動脈粥樣硬化是由脂質在血管壁積累造成的一種復雜疾病, 受多種遺傳因素和環境因素影響。本文為了更好地理解動脈粥樣硬化的分子調控機制, 構建了與動脈粥樣硬化相關的蛋白質互作網絡。首先從核酸數據庫和生物分子對象網絡數據庫(BOND)中下載相關的基因數據以及互作信息, 將數據導入Cytoscape軟件構建蛋白質互作網絡, 利用度分布挖掘Hub蛋白, 借助KOBAS 2.0在線服務器來識別顯著相關的通路和疾病, 最后構建出與疾病相關的生物學通路網絡。總之, 本文挖掘出了一系列與動脈粥樣硬化相關的關鍵分子, 這些關鍵分子有可能成為有效預防動脈粥樣硬化或相關治療藥物的新靶標。
引用本文： 李趣歡, 顧珊珊, 李娜, 李圳陽, 賴文龍, 曾楊. 動脈粥樣硬化分子互作網絡的構建及生物學通路分析. 生物醫學工程學雜志, 2015, 32(6): 1255-1260. doi: 10.7507/1001-5515.20150223 復制
0 引言
心血管疾病是全球高死亡率疾病，每年約有1 500萬人死于心血管疾病，其中以冠心病和腦卒中為主[1]。動脈粥樣硬化(atherosclerosis)是心血管疾病發生的重要誘因。近年來，盡管動脈粥樣硬化的預防、診斷和治療引起了人們廣泛關注，但其病理機制并未完全明了，并且部分治療該疾病的藥物具有一定的毒副作用，因此尋找有效藥物靶標成為研究治療動脈粥樣硬化的一個重要方向[2]。
隨著高通量測序技術的引入和“大數據”處理能力的提高，使得人們能從系統的角度去理解多種復雜疾病的發生機制。通過生物信息學手段從海量數據中挖掘與動脈粥樣硬化發生發展相關的信息是了解和治療該疾病的一個有效手段。本研究中，通過構建與動脈粥樣硬化相關的蛋白質互作網絡，分析蛋白質網絡的拓撲結構，尋找互作網絡中具有高連接數的蛋白，即Hub蛋白。這些蛋白作為網絡中的樞紐，在生物體內發揮著關鍵作用，有可能成為潛在的藥物或者疫苗靶標的分子[3]。另外，利用已建立的互作網絡和已獲得的Hub蛋白信息，篩選與動脈粥樣硬化相關的生物學通路，從而建立生物學通路與關鍵Hub蛋白之間的關聯，進一步構建動脈粥樣硬化的生物學通路網絡，不僅從系統、整體水平上給人們提供一種新的疾病理解方式，對于該疾病治療方案的制定亦能提供重要的參考價值。
1 材料與方法
1.1 動脈粥樣硬化相關基因的收集
本文采用的基因數據從美國國立生物技術信息中心(National Center of Biotechnology Information, NCBI)的核酸子數據庫( http://www.ncbi.nlm.nih.gov/nuccore/)下載。通過關鍵詞搜索獲得354個動脈粥樣硬化相關的人類基因，并通過查閱動脈粥樣硬化相關文獻來驗證關鍵分子的功能，以確保研究的可靠性。
1.2 動脈粥樣硬化相關的分子互作網絡的構建
文章利用開源軟件Cytoscape和生物分子對象網絡數據庫(Biomolecular Object Network Database, BOND)來構建分子互作網絡圖。BOND是一個包含蛋白質、核酸、脂質和糖類等物質之間相互作用的生物信息數據庫[4]。將已獲取的354個與動脈粥樣硬化相關的人類基因逐個輸入BOND進行查詢，以獲得互作數據，保存數據為SIF格式文件。將所有互作數據整合后作為輸入文件導入軟件Cytoscape中。隨后，以動脈粥樣硬化相關的互作分子作為結點，分子間的相互作用關系為邊，構建分子互作網絡[5]。經過插件Filter的過濾處理，只保留蛋白質-蛋白質相互作用，并進行可視化優化。同時利用插件Network Analyzer對互作網絡進行拓撲分析，計算網絡中結點的度及相關聚類系數[6]，尋找連接數較高的Hub結點，在這里定義度大于10的結點蛋白為Hub蛋白。
