Yazarlar, GSE167490 veri setini sağladıkları için Jessica S Sadick, Michael R O'Dea, Philip Hasel, vb.'ye minnettardır. Yazarlar, Faten A Sayed, Lay Kodama, Li Fan, vb.'nin GSE183068 veri setini sunduğunu takdir ediyor. Yazarlar, veri analizi konusundaki yardımları için Shuqing Liu'ya ve veri analizi platformunu sağladığı için Wen Yang'a teşekkür eder. Bu çalışma, Çin Ulusal Doğa Bilimleri Vakfı (82174511), Chengdu Geleneksel Çin Tıbbı Üniversitesi Kayısı Korusu Bursiyerleri, Disiplin Yetenek Araştırma Geliştirme Programı (QJJJ2022001), LiaoNing Canlandırma Yetenekleri Programı (XLYC 1807083), Sichuan Çin Tıbbı ve Otları İdare Bürosu Fonu (2023MS578), Ulusal Lisans İnovasyon ve Girişimcilik Eğitim Projesi (202310633003X) ve Bilimsel araştırma uygulamasının yenilikçi konuları tarafından desteklenmiştir Chengdu Geleneksel Çin Tıbbı Üniversitesi'ndeki üniversite öğrencileri için (ky-2023100). Hanjie Liu ve Hui Yang, çalışmanın tasarımına, toplanmasına, verilerin yorumlanmasına ve el yazmasının taslağının hazırlanmasına ve gözden geçirilmesine katkıda bulundu. Shuqing Liu ve Siyu Li, çalışmanın tasarımına, verilerin toplanmasına ve el yazmasının taslağının hazırlanmasına katıldı. Wen Yang ve Anwar Ayesha, verilerin toplanmasından ve yorumlanmasından sorumluydu. Xin Tan figürler ve/veya tablolar hazırladı. Cen Jiang, Yi Liu ve Lushuang Xie çalışmayı tasarladı ve el yazmasını gözden geçirdi / düzenledi. Tüm yazarlar makaleye katkıda bulunmuş ve gönderilen versiyonu onaylamıştır.

