Yazarlar
Bize Ulaşın

Oturum Aç

Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.

Bu Makalede

  • Özet
  • Özet
  • Giriş
  • Protokol
  • Sonuçlar
  • Tartışmalar
  • Açıklamalar
  • Teşekkürler
  • Malzemeler
  • Referanslar
  • Yeniden Basımlar ve İzinler

Özet

Bu çalışma, biyoinformatik analiz yoluyla multipl skleroz (MS) patogenezinde hipoksi, ferroptoz ve immün infiltrasyon arasındaki etkileşimler hakkında yeni bilgiler sunmaktadır. Ağırlıklı gen koekspresyon ağı analizi (WGCNA) ve protein-protein etkileşimi (PPI) analizi kullanarak, üç önemli hub geni (ITGB1, ITGB8 ve VIM) belirledik.

Özet

Multipl skleroz (MS), demiyelinizasyon ile karakterize, başarısız remiyelinizasyonun kronik evrelerde ilerleyici akson kaybına yol açan kronik inflamatuar bir hastalıktır. Oligodendrosit öncü hücreleri (OPC'ler) remiyelinizasyon için kritik öneme sahiptir. Son çalışmalar, hem hipoksi hem de ferroptozisin OPC'lerin disfonksiyonel farklılaşmasında çok önemli roller oynadığını göstermektedir. Bu araştırma, MS hastalarının indüklenmiş pluripotent kök hücrelerinden (iPSC'ler) türetilen OPC'lerde hipoksi ve ferroptoz ile bağlantılı anahtar genleri ve immün infiltrasyon özelliklerini tanımlamayı ve bu önemli genlere odaklanan bir tanı modeli oluşturmayı amaçlamaktadır.

GSE196575 ve GSE147315 veri setlerinden gen ekspresyon verilerini analiz ettik ve MS hastalarını sağlıklı bireylerle karşılaştırdık. Ağırlıklı gen koekspresyon ağı analizini (WGCNA) kullanarak, hipoksi, ferroptoz ve MS ile ilişkili birincil modül genlerini ve temel genleri belirledik. Gen seti varyasyon analizi (GSVA) ile hesaplanan ferroptoz Z skoru ve hipoksi Z skoru, MS hastalarının iPSC'den türetilmiş OPC'lerinde kontrol grubununkinden daha yüksekti. İlgili genler, Gen Ontolojisi (GO) ve Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) yol zenginleştirme analizleri yoluyla tanımlandığı gibi, ağırlıklı olarak PI3K / Akt / mTOR yolu ile bağlantılıdır.

Önemli genlerden oluşan bir protein-protein etkileşimi (PPI) ağı, 10 merkezi hub geni (COL4A1, COL4A2, ITGB5, ITGB1, ITGB8, ITGAV, VIM, FLNA, VCL ve SPARC) ortaya çıkardı. ITGB1, ITGB8 ve VIM'in sağlam ifadesi, GSE151306 veri setinde doğrulandı ve anahtar merkez genleri olarak rollerini destekledi. Ek olarak, transkripsiyon faktörleri (TF'ler) ve hub genleri arasında, beş anahtar TF'yi tanımlayan Cümle Tabanlı Metin Tarafından Çözülen Transkripsiyonel Düzenleyici İlişkiler (TRRUST) aracılığıyla bir etkileşim ağı kurulmuştur. Bu çalışmanın sonuçları, MS için yeni biyobelirteçlerin veya terapötik hedeflerin aydınlatılmasına yardımcı olabilir.

Giriş

Multipl skleroz (MS), dünya çapında yaklaşık 2,5 milyon kişiyi etkileyen demiyelinizasyon ile karakterize kronik inflamatuar bir durumdur. MS tanısı konanların çoğunluğu nükseden-düzelen (RR) bir hastalık seyri sergiler. Nüksetme fazı sırasında, akut inflamasyon kaçınılmaz miyelin ve akson kaybına yol açar. Tersine, remisyon sırasında, demiyelinizasyon lezyonları remiyelinizasyon ile onarılabilir, aksonlara trofik destek sağlayabilir ve ilerleyici akson kaybını önleyebilir1. Remiyelinasyon başarısızlığı MS'in kronik evrelerinde ortaya çıkar ve ilerleyici aksonal dejenerasyonayol açar 2.