1.3 動脈粥樣硬化相關通路及疾病的收集
本文使用基于京都基因與基因組百科全書的直系同源注釋系統(KEGG Orthology-Based Annotation System, KOBAS)的網絡服務( http://kobas.cbi.pku.edu.cn/)來挖掘與疾病相關的通路[
| $P=1-\sum\limits_{i=0}^{m-1}{\frac{\left(_{i}^{M} \right)\left(_{n-i}^{N-M} \right)}{\left(_{n}^{N} \right)}}$ |
1.4 動脈粥樣硬化相關通路網絡圖的構建
分析獲得的通路和Hub蛋白，利用公共結點及具有統計學意義的生物通路，打開相應鏈接，在數據庫中搜索通路圖。這些復雜通路圖往往是由多條路徑組合而成，在圖中標出Hub結點。收集所有15條通路中包含Hub結點的路徑及其細胞效應，再利用Cytoscape軟件作出相應的通路網絡圖。
2 結果與分析
2.1 動脈粥樣硬化相關分子互作網絡的構建與分析
從BOND數據庫中下載得到分子互作數據，利用Cytoscape工具構建互作網絡，對網絡進行過濾和可視化，得到一個由3 142個結點和4 012條互作邊的高可信度網絡，如圖 1所示，其中局部圖為整體圖中矩形框所示區域的放大圖。
圖1
與動脈粥樣硬化相關的蛋白互作網絡
Figure1.
Atherosclerosis-related protein-protein interaction network
基于互作網絡，尋找連接數較高的Hub結點。一般來說，連接數越高，表示該結點的分子與越多的基因或者蛋白質相互作用，這意味著，該分子可能在動脈粥樣硬化形成的病理過程中起著越重要的作用。經過人工篩選剔除非人源蛋白，從互作網絡中篩選度大于10的Hub結點，得到102個Hub蛋白，其中度大于20的Hub結點有17個，在本文中定義為風險蛋白，如表 1所示。
表1
動脈粥樣硬化相關Hub蛋白
Table1.
Atherosclerosis-related Hub proteins
許多風險蛋白在代謝過程或信號轉導途徑中起著重要的作用。已有文獻報道其中6個與動脈粥樣硬化有明確的關系[8-9]，見表 1標記為星號的Hub結點。以F2為例，F2凝血酶原是凝血因子之一，在凝血機制中起著核心作用，在凝血級聯反應的第一步中裂解，最終導致血液的凝固，它的突變會導致各種形式的血栓和異常凝血酶原血癥[8]。同樣，對于基質金屬蛋白激酶MMP3，該酶不僅能降解纖維連接蛋白、層粘連蛋白、膠原蛋白Ⅲ、Ⅳ、Ⅸ和Ⅹ以及軟骨蛋白多糖，還在損傷修復、動脈粥樣硬化以及腫瘤遷移等生理病理過程中發揮作用[9]。
2.2 動脈粥樣硬化相關通路的識別
將連接數大于10的蛋白輸入KOBAS 2.0，選擇京都基因與基因組通路數據庫(Kyoto Encyclopedia of Genes and Genomes Pathway, KEGG Pathway)，通路相互作用數據庫(Pathway Interaction Database, PID)和人類生物學反應數據庫(Reactome)等數據庫，得到160條分布密集且具有統計學意義的生物學通路。本文選擇校正P值最小的15條通路進行研究，這些生物學通路出自不同的通路數據庫，主要為KEGG Pathway、PID以及Reactome，如表 2所示。
表2
與動脈粥樣硬化相關的信號通路
Table2.