Analizin 2'den 9'a kadar olan adımları R yazılımı kullanılarak uygulandı (Ek Şekil 1 ve Ek Dosya 1'e bakınız), geri kalan adımlar ise çevrimiçi platformlarda yürütüldü. Bu protokolde kullanılan veri tabanlarının ayrıntıları (web bağlantıları ile birlikte) Materyal Tablosunda verilmiştir.
1. Veri toplama
<ol><li>Ulusal Biyoteknoloji Bilgi Merkezi'nde halka açık Gene Expression Omnibus (GEO) veritabanına erişin.</li>
	<li>Arama kutusunda Alzheimer hastalığı adlı GEO verilerini arayın.</li>
	<li>Sağ tarafta En İyi Organizmaları Homo sapiens olarak seçin. NOT: Arama sonuçları, Homo sapiens'teki Alzheimer hastalığına ilişkin verilerdi.</li>
	<li>Aranan bilgileri filtreledikten sonra, her bir tek çekirdek örneği için features.tsv, barcode.tsv ve matrix.mtx'i kapsayan GSE167490 ve GSE183068 veri dosyalarını indirin. Veri setleri, frontal korteksten kaynaklanan 34 AD örneğinden oluşmakta olup, 17 erkek örnek ve 17 kadın örnek eşit dağılım göstermiştir (Ek Tablo 1).</li>
</ol>2. Örnek birleştirme
<ol><li>Veri yollarını ve örnek adlarını bilgisayarda uygun şekilde yapılandırın. İndirilen 34 örneği içe aktarın ve işlev adlarını kullanarak örneklere cinsiyete özgü adlar atayın.</li>
	<li>Parametreleri min.cells = 3 ve min.features = 200 olarak belirterek, fonksiyon listesini ve Read10X'i kullanarak tüm örnekler için toplu işleme tarzında Seurat nesneleri oluşturun.</li>
	<li>Birleştirme işlemi sırasında hücre barkodlarını korumak üzere örnek kimliklerini hücre barkodlarına önek olarak eklemek için RenameCells işlevini kullanın. Bu, her hücrenin benzersiz kimliğini korumasını ve birleşmeden sonra orijinal örnek kaynağına kadar izlenebilmesini sağladı.</li>
</ol>3. Kalite kontrol (QC)
<ol><li>Her hücre için mitokondriyal gen oranlarını, eritrosit gen oranlarını ve ribozom gen oranlarını hesaplamak için PercentFeatureSet işlevini kullanın.</li>
	<li>Bu hesaplanan oranları, bu bilgileri doğrudan her hücrenin meta verilerine eklemek için [[ ]] operatörünü kullanarak meta verilerde saklayın.</li>
	<li>Parametreleri nFeature_RNA > 200, nFeature_RNA < 10000, nCount_RNA < 60000, percent.mt < 10, yüzde.rb < 5 ve yüzde olarak belirterek hücre filtrasyonu yapmak için alt küme işlevini kullanın. HB < 75.</li>
	<li>GSM5106107 analizden hariç tutun.</li>
</ol>4. Toplu etki kontrolü
<ol><li>Veri işlemeyi gerçekleştirin.<ol><li>NormalizeData işlevini kullanarak verileri normalleştirin.</li>
		<li>FindVariableFeatures işlevini kullanarak veri kümesindeki ilk 2000 değişken özelliğini belirleyin.</li>
		<li>RunPCA kullanarak veriler üzerinde temel bileşen analizi (PCA)17 gerçekleştirin ve 50 temel bileşeni koruyun.</li>
		<li>Sonraki analiz için en uygun ölçümlendirme sayısını belirlemek için ElbowPlot işlevini kullanarak bir dirsek grafiği oluşturun. İlk 50 boyutu düşünün.</li>
		<li>Tüm özelliklerin karşılaştırılabilir bir ölçekte olduğundan emin olmak için ScaleData kullanarak verileri ölçeklendirin.</li>
		<li>30 boyuta göre FindNeighbors'ı kullanarak en yakın komşuları belirleyin.</li>
		<li>Verilerin boyutsallığını 30 boyuta indirmek için RunUMAP kullanarak UMAP algoritmasını uygulayın.</li>
	</ol></li>
	<li>Azaltma parametresi umap olarak ve group.by parametresi orig.ident olarak ayarlanmış olarak DimPlot işlevini kullanarak işlenen verileri görselleştirin. NOT: Bu adım, orijinal hücre kimliklerine göre gruplandırılmış, küçültülmüş UMAP alanındaki verileri görselleştiren bir çizim oluşturabilir. UMAP grafikleri incelendiğinde, toplu etkinin varlığı olduğu ortaya çıktı. Hücrelerin parti veya deneysel kökenlerine göre farklı kümelenmesi veya ayrılması, deneysel partilerin gen ekspresyon profillerini etkilediğini düşündürdü.</li>
</ol>5. Veri entegrasyonu
<ol><li>SCTransform işlevini kullanarak verileri normalleştirin ve standartlaştırın.</li>
	<li>Kalan 33 tek çekirdekli veriyi entegre etmek için uyum algoritmasını18 uygulayın. Entegrasyon için SCT tahlilini kullanın ve maksimum uyum yinelemesi sayısını 20 olarak ayarlayın.</li>
	<li>Verilerdeki farklı kümeleri tanımlamak için 0,07 olarak ayarlanmış bir çözünürlük parametresiyle FindClusters işlevini kullanın.</li>
	<li>Verilerin boyutsallığını daha da azaltmak ve kümeleri daha düşük boyutlu bir alanda görselleştirmek için belirli sayıda boyutla (dims = 30) RunUMAP işlevini kullanın.</li>
</ol>6. Hücre tipi ek açıklaması
<ol><li>Mevcut literatürün kapsamlı bir incelemesi yoluyla hücrelerin işaretleyici genlerini (Ek Tablo 2) toplayın.</li>
	<li>Hücresel küme heterojenliğinin tanımlanmasını takiben, her bir küme hücresinin tipini, spesifik olarak ifade edilen işaretleyici genlere göre sınıflandırın.</li>
	<li>Oligodendrosit renk kodu #DB7093, uyarıcı nöronun #FF69B4, astrositin #1874CD, mikroglia ile #63B8FF, oligodendrosit öncü hücresinin #DB7093, inhibitör nöronun #FFC0CB ve endotel hücresinin #FF69B4 ile vurgulandığı ggplot2 paketini kullanarak UMAP görselleştirmesi ile çeşitli hücresel tipleri sunun.</li>
	<li>Cinsiyete göre tabakalandırılmış her hücre tipinin oranlarını hesaplayın.</li>
</ol>7. Glial hücre veri ekstraksiyonu
<ol><li>Alt küme işlevini kullanarak entegre toplu verilerden astrosit verilerini çıkarın.</li>
	<li>Alt küme işlevini kullanarak entegre toplu verilerden mikroglia verilerini çıkarın.</li>
	<li>Alt küme işlevini kullanarak entegre toplu verilerden oligodendrosit verilerini ayıklayın.</li>
</ol>8. Glial cinsiyete özgü diferansiyel olarak ifade edilen genlerin (DEG'ler) yakalanması
<ol><li>FindMarkers fonksiyonunu kullanarak astrositlerin cinsiyete özgü DEG'lerini tanımlayın (ident.1 = erkek, ident.2 = dişi, group.by = group.sum, assay = RNA) eşik değerlerle: p-değeri < 0.05 ve |avg_log2FC| > 30. Yukarı regüle edilmiş DEG'leri Yukarı, aşağı regülasyonlu DEG'leri Aşağı ve geri kalanını Kararlı olarak etiketleyin.<ol><li>X ekseni iki koşul arasındaki yüzde farkını temsil eden (pct.1 - pct.2) ve y ekseni avg_log2FC gösteren ggplot fonksiyonunu kullanarak DEG'leri görselleştirin. Yukarı regüle edilmiş genler PaleVioletRed rengi, aşağı regüle edilmiş genler Pink ile ve kararlı genler DodgerBlue3 ile vurgulandı.</li>
