Otoimmün hastalıkların metabolik yolaklarının transkriptomik verilerle bütünleşik incelenmesi

Abstract

Makrofajlar, monositler, T hücreleri ve B hücreleri gibi bağışıklık hücrelerinin otoimmün hastalıkların üstündeki etkisine ilişkin belirsizlikler devam etmektedir. Bu çalışmanın amacı, otoimmün hastalıklarda rol oynayan metabolik yolakları belirlemek ve potansiyel tedavi hedeflerini tespit etmektir. Tip 1 Diyabet, Sistemik Lupus Eritematozus, Vitiligo, Sjögren Sendromu, Parkinson Hastalığı, Amiyotrofik Lateral Skleroz (ALS), Multipl Skleroz ve Romatoid Artrit hastalarından elde edilen periferik kan mononükleer hücrelerinin (PBMC) transkriptomik veri kümeleri analiz edilmiştir. Açık erişim veritabanlarından elde edilen veriler, GIMME algoritması kullanılarak RECON3D insan metabolik ağ modeline entegre edilmiştir. Hastalıklı ve sağlıklı örnekler arasındaki farklı gen ekspresyon profilleri, farklı reaksiyon ifade profilleri ve bu profiller ile ilişkili metabolik yolaklar belirlenmiştir. Reaksiyon akıları için ACHR algoritması ile yapılan analizde, ortak reaksiyonların akı dağılımları incelenmiş, Reaksiyon Seti Zenginleştirme Analizi (RSEA) ile aşağı doğru regüle ve yukarı doğru regüle reaksiyonlarla zenginleşmiş metabolik yolaklar tespit edilmiştir. Sonuçlar, Tip 1 Diyabet ve ALS modelleri arasında yüksek benzerlik ve Parkinson Hastalığı ile ALS modelleri arasında düşük benzerlik olduğunu göstermiştir. Pürin ve pirimidin metabolizmasının otoimmün hastalıkların patogenezinde kritik rol oynadığı ve bu yolakların hedeflenmesinin potansiyel tedavi stratejileri sunabileceği belirlenmiştir. Bu çalışma, otoimmün hastalıkların moleküler mekanizmalarının anlaşılmasına ve tedavi hedeflerinin belirlenmesine katkı sağlamaktadır. Ancak, bu hastalıkların genetik ve çevresel faktörlerle etkileşimi üzerine daha fazla araştırma gerekmektedir. Genetik varyantların ve çevresel tetikleyicilerin metabolik yolaklar üzerindeki etkisinin ayrıntılı bir şekilde incelenmesi, hastalık gelişimini daha iyi anlamamıza ve kişiselleştirilmiş tedavi yaklaşımlarının geliştirilmesine yardımcı olabilir. Bu bağlamda, geniş ölçekli genomik ve metabolomik çalışmaların yapılması, otoimmün hastalıkların tedavisinde yeni ufuklar açabilir ve daha etkili tedavi stratejileri geliştirilmesine olanak sağlayabilir.

Uncertainties remain regarding the roles of immune cells such as macrophages, monocytes, T cells, and B cells in autoimmune diseases. This study aims to identify metabolic pathways involved in autoimmune diseases using transcriptomic data and determine potential therapeutic targets. Transcriptomic datasets of peripheral blood mononuclear cells (PBMCs) from patients with Type 1 Diabetes, Systemic Lupus Erythematosus, Vitiligo, Sjögren's Syndrome, Parkinson's Disease, Amyotrophic Lateral Sclerosis (ALS), Multiple Sclerosis, and Rheumatoid Arthritis were analyzed. Data from open-access databases were integrated into the RECON3D human metabolic network model using the GIMME algorithm. Differential gene expression profiles, reaction expression profiles, and associated metabolic pathways between diseased and healthy samples were identified. The ACHR algorithm was used for reaction flux analysis, examining flux distributions of common reactions. Reaction Set Enrichment Analysis (RSEA) identified metabolic pathways enriched with differentially fluxed upregulated and downregulated reactions. Results revealed high similarity between Type 1 Diabetes and ALS models and low similarity between Parkinson's Disease and ALS models. Purine and pyrimidine metabolism were found to play critical roles in autoimmune disease pathogenesis, suggesting that targeting these pathways could offer therapeutic strategies. This study enhances the understanding of molecular mechanisms in autoimmune diseases and helps identify therapeutic targets. However, more research is needed on the interaction between these diseases and genetic and environmental factors. Detailed examination of genetic variants and environmental triggers affecting these metabolic pathways could improve our understanding of disease development and facilitate personalized treatment approaches. Large-scale genomic and metabolomic studies could open new horizons in treating autoimmune diseases.