Atherosclerosis-related biological signaling pathways
在預測的15條通路中，已有8條通路被驗證與動脈粥樣硬化相關，見表 2中為標記星號的通路。例如，止血過程通路(Hemostasis)，該通路的異常與動脈粥樣硬化過程中的斑塊破裂血栓事件有密切關系[10]。血小板衍生生長因子受體信號通路(PDGFR-beta signaling pathway)參與了血管重塑和血管損傷新生內膜的形成，這是動脈粥樣硬化發展過程的重要事件[11]。血管內皮生長因子信號通路(VEGF signaling pathway)參與新血管生成，涉及到血管內皮細胞生長、轉移和存活等過程，同時血管內皮生長因子介導的血管滲透性可能與巨噬細胞的遷移有關[12]。
此外，動脈粥樣硬化作為一種血管壁的慢性炎癥[13]，其免疫過程的各種通路往往在動脈粥樣硬化過程中發揮著重要作用，這包括免疫系統信號通路(Signaling in immune system)、T細胞受體信號通路(T cell receptor signaling pathway)和趨化因子信號通路(Chemokine signaling pathway)。以胰島素分泌異常為特征的糖尿病是動脈粥樣硬化的危險因素之一[14]，因此胰島素信號通路(Insulin signaling pathway)以及Ⅱ型糖尿病通路(TypeⅡdiabetes mellitus)與動脈粥樣硬化的發生密切相關。另外，從表 2可知，動脈粥樣硬化的存在亦可能與其它疾病的發生相關，如癌癥通路(Pathways in cancer)、小細胞肺癌通路(Small cell lung cancer)、前列腺癌通路(Prostate cancer)等，該結果有待于進一步驗證。
分析所得通路和Hub蛋白，收集映射到每一條通路相關的Hub蛋白的序列編號，找到相應的蛋白名稱，將其作為公共蛋白，連接不同的通路。手動建立通路與蛋白之間的相互作用信息，生成一個SIF格式的映射文件，導入到開源軟件Cytoscape中，以Hub蛋白和通路作為結點，映射關系作為邊，構建一張Hub蛋白與篩選出的通路之間的映射圖，再進行度分布的分析以及映射圖的可視化優化，得到的結果如圖 2所示，橢圓高度越高，表示連接度越大。
圖2
動脈粥樣硬化Hub蛋白和相關通路的映射圖
Figure2.
Map of the atherosclerosis Hub protein and related pathway
依據結點的連接數越大則該結點在網絡中越重要的原則，在以上的映射網絡中，蛋白ERK2、p85、CDC42、FAK等存在于多個通路中，表明這些蛋白可能會在通路網絡中起到重要作用，在構建通路網絡的過程中應重點關注這些蛋白，它們對于通路網絡的連接意義很大。此外，由度分布分析可以看到止血通路、癌癥信號通路、免疫系統信號通路以及T細胞受體信號通路等通路可能會在通路網絡中起重要作用。
2.3 動脈粥樣硬化相關疾病的識別
本研究選擇了KEGG數據庫，基因關聯數據庫(Genetic Association Database, GAD)和人類孟德爾遺傳數據庫(Online Mendelian Inheritance in Man, OMIM)，剔除相同疾病，得到97種具有統計意義的疾病，其校正P值小于0.05。選擇校正P值最小的20種相關疾病進行分析，有10種明顯與動脈粥樣硬化相關，該結果與預期的符合表明了本研究的可靠性。例如動脈硬化性頸動脈狹窄(carotid artery stenosis)、心血管疾病(cardiovascular)、動脈粥樣硬化(atherosclerosis)、冠狀動脈(coronary)和動脈血壓(arterial blood pressure)等心血管疾病。
本研究發現一系列與動脈粥樣硬化關系密切的疾病。中風(stroke)和局部缺血(ischemic)，常常是由動脈粥樣硬化斑塊破裂引起血管堵塞或者是血管狹窄，尤其是頸動脈血管病變造成的。前人研究表明，患有系統性紅斑狼瘡(Lupus erythematosus)、類風濕性關節炎(Rheumatoid arthritis)等嚴重自身免疫異常的疾病患者幾乎均患有心血管疾病[15-16]。而代謝綜合癥(Metabolism disease)等代謝疾病往往引起低密度脂蛋白的升高和高密度脂蛋白的降低，這一變化往往成為動脈粥樣硬化的誘因[15]。
2.4 動脈粥樣硬化相關通路網絡圖的構建與分析
根據共享于多條信號通路中關鍵分子的相互關聯及其參與的細胞效應，利用Cytoscape軟件逐個結點逐條邊構建通路網絡圖，如圖 3所示。橢圓形、平行四邊形、矩形和圓角矩形分別表示細胞外分子、跨膜分子、胞內分子和細胞效應，實線箭頭表示直接作用；虛線箭頭表示具體作用機制尚未明確。如圖 3所示，62個分子，其中有4個在細胞外，9個在細胞表面，剩下的49個是在細胞內發揮作用。網絡圖涉及到11種細胞效應。網絡圖中主要的細胞效應為：細胞增殖(proliferation)、持續的血管生成(sustained angiogenesis)、細胞遷移(migration)、代謝(metabolism)、細胞骨架蛋白調整(regulation of actin cytoskeleton)、胰島素抗性(insulin resistance)、滲透性(permeability)、增殖分化及免疫反應(proliferation differentiation and immune response)以及反脂肪分解(antilipolysis)，均參與了動脈粥樣硬化某一過程。如胰島素抗性可以使患者出現糖耐量受損、血漿三酰甘油升高以及血壓升高等，從而增加心血管疾病發生的可能性。
圖3
動脈粥樣硬化相關通路網絡圖
Figure3.