Remiyelinizasyon süreci, merkezi sinir sistemindeki (CNS) miyelin oluşturan hücreler olan olgun oligodendrositlere (OL'ler) farklılaşmak için OPC'lerin çoğalmasını ve göçünü içeren oligodendrosit öncü hücreleri (OPC'ler) ile kritik bir şekilde ilişkilidir.3. Hastalığın ilk aşamalarında, demiyelinize lezyonların etrafındaki OPC'ler tarafından üretilen yeni OL'lerin sayısı nispeten korunur ve remiyelinizasyonu başarılı bir şekilde teşvik edebilir4. Bununla birlikte, ileri MS evreleri sırasında, OPC'lerin yetersiz migrasyonu ve farklılaşması, yeni OL'lerde azalmaya ve remiyelinizasyonunbozulmasına 5 yol açarak sinir dejenerasyonuna ve özürlülük birikimine yol açar.

MS'deki nörodejenerasyonu açıklamak için iki hipotez öne sürülmüştür. Dışsal hipotez, aktive edilmiş T hücreleri tarafından başlatılan bağışıklık tepkisinin demiyelinizasyona ve nörodejenerasyona neden olduğunu göstermektedir6. Bununla birlikte, içsel model, OPC7, OL8 ve CNS'deki diğer hücrelerdeki içsel anormalliklerin nörodejenerasyona katkıda bulunabileceğini düşündürmektedir. İçsel model daha önce yalnızca birincil veya ikincil ilerleyici MS (PPMS ve SPMS) gibi MS'in daha ileri aşamalarında uygulanabilir olarak kabul ediliyordu. Bununla birlikte, son zamanlarda RRMS 9,10'da inflamasyon veya nüksetmekten bağımsız nörodejenerasyon gözlenmiştir, bu da RRMS dahil olmak üzere tüm hastalık evrelerinde içsel hücresel anormalliklerin rol oynayabileceğini düşündürmektedir.

Ayrıca, demir aracılı lipid metabolik bozukluklarına bağlı ayırt edici bir hücre ölüm yolu olan ferroptoz, nörodejenerasyonda çok önemli bir rol oynar. Bu yol, aşırı demir tarafından yönlendirilen hücre içi redoks durumlarının dengesizliğini içerir, bu da lipid peroksit birikimine ve reaktif oksijen türleri (ROS) üretimine yol açar ve sonuçta oksidatif hücre ölümü ile sonuçlanır11. Alzheimer hastalığı, Parkinson hastalığı ve Huntington hastalığı gibi nörodejeneratif hastalıklar genellikle nöronal hücrelere oksidatif hasardan kaynaklanır ve bu da sıklıkla lezyonlar içindeki alışılmadık derecede yüksek demir konsantrasyonları tarafından tetiklenir. MS'de, CNS hücrelerinin yüksek lipid içeriği ve oksijen tüketimine bağlı mitokondriyal disfonksiyon ile birlikte oksidatif hasara karşı artan savunmasızlık, ferroptozda kritik bir faktör olan lipid peroksidasyonunu teşvik eder. OL'ler, ferroptoz12'nin önemli bir özelliği olan lipid peroksidasyonuna duyarlıdır. Spinal inflamatuar lezyonların13 yakınında demir birikimi ve OL'lerin lipid peroksidasyonuna14 ve serbest radikallere15 karşı savunmasızlığı, MS'in ferroptozise duyarlılığını vurgulamaktadır.

Hipoksi, MS patogenezinde oligodendrosit kaybına katkıda bulunan bir diğer kritik faktördür. Akut MS lezyonlarında hipoksi benzeri hasar ve ROS ve nitrojen oksit (NO) oluşumunun kanıtı, bu tür stresörlerin mitokondriyal disfonksiyonu ve müteakip enerji eksikliklerini hızlandırabileceğini göstermektedir16. Bu metabolik stres sadece OL'leri etkilemekle kalmaz, aynı zamanda miyelinik kanallar miyelin kılıfı ve peri-aksonal boşluklar arasında enerji ilettiğinden, bozulmuş enerji transferi17 yoluyla komşu aksonları da bozar.