	</ol></li>
	<li>FindMarkers fonksiyonunu (ident.1 = erkek, ident.2 = dişi, group.by = group.sum, assay = RNA) kullanarak mikroglia'nın cinsiyete özgü DEG'lerini eşik değerlerle tanımlayın: p-değeri < 0.05 ve |avg_log2FC| > 1. Yukarı regüle edilmiş DEG'leri Yukarı, aşağı regülasyonlu DEG'leri Aşağı ve geri kalanını Kararlı olarak etiketleyin.<ol><li>X ekseni iki koşul arasındaki yüzde farkını temsil eden (pct.1 - pct.2) ve y ekseni avg_log2FC gösteren ggplot fonksiyonunu kullanarak DEG'leri görselleştirin. Yukarı regüle edilmiş genler OrangeRed rengi, aşağı regüle edilmiş genler LightSalmon ile ve kararlı genler SteelBlue1 kullanılarak vurgulandı.</li>
	</ol></li>
	<li>FindMarkers fonksiyonunu kullanarak oligodendrositin cinsiyete özgü DEG'lerini tanımlayın (ident.1 = erkek, ident.2 = dişi, group.by = group.sum, assay = RNA) eşik değerlerle: p-değeri < 0.05 ve |avg_log2FC| > 10. Yukarı regüle edilmiş DEG'leri Yukarı, aşağı regülasyonlu DEG'leri Aşağı ve geri kalanını Kararlı olarak etiketleyin.<ol><li>x ekseni iki koşul arasındaki yüzde farkını temsil eden (pct.1 - pct.2) ve y ekseni avg_log2FC gösteren ggplot fonksiyonunu kullanarak DEG'leri görselleştirin. Yukarı regüle edilmiş genler DeepPink rengi, aşağı regüle edilmiş genler HotPink ile ve kararlı genler DeepSkyBlue3 ile vurgulandı.</li>
	</ol></li>
</ol>9. Cinsiyete özgü DEG'lerin fonksiyonel zenginleştirme analizleri
<ol><li>Zenginleştirme işlevini kullanarak her glial hücre tipi için cinsiyete özgü DEG'ler üzerinde Gen ontolojisi (GO) zenginleştirme analizi gerçekleştirin. Aşağıdaki parametreleri ayarlayın: OrgDb = org. Hs.eg.db, keyType = SYMBOL, ont = ALL, pAdjustMethod = BH, pvalueCutoff = 0,01 ve qvalueCutoff = 0,05.</li>
	<li>Fonksiyon bitr'sini kullanarak gen sembollerini karşılık gelen gen kimliklerine dönüştürün. Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) zenginleştirme analizini, enrichKEGG fonksiyonunu kullanarak her glial hücre tipi için cinsiyete özgü DEG'ler üzerinde gerçekleştirin. Ayarları şu şekilde yapın: organism = has, keyType = kegg, pAdjustMethod = BH, pvalueCutoff = 0,01 ve qvalueCutoff = 0,05.</li>
</ol>10. Go ve kegg yollarındaki glial DEG'lerin frekans istatistikleri, her glial cinsiyete özgü DEG'lerin venn diyagramları ve PPI ağ yapısı
<ol><li>Bir frekans histogramı kullanarak GO ve KEGG yollarındaki glial cinsiyete özgü DEG'lerin frekansını hesaplayın.</li>
	<li>PPI ağlarını oluşturmak için STRING veritabanına erişin.</li>
	<li>Çoklu proteinleri seçin. Arama kutusunda İsim Listesi'ni arayın. "Organizmalar"ı Homo sapiens olarak ayarlayın.</li>
	<li>Aramadan elde edilen proteinlerin listesini gözden geçirin. Devam etmek için Devam'a tıklayın.</li>
	<li>İndirme seçeneğini seçerek, tercihen daha yüksek çözünürlüklü PNG formatında PPI ağlarını dışa aktarın.</li>
	<li>Venn diyagramlarını kullanarak en önemli cinsiyete özgü genler için ortak ifade dağılımını görselleştirin.</li>
	<li>Venn diyagramı analizine dayalı olarak çalışmada paylaşılan gen(ler)i anahtar gen(ler) olarak tanımlayın.</li>
</ol>11. Çok faktörlü düzenleyici ağ yapısı
<ol><li>NetworkAnalyst'e erişin.</li>
	<li>Gen Listesi Girişi'ne tıklayın ve organizmayı H. sapiens (insan) olarak belirtin. Kimlik türünü Resmi Gen Sembolü olarak ayarlayın. Arama alanına gen adını girin ve ardından Yükle ve Devam Et'e tıklayın.</li>
	<li>Gen-miRNA Etkileşimleri'ni seçin ve miRTarBase v8.0'ı seçin. Tamam'a tıklayarak seçimi onaylayın.</li>
	<li>TF-gen Etkileşimlerine ilerleyin ve ENCODE veritabanını seçin. Seçimi onaylamak için Tamam'a tıklayın.</li>
	<li>Ardından, TF-miRNA Düzenleyici Ağı'na gidin ve devam etmek için Tamam'a tıklayın.</li>
	<li>Son olarak, gen-miRNA etkileşimlerini ve TF-gen etkileşimlerini içeren çok faktörlü düzenleyici ağı oluşturmak için Devam Et'i seçin.</li>
</ol>12. Gen ve hedef TCM analizi
<ol><li>Coremine Medical online veritabanına erişin.</li>
	<li>Spesifik gen adını girin ve Keşfet bölümünün altındaki arama kutusuna gen/protein, insan sonekine sahip ilgili geni seçin.</li>
	<li>İlaçlar bölümünde gezinin ve aranan ilaçlarla ilişkili TCM'leri tanımlayın. NOT: İstatistiksel olarak anlamlı ilaçlar mavi ile işaretlenmiştir.</li>
	<li>Terapötik TCM'ler olarak "önem" değerlerine göre ilk beş TCM'yi belirleyin.</li>
</ol>13. Anahtar geni hedeflemede TCM bileşenlerinin araştırma özeti
<ol><li>Geleneksel Çin Tıbbı Bütünleştirici Farmakoloji Tabanlı Araştırma Platformu (TCMIP) ve Geleneksel Çin Tıbbı Sistemleri Farmakoloji Veritabanı ve Analiz Platformuna (TCMSP) erişin. İlgili bileşenlerini almak için bitkilerin adlarını arama çubuğuna girin.</li>
	<li>PubMed veritabanındaki malzemeleri 10 Nisan 2023'e kadar bir süre sınırı ile alın. Kullanılan arama terimleri, arama terimleri olarak TCMSP'deki Molekül Adını ve TCMIP'deki Kimyasal Bileşenleri içeriyordu ve İngilizce olarak yayınlanan makalelerle sınırlıydı.</li>
	<li>AD'ye etki eden bitkileri ve bunlara karşılık gelen bileşenleri özetleyin ve analiz edin.</li>
</ol>14. AD'nin cinsiyet özgüllüğünde TCM'lerin tedavi işlevini hedeflemenin doğrulanması
<ol><li>Bitkileri TCMIP'ye aktarın ve ilgili açıklama sayfasına gidin.</li>
	<li>GO - Biyolojik Süreç, GO - Hücresel Bileşen, GO - Moleküler Fonksiyon ve Reactome Yolu zenginleştirme terimlerini indirmek için Verileri Dışa Aktar işlevini kullanın ve CSV biçimini seçin.</li>
	<li>Çubuk grafikleri kullanarak her bitki için indirilen zenginleştirme terimlerini görselleştirin.</li>
</ol>