Atherosclerosis-related pathway network
如圖 3所示，酪氨酸蛋白激酶(Src)、磷脂酰肌醇3-激酶(PI3K)、局部粘附性激酶(FAK)、胰島素受體底物(IRS)和細胞分裂周期蛋白(Cdc42)等在動脈粥樣硬化這一病理過程中起著一定的作用。其中，FAK是一種非受體酪氨酸激酶，與整合素信號有關，升高的FAK水平可增強細胞運動、侵襲與細胞增殖。FAK與Src兩者結合后能夠相互激活，形成FAK/Src復合體，激活絲裂原活化蛋白激酶MAPK，而MAPK信號轉導通路可以調節基質金屬蛋白酶(MMPS)的表達。
3 討論
本文從蛋白互作網絡及生物學通路兩個方面對動脈粥樣硬化進行研究，主要涉及到NCBI和BOND等數據庫、Cytoscape開源軟件以及KOBAS 2.0在線服務器等技術平臺，構建了與動脈粥樣硬化相關的蛋白互作網絡，并對其進行拓撲性質分析，找到17個度大于20的Hub蛋白，并預測與該疾病相關的通路網絡。在17個風險蛋白中，有6個已有文獻報道與動脈粥樣硬化相關，剩下的11個蛋白亦存在較強的相關性；挖掘出的15條重要信號通路中，有8條與動脈粥樣硬化明顯相關。本文從細胞效應和關鍵節點兩方面來分析所構建的通路網絡圖，研究表明Hub蛋白的細胞效應與動脈粥樣硬化形成密切相關，并獲得關鍵分子Src、FAK和PI3K等，這些分子也許是潛在的藥物設計靶標。
盡管部分Hub蛋白以及重要的生物學通路還有待于進一步的實驗證明，但本研究策略能以較短時間和較低投入在整體水平上構建分子互作網絡，為從局部到整體研究復雜疾病提供新的思路。下一步深入研究關注的重點轉移到Hub蛋白及其信號調控上，并進一步檢驗Hub蛋白在動脈粥樣硬化過程所扮演的角色。
0 引言
心血管疾病是全球高死亡率疾病，每年約有1 500萬人死于心血管疾病，其中以冠心病和腦卒中為主[1]。動脈粥樣硬化(atherosclerosis)是心血管疾病發生的重要誘因。近年來，盡管動脈粥樣硬化的預防、診斷和治療引起了人們廣泛關注，但其病理機制并未完全明了，并且部分治療該疾病的藥物具有一定的毒副作用，因此尋找有效藥物靶標成為研究治療動脈粥樣硬化的一個重要方向[2]。
隨著高通量測序技術的引入和“大數據”處理能力的提高，使得人們能從系統的角度去理解多種復雜疾病的發生機制。通過生物信息學手段從海量數據中挖掘與動脈粥樣硬化發生發展相關的信息是了解和治療該疾病的一個有效手段。本研究中，通過構建與動脈粥樣硬化相關的蛋白質互作網絡，分析蛋白質網絡的拓撲結構，尋找互作網絡中具有高連接數的蛋白，即Hub蛋白。這些蛋白作為網絡中的樞紐，在生物體內發揮著關鍵作用，有可能成為潛在的藥物或者疫苗靶標的分子[3]。另外，利用已建立的互作網絡和已獲得的Hub蛋白信息，篩選與動脈粥樣硬化相關的生物學通路，從而建立生物學通路與關鍵Hub蛋白之間的關聯，進一步構建動脈粥樣硬化的生物學通路網絡，不僅從系統、整體水平上給人們提供一種新的疾病理解方式，對于該疾病治療方案的制定亦能提供重要的參考價值。
1 材料與方法
1.1 動脈粥樣硬化相關基因的收集