MS hastalarında MSS'nin primer insan OPC'lerine ve OL'lerine erişmek son derece zordur. Bu nedenle, indüklenmiş pluripotent kök hücre (iPSC'ler) türevli insan OPC'leri ve OL'ler, MS'in içsel bozukluklarını incelemek için umut verici araçlar olarak ortaya çıkmıştır. MS patogenezinde ferroptoz ve hipoksinin önemli rolleri ve bunların oligodendrosit soyu üzerindeki etkileri ışığında, bu çalışmada modül bilgilerini18 çıkarmak ve MS'de bu fenomenlerle ilişkili gen ekspresyon modellerini aydınlatmak için ağırlıklı gen koekspresyon ağı analizi (WGCNA) kullanılmıştır. Genler arasındaki korelasyon katsayılarını tarayarak, MS için yeni biyobelirteçlere veya potansiyel terapötik hedeflere ışık tutarak aynı veya benzer ortak ifade ağlarını veya modüllerini tanımlayabiliyoruz. Ek olarak, kritik genleri düzenleyen transkripsiyon faktörlerine (TF'ler) odaklanarak, bu çalışma MS için mekanizmaların ve potansiyel müdahale stratejilerinin daha fazla araştırılması için bir temel sağlar.

Protokol

1. Veri indirme ve ön işleme

  1. Gene Expression Omnibus'tan (GEO) GSE196575 ve GSE147315 veri kümelerini indirin.
  2. Çevrimiçi bir analiz platformu kullanarak iki veri kümesini birleştirin ve toplu efektleri kaldırın (bkz.
    1. İfade modülü | veri birleştirme modülünü seçin. İki ifade matrisi dosyasını giriş dosyaları olarak yükleyin ve birleştirilmiş matrisin otomatik olarak çıktısını almak için Çalıştır'a tıklayın.
    2. Elektronik tablo olarak örnek bir ek açıklama dosyası oluşturun.
    3. İfade modülünü seçin | Toplu efekt modülünü çıkarın. Ek açıklama dosyasını ve birleştirilmiş matrisi girin ve toplu efekt kaldırılmış birleştirilmiş matrisi oluşturmak için Çalıştır'a tıklayın (birleştirilmiş matris 2).
  3. Çevrimiçi bir analiz platformunda bulunan veri kümelerini birleştirme, toplu işlem ve Normalleştirme özelliklerini kullanarak ifade verilerini normalleştirin . İfade modülünü seçin ve modülü normalleştirin. Adım 1.2.3'te oluşturulan birleştirilmiş matris 2'yi girin. Çalıştır düğmesine tıklayın. ( Malzeme Tablosuna bakınız).
  4. Yukarıda açıklanan tüm işlemi çalıştırdıktan sonra ifade matrisi dosyasının çıktısını alın. Gruplandırma bilgilerini GEO web sitesinde sağlanan müdahaleye göre çıkarın. Birleştirilmiş veri kümesi için gruplandırma bilgi dosyasını oluşturmak için yukarıdaki bilgileri ".txt" biçimindeki bir belgeye girin.

2. Diferansiyel eksprese gen analizi

  1. R'deki limma paketini kullanarak diferansiyel gen ekspresyonu analizi gerçekleştirin. İfade matrisi dosyasını ve gruplama bilgi dosyasını girin. Multipl skleroz ile ilgili diferansiyel olarak ifade edilen genleri (DEG'ler) tanımlamak için filtreleme kriterlerini |logFC| = 1 ve p < 0.05 olarak ayarlayın.

3. Fonksiyonel zenginleştirme analizi (GO ve KEGG)

  1. Çevrimiçi platformlarda GO ve KEGG modülleri aracılığıyla DEG'ler için fonksiyonel zenginleştirme analizi yapın.
    1. Model organizmanın ayarlanması Homo sapiens olarak ayarlandı, Ensemble_109 sürüm arka plan gen dosyası ve genler veri türü olarak kullanıldı.
    2. Geniş GO terimlerinden kaçının; ToppFun'u kullanarak analizi iyileştirin. Terimleri 500 ve 1.000 ilişkili genle sınırlamak için filtreler uygulayın.
      NOT: 500 gen süzgecinden elde edilen sonuçlar ana makalede sunulmuştur. Tam GO sonuçları Ek Şekil S2'de mevcuttur. Çevrimiçi KEGG platformu Ek Şekil S3'te gösterilmiştir.