Alzheimer Hastalığında Cinsiyete Özgü Glial Biyobelirteçler: Bir Transkriptom Analizi

<ol>
	<li>Alzheimers Dement. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Alzheimer's+disease+facts+and+figures.">Alzheimer's disease facts and figures.</a> Alzheimers Dement. 19 (4), 1598-1695 (2023).</li><li>Xie, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electroacupuncture+improves+M2+microglia+polarization+and+glia+anti-inflammation+of+hippocampus+in+Alzheimer's+disease.">Electroacupuncture improves M2 microglia polarization and glia anti-inflammation of hippocampus in Alzheimer's disease.</a> Front Neurosci. 15, 689629 (2021).</li><li>Xie, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Inflammatory+factors+and+amyloid+beta-induced+microglial+polarization+promote+inflammatory+crosstalk+with+astrocytes.">Inflammatory factors and amyloid beta-induced microglial polarization promote inflammatory crosstalk with astrocytes.</a> Aging (Albany NY). 12 (22), 22538-22549 (2020).</li><li>Hampel, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+amyloid-beta+pathway+in+Alzheimer's+disease.">The amyloid-beta pathway in Alzheimer's disease.</a> Mol Psychiatry. 26 (10), 5481-5503 (2021).</li><li>Baik, S. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+breakdown+in+metabolic+reprogramming+causes+microglia+dysfunction+in+Alzheimer's+disease.">A breakdown in metabolic reprogramming causes microglia dysfunction in Alzheimer's disease.</a> Cell Metab. 30 (3), 493-507 (2019).</li><li>Fisher, D. W., Bennett, D. A., Dong, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sexual+dimorphism+in+predisposition+to+Alzheimer's+disease.">Sexual dimorphism in predisposition to Alzheimer's disease.</a> Neurobiol Aging. 70, 308-324 (2018).</li><li>Pan, R. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Positive+feedback+regulation+of+microglial+glucose+metabolism+by+histone+h4+lysine+12+lactylation+in+Alzheimer's+disease.">Positive feedback regulation of microglial glucose metabolism by histone h4 lysine 12 lactylation in Alzheimer's disease.</a> Cell Metab. 34 (4), 634-648 (2022).</li><li>Hansen, D. V., Hanson, J. E., Sheng, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Microglia+in+Alzheimer's+disease.">Microglia in Alzheimer's disease.</a> J Cell Biol. 217 (2), 459-472 (2018).</li><li>Brandebura, A. N., Paumier, A., Onur, T. S., Allen, N. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Astrocyte+contribution+to+dysfunction,+risk+and+progression+in+neurodegenerative+disorders.">Astrocyte contribution to dysfunction, risk and progression in neurodegenerative disorders.</a> Nat Rev Neurosci. 24 (1), 23-39 (2023).</li><li>Peng, L., Bestard-Lorigados, I., Song, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+synapse+as+a+treatment+avenue+for+Alzheimer's+disease.">The synapse as a treatment avenue for Alzheimer's disease.</a> Mol Psychiatry. 27 (7), 2940-2949 (2022).</li><li>Tubi, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=White+matter+hyperintensities+and+their+relationship+to+cognition:+Effects+of+segmentation+algorithm.">White matter hyperintensities and their relationship to cognition: Effects of segmentation algorithm.</a> Neuroimage. 206, 116327 (2020).</li><li>Wu, H., Kirita, Y., Donnelly, E. L., Humphreys, B. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Advantages+of+single-nucleus+over+single-cell+RNA+sequencing+of+adult+kidney:+Rare+cell+types+and+novel+cell+states+revealed+in+fibrosis.">Advantages of single-nucleus over single-cell RNA sequencing of adult kidney: Rare cell types and novel cell states revealed in fibrosis.</a> J Am Soc Nephrol. 30 (1), 23-32 (2019).</li><li>Soreq, L., Bird, H., Mohamed, W., Hardy, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Single-cell+RNA+sequencing+analysis+of+human+Alzheimer's+disease+brain+samples+reveals+neuronal+and+glial+specific+cells+differential+expression.">Single-cell RNA sequencing analysis of human Alzheimer's disease brain samples reveals neuronal and glial specific cells differential expression.</a> PLoS One. 18 (2), e0277630 (2023).</li><li>Sadick, J. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Astrocytes+and+oligodendrocytes+undergo+subtype-specific+transcriptional+changes+in+Alzheimer's+disease.">Astrocytes and oligodendrocytes undergo subtype-specific transcriptional changes in Alzheimer's disease.</a> Neuron. 110 (11), 1788-1805 (2022).</li><li>Chen, Y., Colonna, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Microglia+in+Alzheimer's+disease+at+single-cell+level.+Are+there+common+patterns+in+humans+and+mice.">Microglia in Alzheimer's disease at single-cell level. Are there common patterns in humans and mice.</a> J Exp Med. 218 (9), e20202717 (2021).</li><li>Brase, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Single-nucleus+RNA-sequencing+of+autosomal+dominant+Alzheimer+disease+and+risk+variant+carriers.">Single-nucleus RNA-sequencing of autosomal dominant Alzheimer disease and risk variant carriers.</a> Nat Commun. 14 (1), 2314 (2023).</li><li>Ringner, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=What+is+principal+component+analysis.">What is principal component analysis.</a> Nat Biotechnol. 26 (3), 303-304 (2008).</li><li>Korsunsky, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=sensitive+and+accurate+integration+of+single-cell+data+with+harmony.">sensitive and accurate integration of single-cell data with harmony.</a> Nat Methods. 16 (12), 1289-1296 (2019).</li><li>Vegeto, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+sex+and+sex+hormones+in+neurodegenerative+diseases.">The role of sex and sex hormones in neurodegenerative diseases.</a> Endocr Rev. 41 (2), 273-319 (2020).</li><li>Hafemeister, C., Satija, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Normalization+and+variance+stabilization+of+single-cell+RNA-seq+data+using+regularized+negative+binomial+regression.">Normalization and variance stabilization of single-cell RNA-seq data using regularized negative binomial regression.</a> Genome Biol. 20 (1), 296 (2019).</li></ol>

