Re-analysis of Transcriptomic and Proteomic Data Using Multi-Omics Approaches Identifies Biomarkers of Diabetes-Associated Complications in an INS Mutant Pig Model

本研究利用多组学整合分析重新评估了 MIDY 突变猪模型数据，通过 SurfacOmics 工具鉴定出 ADAMTS17 作为糖尿病相关并发症的新型生物标志物，揭示了其在免疫功能障碍和伤口愈合延迟中的潜在作用。

要点

这篇论文讲述了一个关于**“重新挖掘旧数据，发现新线索”**的故事。研究人员利用一种特殊的“超级放大镜”（多组学分析技术），重新审视了之前关于糖尿病猪的实验数据，意外发现了一个可能解释糖尿病并发症（如伤口难愈合、免疫力下降）的新关键分子。

为了让你更容易理解，我们可以把整个研究过程想象成**“侦探破案”和“城市重建”**的故事。

1. 案件背景：一只特殊的“生病猪”

想象一下，科学家养了一群特殊的猪，它们因为基因突变（叫 MIDY 模型），身体里的“胰岛素工厂”（β细胞）坏了。

• 后果：这些猪得了严重的糖尿病，就像那些血糖控制得很差的人类患者一样。
• 之前的调查：几年前，另一组科学家已经检查过这些猪的身体数据（基因和蛋白质），就像警察第一次去现场勘查，记录了一些明显的线索（比如代谢酶的变化），但觉得案子还没破，有些细节被忽略了。

2. 侦探的新装备：多组学“超级放大镜”

现在的研究团队（TCS 基因实验室）决定重新检查这些旧数据。他们不像以前那样只看单一的证据，而是使用了一种**“多组学整合分析”**的方法。

• 比喻：以前的调查是分别看“基因清单”和“蛋白质清单”。现在的做法是把这两份清单叠在一起，用一种叫SurfacOmics的自研工具（就像一把高精度的“智能放大镜”）同时扫描，寻找两者之间的隐藏联系。

3. 发现的新线索：ADAMTS17 和“城市重建队”

在重新分析中，侦探们发现了一个以前被忽视的关键角色：ADAMTS17。

• 原来的城市（健康状态）：身体里的“建筑工人”（胶原蛋白，如 COL6A3）负责搭建和维持组织（比如皮肤、血管），让伤口能顺利愈合。
• 生病的城市（糖尿病状态）：
  • 建筑工人的数量减少了（COL6A3 变少）。
  • 突然，一个名叫ADAMTS17的“拆迁队队长”变得非常活跃（水平升高）。
  • 关键发现：数据显示，ADAMTS17 越活跃，建筑工人就越少。这就像是一个拆迁队队长在疯狂拆房子，导致城市（身体组织）无法修复，伤口难以愈合。

4. 意外的副作用：免疫系统“睡着了”

更有趣的是，这个“拆迁队队长”（ADAMTS17）不仅影响建筑，还和身体的**“保安部队”（免疫系统）**有关。

• 现象：在生病的猪体内，ADAMTS17 很高，但免疫系统的几个关键信号（如 CD40, CD59）却变低了。
• 比喻：这就像是因为拆迁太乱，导致保安队（免疫系统）不敢出来巡逻，或者被吓退了。这解释了为什么糖尿病患者不仅伤口好得慢，还容易感染（免疫力低下）。

5. 确认嫌疑人：交叉验证

为了确认 ADAMTS17 真的是“罪魁祸首”，研究团队用了两种方法交叉验证：

1. 数学模型（PLS 分析）：像做数学题一样，证明 ADAMTS17 是区分“健康猪”和“病猪”最明显的特征之一。
2. 智能工具（SurfacOmics）：这个工具不仅看数据，还看这个分子“住在哪里”（细胞位置）以及“能不能被检测到”。结果发现，ADAMTS17 和另一个叫 FGG（纤维蛋白原）的分子，都是极佳的“嫌疑人”（生物标志物），非常适合用来开发检测试剂盒。