4. Ferroptoz ve hipoksi (GSVA) için gen seti varyasyon analizi

  1. FerrDb'den toplam 538 ferroptozla ilgili gen ve MsigDB'den 200 hipoksi ile ilgili gen alın.
  2. Her iki gen seti için GMT formatında dosyalar oluşturun.
  3. Birleştirilmiş veri kümesindeki her örnek için ferroptoz Z skorunu ve hipoksi Z skorunu hesaplamak için GSVA modülünü kullanın ve ifade matrisi dosyasını, gruplandırma bilgi dosyasını ve GMT dosyalarını girdi olarak kullanın.
  4. Farklı grupların Z skorlarını karşılaştırın (Ek Şekil S4).

5. Ağırlıklı Gen Eş İfade Ağı Analizi (WGCNA)

  1. Adım 4.4'te hesaplanan her numunenin ferroptoz ve hipoksi Z skorunu çıkarın. Ferroptoz ve hipoksi ile ilgili temel gen modüllerini tanımlamak için ifade matrisi dosyalarının yanı sıra özellik dosyaları olarak yukarıdaki ferroptoz ve hipoksi Z skorlarını kullanın.
  2. WGCNA modülünü kullanın ve ağırlıklı bir gen koekspresyon ağı oluşturmak için R2 = 0.9 ve yumuşak eşik β = 18 olarak ayarlayın. Hem ferroptoz hem de hipoksi ile önemli ölçüde ilişkili modüllere odaklanın (Ek Şekil S4).

6. MS hastalarında ferroptoz ve hipoksi ile ilişkili diferansiyel olarak eksprese edilen genlerin tanımlanması

  1. Hastalıkla ilgili DEG'leri ferroptoz ve hipoksi ile ilgili gen modülleri ile çevrimiçi bir analiz platformunda bir Venn şeması aracı aracılığıyla kesiştirin (Ek Şekil S3). MS'de hem ferroptoz hem de hipoksi ile ilişkili genleri tanımlayın.

7. Protein-protein etkileşimi (PPI) ağ analizi

  1. Kesişen genleri STRING veritabanının Çoklu Proteinler modülüne girin.
  2. Organizmayı Homo sapiens olarak ayarlayın ve Ara'ya tıklayın.
  3. PPI ağını oluşturmak için web sayfasının ortasındaki DEVAM seçeneğini kullanın.
  4. Etkileşim ağı bilgilerini TSV formatında dışa aktarın ve biyoinformatik ağ analiz yazılımına aktarın (Ek Şekil S5).
  5. MCC algoritması temelinde en iyi 10 hub genini belirlemek için Cytohubba eklentisini kullanın.

8. GSE151306 veri seti ile doğrulama

  1. GEO'dan GSE151306 veri kümesini indirin.
  2. Farklı gruplarda hub genlerinin ifadesini doğrulamak için R studio yazılımındaki limma paketini kullanın (R dil kodları GitHub: https://github.com/Drxiazhang/Identification-of-Ferroptosis--and-Hypoxia-Related-Genes-in-iPSC-Derived-OPCs-from-MS'da sağlanır) ve ifade matrisi dosyasını, doğrulama kümesinin gruplandırma dosyasını ve hub gen listesini girin.

9. Hub genleri için ROC eğrisi çizimi

  1. Diferansiyel olarak ifade edilen hub genleri için ROC eğrilerini çizmek için R'deki pROC paketini kullanın.
  2. Doğrulama veri kümesinde bu hub genlerinin tanılama değerini doğrulayın (R dil kodları GitHub: https://github.com/Drxiazhang/Identification-of-Ferroptosis--and-Hypoxia-Related-Genes-in-iPSC-Derived-OPCs-from-MS'da sağlanır).