Bu yazıda herhangi bir çıkar çatışması yoktur ve tüm yazarlar yayınlanmak üzere gönderimi onaylamıştır.

AD19'un epidemiyolojisi, patolojisi ve klinik bulgularında cinsiyete özgülük tanımlanmıştır. Burada, Alzheimer hastalarında cinsiyete özgü glial genlerden ve ilgili yolaklardan "hormon-sinaps-nöron ekseni"nin potansiyel patolojik mekanizmasını doğruladık. NLGN4Y, üç glia'da paylaşılan tek gendi ve AD'nin cinsiyet özgüllüğü için biyobelirteç olarak seçildi. NLGN4Y'yi düzenleyen TF ve miRNA'lar, cinsiyet farklılıkları ve sinir sisteminin gelişimi ile güçlü bir şe...

Alzheimer hastalığı (AH), görülme sıklığı yüksek küresel bir hastalıktır ve demansın %60-80'ini oluşturur1. Yüksek insidansına rağmen, AH'nin mekanik patogenezi net olarak tanımlanmamıştır ve şimdiye kadar etkili bir terapötik yoktur2. AD'deki ana patolojiler nöronal atrofi ve başta mikrotübül ilişkili protein Tau ve β-amiloid (Aβ) olmak üzere patolojik döküntü birikimi olarak tanımlandı3,4. AD'nin patogenezi anormal otofaji, oksidatif stres, mitokondriyal disfonksiyon, inflamasyon ve enerji metabolizması bozukluğu ile ilişkilidir5. Prevalans araştırmaları, Alzheimer hastalarının üçte ikisinin kadın olduğunu kanıtlamıştır6. Alzheimer'da etiyoloji, klinik bulgular, korunma ve tedavide cinsiyete özgü farklılıklar vardır. Bu nedenle, AH'de cinsiyete özgü farklılıklara neden olan biyolojik mekanizmayı ortaya çıkarmak ve geleneksel Çin tıbbını (TCM) hedeflemek, AH'nin patogenezini anlamak ve doğru tedavi stratejisine daha fazla rehberlik etmek için potansiyel olarak daha kapsamlı bir teorik çerçeve sağlayabilir.
Nöroglial hücreler, özellikle mikroglia, astrositler ve oligodendrositler, potansiyel olarak AD patogenezine katkıda bulunur. AD'de, mikroglia aktive edilir ve genetik olarak değiştirilir, bu da inflamatuar yanıta, fagositoza ve Aβ klerensinekatkıda bulunur 7,8; astrosit genetik olarak değiştirilmiştir, bu da sinaptik aktiviteyi, iyon homeostazını ve enerji ve lipid metabolizmasını etkiler9; Oligodendrosit, nöronal kayba, nörofibriler yumaklara ve beyaz cevher lezyonlarına katkıda bulunan cinsiyet özgüllüğü ile genetik olarak değiştirilir10,11.
Bu çalışmada üstün bir teknik olarak tek çekirdekli RNA dizileme (snRNA-seq) kullanılmıştır. Tek hücreli RNA dizilimi (scRNA-dizilimi) ile karşılaştırıldığında, snRNA-dizimi, örneklem zenginliği, hücre tipi bütünlüğü ve veri güvenilirliği açısından avantajlar sunar 12,13. SnRNA-seq, AD'ye odaklanan ve glial hücrelerin rolünü araştıran çalışmalarda yaygın olarak kullanılmaktadır 14,15,16. Bu araştırma alanlarındaki geniş kabulü, AD'deki glial hücrelerin transkripsiyonel özellikleri hakkında değerli bilgiler sağlamadaki etkinliğini vurgulamaktadır. Araştırmacılar, snRNA-seq'in avantajlarından yararlanarak, GLAL hücrelerin AD patolojisine katılımı ile ilgili önemli bilgileri ortaya çıkarabildiler ve potansiyel terapötik hedefleri belirleyebildiler. AD'de cinsiyete özgü nöroglial transkripsiyonel özellikleri ve AD'nin cinsiyet özgüllüğü için potansiyel TCM'leri araştırmak için, bu çalışma, NCBI GEO genel veri tabanından AD hastalarının frontal korteksinden snRNA-seq verilerini analiz etti. Cinsiyete özgü diferansiyel olarak ifade edilen genler (DEG'ler), Gen Ontolojisi (GO), Kyoto Genler ve Genomlar Ansiklopedisi (KEGG), Protein-protein etkileşimi (PPI) ağı ve gen-TF-miRNA ağı, temel biyobelirteçleri ve potansiyel patogenezi ortaya çıkarmak için daha fazla analiz edilir. Son olarak, potansiyel TCM'ler önerildi ve aktif bileşenleri Coremine Medical, TCMIP ve TCMSP veri tabanlarında arama yapılarak tablolarla gösterildi.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Database</td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Coremine Medical database</td>
			<td>Jointly developed by Norway, the Chinese Academy of Sciences, the Chinese Academy of Medical Sciences, the National Medical Library of the United States and other institutions</td>
			<td></td>
			<td>When you explore concepts in CoreMine Medical you access a database that is structured to relate important concepts, ranked by statistical relevance, to your topic. For example, if you type in &#34;Alzheimer disease,&#34; in addition to retrieving documents and resources that discuss the disease, you will be able to view networks and lists that show how your query concept is related to other bio-medical concepts. This provides an overview of concepts that relate to your search as well as being an interface for navigating information on these concepts. 
			Weblink: https://coremine.com/medical/</td>
		</tr>
		<tr>
			<td>Gene Expression Omnibus (GEO)</td>
			<td>National Center for Biotechnology Information in the United States (NCBI)</td>
			<td></td>
			<td>GEO is a public functional genomics data repository supporting MIAME-compliant data submissions. Array- and sequence-based data are accepted. Tools are provided to help users query and download experiments and curated gene expression profiles. 
			Weblink: https://www.ncbi.nlm.nih.gov/geo/</td>
		</tr>
		<tr>