本文采用的基因數據從美國國立生物技術信息中心(National Center of Biotechnology Information, NCBI)的核酸子數據庫( http://www.ncbi.nlm.nih.gov/nuccore/)下載。通過關鍵詞搜索獲得354個動脈粥樣硬化相關的人類基因，并通過查閱動脈粥樣硬化相關文獻來驗證關鍵分子的功能，以確保研究的可靠性。
1.2 動脈粥樣硬化相關的分子互作網絡的構建
文章利用開源軟件Cytoscape和生物分子對象網絡數據庫(Biomolecular Object Network Database, BOND)來構建分子互作網絡圖。BOND是一個包含蛋白質、核酸、脂質和糖類等物質之間相互作用的生物信息數據庫[4]。將已獲取的354個與動脈粥樣硬化相關的人類基因逐個輸入BOND進行查詢，以獲得互作數據，保存數據為SIF格式文件。將所有互作數據整合后作為輸入文件導入軟件Cytoscape中。隨后，以動脈粥樣硬化相關的互作分子作為結點，分子間的相互作用關系為邊，構建分子互作網絡[5]。經過插件Filter的過濾處理，只保留蛋白質-蛋白質相互作用，并進行可視化優化。同時利用插件Network Analyzer對互作網絡進行拓撲分析，計算網絡中結點的度及相關聚類系數[6]，尋找連接數較高的Hub結點，在這里定義度大于10的結點蛋白為Hub蛋白。
1.3 動脈粥樣硬化相關通路及疾病的收集
本文使用基于京都基因與基因組百科全書的直系同源注釋系統(KEGG Orthology-Based Annotation System, KOBAS)的網絡服務( http://kobas.cbi.pku.edu.cn/)來挖掘與疾病相關的通路[
| $P=1-\sum\limits_{i=0}^{m-1}{\frac{\left(_{i}^{M} \right)\left(_{n-i}^{N-M} \right)}{\left(_{n}^{N} \right)}}$ |
1.4 動脈粥樣硬化相關通路網絡圖的構建
分析獲得的通路和Hub蛋白，利用公共結點及具有統計學意義的生物通路，打開相應鏈接，在數據庫中搜索通路圖。這些復雜通路圖往往是由多條路徑組合而成，在圖中標出Hub結點。收集所有15條通路中包含Hub結點的路徑及其細胞效應，再利用Cytoscape軟件作出相應的通路網絡圖。
2 結果與分析
2.1 動脈粥樣硬化相關分子互作網絡的構建與分析
從BOND數據庫中下載得到分子互作數據，利用Cytoscape工具構建互作網絡，對網絡進行過濾和可視化，得到一個由3 142個結點和4 012條互作邊的高可信度網絡，如圖 1所示，其中局部圖為整體圖中矩形框所示區域的放大圖。
圖1
與動脈粥樣硬化相關的蛋白互作網絡
Figure1.
Atherosclerosis-related protein-protein interaction network
基于互作網絡，尋找連接數較高的Hub結點。一般來說，連接數越高，表示該結點的分子與越多的基因或者蛋白質相互作用，這意味著，該分子可能在動脈粥樣硬化形成的病理過程中起著越重要的作用。經過人工篩選剔除非人源蛋白，從互作網絡中篩選度大于10的Hub結點，得到102個Hub蛋白，其中度大于20的Hub結點有17個，在本文中定義為風險蛋白，如表 1所示。
表1
動脈粥樣硬化相關Hub蛋白
Table1.