10. Transkripsiyon faktör-hub gen düzenleyici ağlarının tahmini

  1. TRRUST v2 veritabanına https://www.grnpedia.org/trrust/ adresinden erişin.
  2. 10 hub genini düzenleyen transkripsiyon faktörlerini belirlemek için Sorgu genleri için anahtar düzenleyicileri bul modülünü kullanın.
    1. Türler için İnsan'ı ayarlayın. Transkripsiyon faktörlerini ve hub genlerini STRING'in Çoklu Proteinler modülüne girin, organizmalar için Homo sapiens'i ayarlayın ve düzenleyici bir ağ oluşturmak için DEVAM'a tıklayın.

Sonuçlar

Kontrol olarak dört sağlıklı bireyden ve MS'li (PwMS) dokuz kişiden oluşan birleştirilmiş veri seti, dört PwMS ve dört sağlıklı kontrolden oluşan başka bir veri setinde analiz edildi ve daha sonra doğrulandı. Analiz protokolü Şekil 1'de gösterilmiştir ve tüm numunelerin ayrıntılı bilgileri Ek Tablo S1'de listelenmiştir. Analiz sonucunda, MS hastalarında kontrollere kıyasla 378 geni yukarı regüle...

Tartışmalar

Remiyelinizasyon sürecindeki önemli rolü göz önüne alındığında, OPC'lerin göçü, farklılaşması ve ölümü uzun zamandır MS patogenezinde ve MS'in terapötik hedeflerinde çok önemli faktörler olarak belirlenmiştir. Her üç MS19 tipinde de inflamasyondan bağımsız ilerleyici sinir dejenerasyonu gözlenmiştir ve demiyelinize lezyonların merkezinde belirgin bir oligodendrosit kaybı kaydedilmiştir20, oligodendrosit so...

Açıklamalar

Yazarların, bu makalenin içeriğiyle ilgili olduğunu beyan etmek için rekabet eden hiçbir çıkarı yoktur.

Teşekkürler

Bu çalışma, Ulusal Üst Düzey Hastane Klinik Araştırma Fonu (2022-PUMCH-B-103) tarafından desteklenmiş ve finanse edilmiştir. Yazarlar, Harvard Üniversitesi T. H. Chan Halk Sağlığı Okulu, Biyoistatistik Bölümü'nden Dr. Shuang Song'a bu makalenin revizyon aşamasındaki değerli tavsiyeleri ve rehberliği için teşekkür eder.

Malzemeler

NameCompanyCatalog NumberComments
BioInfoTools/online analysis website http://biowinford.site:3838/patrick_wang87/
Cytoscape/bioinformatics network analysis software
GSE196575,GSE147315 and GSE151306/RNA-seq from GEO dataset
OmicshareGENE DENOVOonline analysis tools https://www.omicshare.com/tools/Home/Soft/getsoft
R-studioRStudio, IncR integrated development environment software