			<td>Integrative Pharmacology-based Research Platform of Traditional Chinese Medicine (TCMIP, version: 2.0)</td>
			<td>None</td>
			<td></td>
			<td>Introduction to the Integrated Pharmacology Based Network Computational Research Platform for Traditional Chinese Medicine [TCMIP v2.0], http://www.tcmip.cn/ ) It is an intelligent data mining platform based on the online database of the Encyclopedia of Traditional Chinese Medicine (ETCM), which integrates medical big data management and pharmacological computing services. It aims to reveal the scientific connotation of traditional Chinese medicine theory and the scientific value of original thinking in traditional Chinese medicine, summarize and pass on the experience of famous doctors, control the quality of traditional Chinese medicine, explain the principles of traditional Chinese medicine action, research and development of new Chinese medicine, especially the discovery and optimization of modern drug combinations, Provide a strong data foundation and analytical tools. Based on TCMIP v1.0, a comprehensive upgrade is implemented, including five major databases and seven functional modules. Through system integration and module integration, a comprehensive analysis of the multi-level correlation of the &#34;disease syndrome prescription&#34; interaction network can be quickly achieved. As an intelligent data mining platform, TCMIP v2.0 will provide a strong data foundation and analysis platform for revealing the scientific connotation of traditional Chinese medicine theory and the scientific value of original thinking in traditional Chinese medicine, summarizing and inheriting the experience of famous doctors, quality control of traditional Chinese medicine, elucidating the principles of traditional Chinese medicine action, research and development of new traditional Chinese medicine drugs, especially modern drug combination discovery and optimization. 
			Weblink: http://www.tcmip.cn/TCMIP&#160;</td>
		</tr>
		<tr>
			<td>NetworkAnalyst</td>
			<td>None</td>
			<td></td>
			<td>Networkanalyze is an online visualization analysis platform for gene expression analysis and meta-analysis. It can perform comparative, quantitative, differential and enrichment analysis of gene expression, protein-protein interaction analysis, integration analysis of multiple datasets, and can also draw high-value images such as PCA, protein-protein interaction network diagram, heatmap, volcano diagram, Wayne diagram, etc. 
			Weblink: https://www.networkanalyst.ca/NetworkAnalyst/</td>
		</tr>
		<tr>
			<td>PubMed database</td>
			<td>National Center for Biotechnology Information in the United States (NCBI)</td>
			<td></td>
			<td>The Pubmed database is a biomedical literature database maintained by the National Library of Medicine (NLM) in the United States, aimed at providing the latest medical research results to scientists, doctors, researchers, and students worldwide. This database collects biomedical literature from around the world, including journal articles, papers, books, etc. As of now, the Pubmed database has collected over 30 million articles and is continuously updated every week. 
			Weblink: https://pubmed.ncbi.nlm.nih.gov/</td>
		</tr>
		<tr>
			<td>R software</td>
			<td>Ross Ihaka and Robert Gentleman</td>
			<td></td>
			<td>R is a language and environment for statistical computing and graphics. It is a GNU project which is similar to the S language and environment which was developed at Bell Laboratories (formerly AT&#38;T, now Lucent Technologies) by John Chambers and colleagues. R can be considered as a different implementation of S. There are 
			some important differences, but much code written for S runs unaltered under R. 
			Weblink: https://www.r-project.org/</td>
		</tr>
		<tr>
			<td>STRING database (STRING, version 11.0)&#160;</td>
			<td>Swiss Institute of Bioinformatics</td>
			<td></td>
			<td>STRING is a database of known and predicted protein interactions. The interactions include direct (physical) and indirect (functional) associations 
			Weblink: https://string-db.org/</td>
		</tr>
		<tr>
			<td>Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform (TCMSP)</td>
			<td>Zhejiang Jiuwei Health Co., Ltd</td>
			<td></td>
			<td>TCMSP is not only a data repository, but also an analysis platform for users to comprehensively study Traditional Chinese Medicines (TCM): including identification of active components, screening of drug targets and generation of compounds-targets-diseases networks, as well as the detailed drug pharmacokinetic information involving drug-likeness (DL), oral bioavailability (OB), blood-brain barrier (BBB),intestinal epithelial permeability (Caco-2), ALogP,fractional negative surface area (FASA-) and number of &#160;H-bond&#160;donor/acceptor &#160;(Hdon/Hacc). So far, TCMSP has attracted broad attentions and several groups have published more than 10 papers by using our TCMSP database within about one year. 
			Weblink: https://tcmsp-e.com</td>
		</tr>
	</tbody>
</table>