Atherosclerosis-related Hub proteins
許多風險蛋白在代謝過程或信號轉導途徑中起著重要的作用。已有文獻報道其中6個與動脈粥樣硬化有明確的關系[8-9]，見表 1標記為星號的Hub結點。以F2為例，F2凝血酶原是凝血因子之一，在凝血機制中起著核心作用，在凝血級聯反應的第一步中裂解，最終導致血液的凝固，它的突變會導致各種形式的血栓和異常凝血酶原血癥[8]。同樣，對于基質金屬蛋白激酶MMP3，該酶不僅能降解纖維連接蛋白、層粘連蛋白、膠原蛋白Ⅲ、Ⅳ、Ⅸ和Ⅹ以及軟骨蛋白多糖，還在損傷修復、動脈粥樣硬化以及腫瘤遷移等生理病理過程中發揮作用[9]。
2.2 動脈粥樣硬化相關通路的識別
將連接數大于10的蛋白輸入KOBAS 2.0，選擇京都基因與基因組通路數據庫(Kyoto Encyclopedia of Genes and Genomes Pathway, KEGG Pathway)，通路相互作用數據庫(Pathway Interaction Database, PID)和人類生物學反應數據庫(Reactome)等數據庫，得到160條分布密集且具有統計學意義的生物學通路。本文選擇校正P值最小的15條通路進行研究，這些生物學通路出自不同的通路數據庫，主要為KEGG Pathway、PID以及Reactome，如表 2所示。
表2
與動脈粥樣硬化相關的信號通路
Table2.
Atherosclerosis-related biological signaling pathways
在預測的15條通路中，已有8條通路被驗證與動脈粥樣硬化相關，見表 2中為標記星號的通路。例如，止血過程通路(Hemostasis)，該通路的異常與動脈粥樣硬化過程中的斑塊破裂血栓事件有密切關系[10]。血小板衍生生長因子受體信號通路(PDGFR-beta signaling pathway)參與了血管重塑和血管損傷新生內膜的形成，這是動脈粥樣硬化發展過程的重要事件[11]。血管內皮生長因子信號通路(VEGF signaling pathway)參與新血管生成，涉及到血管內皮細胞生長、轉移和存活等過程，同時血管內皮生長因子介導的血管滲透性可能與巨噬細胞的遷移有關[12]。
此外，動脈粥樣硬化作為一種血管壁的慢性炎癥[13]，其免疫過程的各種通路往往在動脈粥樣硬化過程中發揮著重要作用，這包括免疫系統信號通路(Signaling in immune system)、T細胞受體信號通路(T cell receptor signaling pathway)和趨化因子信號通路(Chemokine signaling pathway)。以胰島素分泌異常為特征的糖尿病是動脈粥樣硬化的危險因素之一[14]，因此胰島素信號通路(Insulin signaling pathway)以及Ⅱ型糖尿病通路(TypeⅡdiabetes mellitus)與動脈粥樣硬化的發生密切相關。另外，從表 2可知，動脈粥樣硬化的存在亦可能與其它疾病的發生相關，如癌癥通路(Pathways in cancer)、小細胞肺癌通路(Small cell lung cancer)、前列腺癌通路(Prostate cancer)等，該結果有待于進一步驗證。
分析所得通路和Hub蛋白，收集映射到每一條通路相關的Hub蛋白的序列編號，找到相應的蛋白名稱，將其作為公共蛋白，連接不同的通路。手動建立通路與蛋白之間的相互作用信息，生成一個SIF格式的映射文件，導入到開源軟件Cytoscape中，以Hub蛋白和通路作為結點，映射關系作為邊，構建一張Hub蛋白與篩選出的通路之間的映射圖，再進行度分布的分析以及映射圖的可視化優化，得到的結果如圖 2所示，橢圓高度越高，表示連接度越大。
圖2
動脈粥樣硬化Hub蛋白和相關通路的映射圖
Figure2.