Referanslar

  1. Fünfschilling, U., et al. Glycolytic oligodendrocytes maintain myelin and long-term axonal integrity. Nature. 485 (7399), 517-521 (2012).
  2. Nishiyama, A., et al. Polydendrocytes (NG2 cells): multifunctional cells with lineage plasticity. Nat Rev Neurosci. 10 (1), 9-22 (2009).
  3. Franklin, R. J. M., Ffrench-Constant, C. Remyelination in the CNS: from biology to therapy. Nat Rev Neurosci. 9 (11), 839-855 (2008).
  4. Lucchinetti, C., et al. A quantitative analysis of oligodendrocytes in multiple sclerosis lesions. A study of 113 cases. Brain. 122 (Pt 12), 2279-2295 (1999).
  5. Patrikios, P., et al. Remyelination is extensive in a subset of multiple sclerosis patients. Brain. 129 (Pt 12), 3165-3172 (2006).
  6. Starost, L., et al. Extrinsic immune cell-derived, but not intrinsic oligodendroglial factors contribute to oligodendroglial differentiation block in multiple sclerosis. Acta Neuropathol. 140 (5), 715-736 (2020).
  7. Niu, J., et al. Aberrant oligodendroglial-vascular interactions disrupt the blood-brain barrier, triggering CNS inflammation. Nat Neurosci. 22 (5), 709-718 (2019).
  8. Plastini, M. J., et al. Transcriptional abnormalities in induced pluripotent stem cell-derived oligodendrocytes of individuals with primary progressive multiple sclerosis. Front Cell Neurosci. 16, 972144 (2022).
  9. Pisa, M., et al. Subclinical anterior optic pathway involvement in early multiple sclerosis and clinically isolated syndromes. Brain. 144 (3), 848-862 (2021).
  10. Vidal-Jordana, A., et al. Optical coherence tomography measures correlate with brain and spinal cord atrophy and multiple sclerosis disease-related disability. Eur J Neurol. 27 (11), 2225-2232 (2020).
  11. Stockwell, B. R. Ferroptosis turns 10: Emerging mechanisms, physiological functions, and therapeutic applications. Cell. 185 (14), 2401-2421 (2022).
  12. Thamizhoviya, G., Vanisree, A. J. Enriched environment enhances the myelin regulatory factor by mTOR signaling and protects the myelin membrane against oxidative damage in rats exposed to chronic immobilization stress. Neurochem Res. 46 (12), 3314-3324 (2021).
  13. Williams, R., et al. Pathogenic implications of iron accumulation in multiple sclerosis. J Neurochem. 120 (1), 7-25 (2012).
  14. Stojkovic, L., et al. Targeted RNAseq revealed the gene expression signature of ferroptosis-related processes associated with disease severity in patients with multiple sclerosis. Int J Mol Sci. 25 (5), 3016 (2024).
  15. Ziabreva, I., et al. Injury and differentiation following inhibition of mitochondrial respiratory chain complex IV in rat oligodendrocytes. Glia. 58 (15), 1827-1837 (2010).
  16. Aboul-Enein, F., et al. Preferential loss of myelin-associated glycoprotein reflects hypoxia-like white matter damage in stroke and inflammatory brain diseases. J Neuropathol Exp Neurol. 62 (1), 25-33 (2003).
  17. Halder, S. K., Milner, R. Hypoxia in multiple sclerosis; is it the chicken or the egg. Brain. 144 (2), 402-410 (2021).
  18. Langfelder, P., Horvath, S. WGCNA: an R package for weighted correlation network analysis. BMC Bioinformatics. 9, 559 (2008).
  19. Pisa, M., et al. Subclinical neurodegeneration in multiple sclerosis and neuromyelitis optica spectrum disorder revealed by optical coherence tomography. Mult Scler. 26 (10), 1197-1206 (2020).
  20. Lucchinetti, C., et al. Heterogeneity of multiple sclerosis lesions: implications for the pathogenesis of demyelination. Ann Neurol. 47 (6), 707-717 (2000).
  21. Aboul-Enein, F., Lassmann, H. Mitochondrial damage and histotoxic hypoxia: a pathway of tissue injury in inflammatory brain disease. Acta Neuropathol. 109 (1), 49-55 (2005).
  22. Jhelum, P., et al. Ferroptosis mediates cuprizone-induced loss of oligodendrocytes and demyelination. J Neurosci. 40 (48), 9327-9341 (2020).
  23. Zhang, D., et al. Evidence of pyroptosis and ferroptosis extensively involved in autoimmune diseases at the single-cell transcriptome level. J Transl Med. 20 (1), 363 (2022).
  24. Luoqian, J., et al. Ferroptosis promotes T-cell activation-induced neurodegeneration in multiple sclerosis. Cell Mol Immunol. 19 (8), 913-924 (2022).