biomarker identification for gender specificity of alzheimer's disease based on the glial transcriptome profiles

Alzheimer hastalığında (AD) son zamanlarda cinsiyete özgü birçok biyobelirteç ortaya çıkmıştır; Bununla birlikte, serebral glial hücreler nadiren bildirilmiştir. Bu çalışma, GEO veritabanındaki otuz üç AD bireyinin frontal korteksinden 220.095 tek çekirdekli transkriptomu analiz etti. Cinsiyete özgü Diferansiyel Olarak İfade Edilen Genler (DEG'ler), astrositlerde 243, mikroglialarda 1.154 ve oligodendrositlerde 572 dahil olmak üzere glial hücrelerde tanımlanmıştır. Gen Ontolojisi (GO) fonksiyonel açıklama analizleri ve Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) yolak zenginleştirme analizleri, sinaptik, nöral ve hormonla ilgili yolaklarda fonksiyonel konsantrasyonu ortaya çıkardı. Protein-protein etkileşim ağı (PPI), astrositlerde MT3, CALM2, DLG2, KCND2, PAKACB, CAMK2D ve NLGN4Y'yi, mikroglia'da TREM2, FOS, APOE, APP ve NLGN4Y'yi ve oligodendrositlerde GRIN2A, ITPR2, GNAS ve NLGN4Y'yi anahtar genler olarak tanımladı. NLGN4Y, üç glia tarafından paylaşılan tek gendi ve AD'nin cinsiyet özgüllüğü için biyobelirteç olarak tanımlandı. Gen transkripsiyon faktörü (TF)-miRNA düzenleyici ağı, NLGN4Y ve hedef TCM'leri için anahtar düzenleyicileri tanımladı. Ecklonia kurome Okam (Kunbu) ve Herba Ephedrae (Mahuang) tanımlandı ve aktif bileşenlerin AD üzerindeki etkileri gösterildi. Son olarak, Kunbu ve Mahuang'ın zenginleştirme analizi, AD'nin cinsiyet özgüllüğü için terapötik adaylar olarak hareket edebileceklerini düşündürmektedir.

Alzheimer&#39;s disease (AD) is a global disease with high incidence, and it accounts for 60%-80% of dementia1. Despite its high incidence, the mechanistic pathogenesis of AD is not clearly delineated, and there have been no effective therapeutics until now2. The main pathologies in AD were identified as neuronal atrophy and the accumulation of pathological debris, mainly microtubule-associated protein Tau, and &#946;-amyloid (A&#946;)3,4. The pathogenesis of AD is associated with abnormal autophagy, oxidative stress, mitochondrial dysfunction, inflammation, and energy metabolism disorder5. Prevalence surveys proved that two-thirds of AD patients were women6. Sex-specific differences in AD exist in the etiology, clinical manifestations, prevention, and treatment. Thus, revealing the biological mechanism that causes sex-specific differences in AD and targeting traditional Chinese medicine (TCM) can potentially provide a more comprehensive theoretical framework to understand the pathogenesis of AD, and to further guide accurate treatment strategy.
Neuroglial cells, especially microglia, astrocytes, and oligodendrocytes, potentially contribute to the pathogenesis of AD. In AD, microglia are activated and genetically altered, which contribute to inflammatory response, phagocytosis, and A&#946; clearance7,8; astrocyte is genetically altered, which affects synaptic activity, ion homeostasis, and energy and lipid metabolism9; oligodendrocyte is genetically altered with sex specificity, which contributes to neuronal loss, neurofibrillary tangles, and white matter lesions10,11.
In this study, we employed single-nuclei RNA sequencing (snRNA-seq) as a superior technique. Compared to single-cell RNA sequencing (scRNA-seq), snRNA-seq offers advantages in terms of sample richness, cell type integrity, and data reliability12,13. SnRNA-seq has been extensively utilized in studies focusing on AD and exploring the role of glial cells14,15,16. Its wide adoption in these research areas highlights its effectiveness in providing valuable insights into the transcriptional characteristics of glial cells in AD. By leveraging the advantages of snRNA-seq, researchers have been able to uncover crucial information regarding the involvement of glial cells in AD pathology and identify potential therapeutic targets. In order to explore sex-specific neuroglial transcriptional characteristics in AD and potential TCMs for sex specificity of AD, this study analyzed snRNA-seq data from the frontal cortex of AD patients from the NCBI GEO public database. Sex-specific differentially expressed genes (DEGs), Gene Ontology (GO), Kyoto Encyclopedia of Genes and Genomes (KEGG), Protein-protein interaction (PPI) network, and gene-TF-miRNA network are further analyzed to reveal key biomarkers and potential pathogenesis. Finally, potential TCMs were suggested, and their active ingredients were displayed with tables by searching the Coremine Medical, TCMIP, and TCMSP databases.