总结：这到底意味着什么？

简单来说，这项研究告诉我们：
在糖尿病这种“慢性破坏”的过程中，身体里有一个叫 ADAMTS17 的分子变得异常活跃。它就像是一个失控的拆迁队，不仅拆坏了身体修复伤口所需的“建筑材料”（胶原蛋白），还顺便把负责防御的“保安”（免疫系统）给赶跑了。

未来的希望：
虽然这只是基于猪模型的计算分析，还需要进一步实验证实，但这个发现为治疗糖尿病并发症提供了新的方向。如果我们能开发出一种药物，像“给拆迁队队长戴上紧箍咒”一样抑制 ADAMTS17，或许就能帮助糖尿病患者更好地愈合伤口，并增强免疫力。

一句话概括：
科学家通过重新分析旧数据，发现了一个叫 ADAMTS17 的“捣乱分子”，它可能是导致糖尿病患者伤口难愈合和免疫力下降的幕后黑手，未来有望成为治疗的新靶点。

技术摘要

以下是基于该预印本论文的详细技术总结：

论文标题

利用多组学方法重新分析转录组与蛋白质组数据，鉴定 INS 突变猪模型中糖尿病并发症的生物标志物

1. 研究背景与问题 (Problem)

• 疾病模型：研究聚焦于“青年发病型胰岛素突变糖尿病”（MIDY）猪模型。该模型由 INS 基因 C94Y 突变引起，导致胰岛素折叠错误、内质网（ER）中错误折叠蛋白积累，进而引发β细胞凋亡和严重的高血糖。
• 现有挑战：尽管对糖尿病分子通路的研究广泛，但区分疾病状态的可靠生物标志物仍难以识别。
• 研究缺口：ADAMTS 家族成员在细胞外基质（ECM）重塑和免疫调节中的作用已知，但其在糖尿病中的具体机制尚未被充分探索。此外，MIDY 模型虽模拟了严重糖尿病，但缺乏 1 型糖尿病（T1D）特有的自身免疫成分，因此需要深入挖掘其分子特征以理解并发症机制。
• 目标：通过重新分析 Backman 等人（2019）已发表的 MIDY 猪模型转录组和蛋白质组数据，利用先进的多组学整合方法，发现新的生物标志物并阐明其分子机制。

2. 研究方法 (Methodology)

• 数据来源：
  • 转录组数据：从 GEO 数据库（GSE122029）下载原始 FASTQ 文件。
  • 蛋白质组数据：从 ProteomeXchange 联盟（PXD011536）获取 LC-MS/MS 数据。
  • 样本量：MIDY 突变组（n=4）与野生型（WT）对照组（n=5），均为 2 岁雌性猪。
• 数据预处理：
  • 原始数据包含 34,328 个基因和 2,535 种蛋白质。
  • 经过多轮预处理和质控过滤，最终保留 19,664 个基因和 489 种蛋白质用于下游分析。
• 分析策略：
  • 基础分析：主成分分析（PCA）评估组间分离度；差异表达分析（转录组使用 DESeq2，蛋白质组设定 FDR < 0.01）。
  • 多组学整合：
    • 使用 R 语言 mixOmics 包（v6.23.4）进行偏最小二乘法（PLS）分析。
    • 应用稀疏 PLS（sPLS）进行无监督特征选择。
    • 应用监督多块 PLS（DIABLO, mbPLS）进行多组学关联分析。
  • 功能网络分析：利用 STRINGdb 构建共表达网络，识别代谢和免疫模块。
  • 相关性分析：计算 Pearson 相关系数，分析关键分子（如 ADAMTS17）与免疫标记物及 ECM 成分的关系。
  • 生物标志物筛选工具：使用团队自研的 R Shiny 应用 SurfacOmics，结合亚细胞定位和可检测性（Assayability），评估候选分子的临床转化潜力。

3. 关键发现与结果 (Key Results)