Map of the atherosclerosis Hub protein and related pathway
依據結點的連接數越大則該結點在網絡中越重要的原則，在以上的映射網絡中，蛋白ERK2、p85、CDC42、FAK等存在于多個通路中，表明這些蛋白可能會在通路網絡中起到重要作用，在構建通路網絡的過程中應重點關注這些蛋白，它們對于通路網絡的連接意義很大。此外，由度分布分析可以看到止血通路、癌癥信號通路、免疫系統信號通路以及T細胞受體信號通路等通路可能會在通路網絡中起重要作用。
2.3 動脈粥樣硬化相關疾病的識別
本研究選擇了KEGG數據庫，基因關聯數據庫(Genetic Association Database, GAD)和人類孟德爾遺傳數據庫(Online Mendelian Inheritance in Man, OMIM)，剔除相同疾病，得到97種具有統計意義的疾病，其校正P值小于0.05。選擇校正P值最小的20種相關疾病進行分析，有10種明顯與動脈粥樣硬化相關，該結果與預期的符合表明了本研究的可靠性。例如動脈硬化性頸動脈狹窄(carotid artery stenosis)、心血管疾病(cardiovascular)、動脈粥樣硬化(atherosclerosis)、冠狀動脈(coronary)和動脈血壓(arterial blood pressure)等心血管疾病。
本研究發現一系列與動脈粥樣硬化關系密切的疾病。中風(stroke)和局部缺血(ischemic)，常常是由動脈粥樣硬化斑塊破裂引起血管堵塞或者是血管狹窄，尤其是頸動脈血管病變造成的。前人研究表明，患有系統性紅斑狼瘡(Lupus erythematosus)、類風濕性關節炎(Rheumatoid arthritis)等嚴重自身免疫異常的疾病患者幾乎均患有心血管疾病[15-16]。而代謝綜合癥(Metabolism disease)等代謝疾病往往引起低密度脂蛋白的升高和高密度脂蛋白的降低，這一變化往往成為動脈粥樣硬化的誘因[15]。
2.4 動脈粥樣硬化相關通路網絡圖的構建與分析
根據共享于多條信號通路中關鍵分子的相互關聯及其參與的細胞效應，利用Cytoscape軟件逐個結點逐條邊構建通路網絡圖，如圖 3所示。橢圓形、平行四邊形、矩形和圓角矩形分別表示細胞外分子、跨膜分子、胞內分子和細胞效應，實線箭頭表示直接作用；虛線箭頭表示具體作用機制尚未明確。如圖 3所示，62個分子，其中有4個在細胞外，9個在細胞表面，剩下的49個是在細胞內發揮作用。網絡圖涉及到11種細胞效應。網絡圖中主要的細胞效應為：細胞增殖(proliferation)、持續的血管生成(sustained angiogenesis)、細胞遷移(migration)、代謝(metabolism)、細胞骨架蛋白調整(regulation of actin cytoskeleton)、胰島素抗性(insulin resistance)、滲透性(permeability)、增殖分化及免疫反應(proliferation differentiation and immune response)以及反脂肪分解(antilipolysis)，均參與了動脈粥樣硬化某一過程。如胰島素抗性可以使患者出現糖耐量受損、血漿三酰甘油升高以及血壓升高等，從而增加心血管疾病發生的可能性。
圖3
動脈粥樣硬化相關通路網絡圖
Figure3.
Atherosclerosis-related pathway network
如圖 3所示，酪氨酸蛋白激酶(Src)、磷脂酰肌醇3-激酶(PI3K)、局部粘附性激酶(FAK)、胰島素受體底物(IRS)和細胞分裂周期蛋白(Cdc42)等在動脈粥樣硬化這一病理過程中起著一定的作用。其中，FAK是一種非受體酪氨酸激酶，與整合素信號有關，升高的FAK水平可增強細胞運動、侵襲與細胞增殖。FAK與Src兩者結合后能夠相互激活，形成FAK/Src復合體，激活絲裂原活化蛋白激酶MAPK，而MAPK信號轉導通路可以調節基質金屬蛋白酶(MMPS)的表達。
3 討論
本文從蛋白互作網絡及生物學通路兩個方面對動脈粥樣硬化進行研究，主要涉及到NCBI和BOND等數據庫、Cytoscape開源軟件以及KOBAS 2.0在線服務器等技術平臺，構建了與動脈粥樣硬化相關的蛋白互作網絡，并對其進行拓撲性質分析，找到17個度大于20的Hub蛋白，并預測與該疾病相關的通路網絡。在17個風險蛋白中，有6個已有文獻報道與動脈粥樣硬化相關，剩下的11個蛋白亦存在較強的相關性；挖掘出的15條重要信號通路中，有8條與動脈粥樣硬化明顯相關。本文從細胞效應和關鍵節點兩方面來分析所構建的通路網絡圖，研究表明Hub蛋白的細胞效應與動脈粥樣硬化形成密切相關，并獲得關鍵分子Src、FAK和PI3K等，這些分子也許是潛在的藥物設計靶標。
盡管部分Hub蛋白以及重要的生物學通路還有待于進一步的實驗證明，但本研究策略能以較短時間和較低投入在整體水平上構建分子互作網絡，為從局部到整體研究復雜疾病提供新的思路。下一步深入研究關注的重點轉移到Hub蛋白及其信號調控上，并進一步檢驗Hub蛋白在動脈粥樣硬化過程所扮演的角色。