Yazar Spotlight: Alzheimer Hastalığı için Cinsiyete Özgü Glial İmzaları ve Terapötik Öncüleri Keşfetmek

Alzheimer Hastalığının Cinsiyet Özgüllüğü için Glial Transkriptom Profillerine Dayalı Biyobelirteç Tanımlaması

Frontal glial transkriptom profillerinin SnRNA-seq analizi ve hücre tiplerinin açıklanması Toplamda, 17 erkek AD ve 17 kadın AD'nin frontal korteksinde 220.095 çekirdek ve 32.077 gen elde edildi (Şekil 1A). UMAP grafiği, boyut azaltma analizinden sonra farklı çekirdek tiplerini gösteren toplam tek çekirdekli frontal transkriptomları görselleştirdi (Şekil 1B). 58.902 astrosit, 14.265 mikroglia, 77.466 oligodendrosit, 3.520 endo...

Bu çalışma, Alzheimer hastalığı (AD) olan otuz üç bireyin tek çekirdekli transkriptomlarını analiz etti ve glial hücrelerde cinsiyete özgü DEG'leri ortaya çıkardı. Fonksiyonel zenginleştirme analizi sinaptik, nöral ve hormonla ilişkili yolakları vurguladı. Anahtar genler, yani NLGN4Y ve düzenleyicileri tanımlandı ve cinsiyete özgü AD için potansiyel terapötik adaylar önerildi.

Many sex-specific biomarkers have been recently revealed in Alzheimer&#39;s disease (AD); however, cerebral glial cells were rarely reported. This study ...

Araştırmamız, glial hücrelerde cinsiyete özgü genleri tanımlamayı, ilişkili yolları keşfetmeyi ve TCM'nin Alzheimer hastalığı üzerindeki potansiyel terapötik etkilerini değerlendirmeyi amaçlamaktadır. Mevcut protokol, biyoinformatik analiz yoluyla GEO veri tabanından çok sayıda tek çekirdekli transkriptomu analiz eder. Protokolümüz, tek hücreli çözünürlük, biyobelirteç keşfinin CTAP tanımlaması ve farklı cinsiyetlerde büyümenin karşılaştırılması dahil olmak üzere avantajlar sunar.Laboratuvarımız, nörolojik bozuklukların tedavisini geliştirmek için akupunktur kullanımına odaklanan bir parametre ile sinirbilim alanına odaklanacaktır.

biomarker-identification-for-gender-specificity-alzheimer-s-disease

Research

JoVE Journal

Neuroscience

Biomarker Identification for Gender Specificity of Alzheimer's Disease Based on the Glial Transcriptome Profiles

638 Görüntüleme.  Chengdu University of Traditional Chinese Medicine. Araştırmamız, glial hücrelerde cinsiyete özgü genleri tanımlamayı, ilişkili yolları keşfetmeyi ve TCM'nin Alzheimer hastalığı üzerindeki potansiyel terapötik etkilerini değerlendirmeyi amaçlamaktadır. Mevcut protokol, biyoinformatik analiz yoluyla GEO veri tabanından çok sayıda tek çekirdekli transkriptomu analiz eder. Protokolümüz, tek hücreli çözünürlük, biyobelirteç keşfinin CTAP tanımlaması ve farklı cinsiyetlerde büyümenin karşılaştırılması dah...

Video: Yazar Spotlight: Alzheimer Hastalığı için Cinsiyete Özgü Glial İmzaları ve Terapötik Öncüleri Keşfetmek

Many sex-specific biomarkers have been recently revealed in Alzheimer&#39;s disease (AD); however, cerebral glial cells were rarely reported. This study analyzed 220,095 single-nuclei transcriptomes from the frontal cortex of thirty-three AD individuals in the GEO database. Sex-specific Differentially Expressed Genes (DEGs) were identified in glial cells, including 243 in astrocytes, 1,154 in microglia, and 572 in oligodendrocytes. Gene Ontology (GO) functional annotation analyses and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analyses revealed functional concentration in synaptic, neural, and hormone-related pathways. Protein-protein interaction network (PPI) identified MT3, CALM2, DLG2, KCND2, PAKACB, CAMK2D, and NLGN4Y in astrocytes, TREM2, FOS, APOE, APP, and NLGN4Y in microglia, and GRIN2A, ITPR2, GNAS, and NLGN4Y in oligodendrocytes as key genes. NLGN4Y was the only gene shared by the three glia and was identified as the biomarker for the gender specificity of AD. Gene-transcription factor (TF)-miRNA coregulatory network identified key regulators for NLGN4Y and its target TCMs. Ecklonia kurome Okam (Kunbu) and Herba Ephedrae (Mahuang) were identified, and the effects of the active ingredients on AD were displayed. Finally, enrichment analysis of Kunbu and Mahuang suggested that they might act as therapeutic candidates for gender specificity of AD.

This study analyzed single-nuclei transcriptomes of thirty-three individuals with Alzheimer's disease (AD), revealing sex-specific DEGs in glial cells. Functional enrichment analysis highlighted synaptic, neural, and hormone-related pathways. Key genes, namely NLGN4Y and its regulators, were identified, and potential therapeutic candidates for gender-specific AD were proposed.