• 组间分离与关键驱动因子：
  • PCA 分析显示 WT 和 MIDY 组在蛋白质组水平上清晰分离。
  • 主要变异来源为代谢酶 HMGCS2 和 RDH16，这与原始研究一致。
  • 关键差异：MIDY 组中 COL6A3（ECM 关键成分）水平降低，而 ADAMTS17 水平显著升高。两者呈显著负相关（r = -0.48），提示 ADAMTS17 可能参与糖尿病状态下的胶原降解。
• 多组学整合结果：
  • sPLS 和 DIABLO 分析一致识别出 ADAMTS17（转录组）和 纤维蛋白原γ链（FGG）（蛋白质组）为区分 MIDY 与 WT 组的顶级判别特征。
  • 差异表达分析发现 17 个转录组基因（logFC > 1），但未发现 FDR < 0.01 的显著差异蛋白（与原始研究一致），但强调了 COL6A3、ADAMTS17 和 CRP 变化的潜在重要性。
• 免疫与 ECM 互作机制：
  • 功能网络分析揭示了两个模块：代谢模块和免疫模块。
  • MIDY 组中免疫标记物（CXCR2, CD40, CD59）和 CRP 水平显著降低，表明存在免疫抑制/功能不全。
  • 负相关性：ADAMTS17 与免疫标记物（CD40, CD59, CXCR2）呈强负相关。这表明 ADAMTS17 的升高可能伴随免疫信号的减弱，暗示其可能通过 ECM-细胞因子相互作用间接调节免疫。
  • 相关性分析还发现 ADAMTS17 与 MBL2（参与组织修复和纤维蛋白原 - 血栓蛋白复合物形成）显著相关。
• 生物标志物评估 (SurfacOmics)：
  • SurfacOmics 工具评估显示，ADAMTS17 是顶级的转录组生物标志物，FGG 是顶级的蛋白质组生物标志物。
  • 尽管 FGG 位于细胞质而非细胞表面，但已有商业化的多克隆抗体可用于免疫荧光检测，具备作为检测靶点的可行性。

4. 主要贡献 (Key Contributions)

1. 新生物标志物的发现：首次在多组学整合分析中提出 ADAMTS17 作为糖尿病相关并发症（特别是 ECM 重塑和免疫功能障碍）的新型潜在生物标志物。
2. 机制洞察：揭示了 ADAMTS17 与 ECM 成分（COL6A3）及免疫标记物之间的负相关关系，提出了"ECM-免疫互作”在慢性胰岛素缺乏导致免疫抑制中的潜在机制。
3. 方法学验证：展示了利用公开数据进行深度再分析的价值，并验证了自研工具 SurfacOmics 在整合多组学信号、亚细胞定位及评估检测可行性方面的有效性。
4. 模型补充：虽然 MIDY 模型缺乏自身免疫成分，但本研究通过分子特征分析，补充了对其免疫抑制表型的理解，为糖尿病并发症研究提供了新视角。

5. 研究意义 (Significance)

• 临床转化潜力：鉴定的生物标志物（ADAMTS17 和 FGG）具有明确的检测可行性，可能用于监测糖尿病患者的免疫状态、伤口愈合延迟或 ECM 重塑情况。
• 治疗靶点：ADAMTS17 作为 ECM 调节因子和免疫调节的潜在参与者，可能成为干预糖尿病相关组织损伤和免疫并发症的新靶点。
• 多组学策略的示范：本研究证明了结合转录组、蛋白质组以及亚细胞定位信息的整合分析策略，比单一组学分析更能挖掘出具有生物学意义的深层分子特征，为未来的糖尿病精准医疗研究提供了方法论参考。

总结：该研究通过重新挖掘 MIDY 猪模型的多组学数据，利用先进的统计整合工具和自研平台，成功锁定了 ADAMTS17 和 FGG 作为关键生物标志物，揭示了糖尿病状态下 ECM 重塑与免疫抑制之间的潜在联系，为理解糖尿病并发症的分子机制提供了新的线索。