  25. Wu, T., et al. Role of ferroptosis in neuroimmunity and neurodegeneration in multiple sclerosis revealed by multi-omics data. J Cell Mol Med. 28 (10), e18396 (2024).
  26. Zeng, L., et al. Advances in research on immunocyte iron metabolism, ferroptosis, and their regulatory roles in autoimmune and autoinflammatory diseases. Cell Death Dis. 15 (7), 481 (2024).
  27. Neel, D. V., et al. Catching a killer: Mechanisms of programmed cell death and immune activation in Amyotrophic Lateral Sclerosis. Immunol Rev. 311 (1), 130-150 (2022).
  28. Liu, L., et al. Ferritinophagy-mediated hippocampus ferroptosis is involved in cognitive impairment in immature rats induced by hypoxia combined with propofol. Neurochem Res. 49 (7), 1703-1719 (2024).
  29. An, S., et al. HIF-1α induced by hypoxia promotes peripheral nerve injury recovery through regulating ferroptosis in DRG neuron. Mol Neurobiol. 61 (9), 6300-6311 (2024).
  30. Wang, L., et al. CXCR2 antagonism promotes oligodendrocyte precursor cell differentiation and enhances remyelination in a mouse model of multiple sclerosis. Neurobiol Dis. 134, 104630 (2020).
  31. Merelli, A., et al. Understanding the role of hypoxia inducible factor during neurodegeneration for new therapeutics opportunities. Curr Neuropharmacol. 16 (10), 1484-1498 (2018).
  32. Huang, L., et al. miR19b-3p promotes the growth and metastasis of colorectal cancer via directly targeting ITGB8. Am J Cancer Res. 7 (10), 1996-2008 (2017).
  33. Li, J., et al. Exosomal circDNER enhances paclitaxel resistance and tumorigenicity of lung cancer via targeting miR-139-5p/ITGB8. Thorac Cancer. 13 (9), 1381-1390 (2022).
  34. Mazaheri, N., et al. Ameliorating effect of osteopontin on H2O2-induced apoptosis of human oligodendrocyte progenitor cells. Cell Mol Neurobiol. 38 (4), 891-899 (2018).
  35. Milner, R., et al. Fibronectin- and vitronectin-induced microglial activation and matrix metalloproteinase-9 expression is mediated by integrins alpha5beta1 and alphavbeta5. J Immunol. 178 (12), 8158-8167 (2007).
  36. Hrastelj, J., et al. CSF-resident CD4+ T-cells display a distinct gene expression profile with relevance to immune surveillance and multiple sclerosis. Brain Commun. 3 (3), fcab155 (2021).
  37. Yan, L., Cui, Z. Integrin β1 and the repair after nervous system injury. Eur Neurol. 86 (1), 2-12 (2023).
  38. Birkner, K., et al. β1-Integrin- and KV1.3 channel-dependent signaling stimulates glutamate release from Th17 cells. J Clin Invest. 130 (2), 715-732 (2020).
  39. Zhang, Q., et al. Sp1-mediated upregulation of Prdx6 expression prevents podocyte injury in diabetic nephropathy via mitigation of oxidative stress and ferroptosis. Life Sci. 278, 119529 (2021).
  40. Hadi, N., et al. Study of the correlation between miR-106a, miR-125b, and miR-330 on multiple sclerosis patients by targeting TNFSF4 and SP1 in NF-кb/TNF-α pathway: A case-control study. Cell J. 24 (7), 403-409 (2022).
  41. Asbelaoui, N., et al. Interplay between androgen and CXCR4 chemokine signaling in myelin repair. Acta Neuropathol Commun. 12 (1), 18 (2024).
  42. Kaddatz, H., et al. Cuprizone-induced demyelination triggers a CD8-pronounced T cell recruitment. Glia. 69 (4), 925-942 (2021).
  43. Wang, W., et al. CD8+ T cells regulate tumour ferroptosis during cancer immunotherapy. Nature. 569 (7755), 270-274 (2019).

Yeniden Basımlar ve İzinler

Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi

Izin talebi

Daha Fazla Makale Keşfet

FerroptozHipoksiOligodendrosit nc H creleriMultipl SklerozIPSCGen EkspresyonuTan Modelimm n nfiltrasyonA rl kl Gen Koekspresyon A AnaliziPI3K Akt mTOR YolaGen OntolojisiKyoto Genler ve Genomlar AnsiklopedisiProtein Protein Etkile im AHub GenlerTranskripsiyon Fakt rleri

This article has been published

Video Coming Soon

JoVE Logo

Gizlilik

Kullanım Şartları

İlkeler

Bize Ulaşın

KÜTÜPHANEYE TAVSİYE ET

JoVE HABER BÜLTENLERİ

Araştırma

Eğitim

Yazarlar

Kütüphaneciler

JoVE Hakkında

Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır