的有效性。

5. 局限性与展望

• 数据限制：研究基于独立数据集的交集分析，缺乏同时患有两种疾病的患者样本进行直接验证。
• 验证需求：所有发现均为计算机模拟（In silico）预测，必须通过湿实验（体外细胞实验、体内动物模型）和临床试验来验证这些基因的功能以及候选药物的实际疗效和安全性。
• 机制复杂性：PPI 网络分析基于拓扑结构，可能存在假阳性，需进一步实验确认因果驱动关系。

总结：该研究通过多层次的生物信息学分析，构建了 HT 与 T2D 共病的分子图谱，并成功筛选出具有抗炎和降糖双重潜力的候选药物，为未来治疗这两种共病提供了重要的理论依据和实验线索。