Анализ коэкспрессии генов плацентарного транскриптома как основа для поиска ключевых сигнальных путей и биомаркеров больших акушерских синдромов

Цель: изучение молекулярных механизмов развития заболеваний группы больших акушерских синдромов (БАС) на уровне транскриптома материнской части плаценты человека.
Материал и методы. С помощью базы данных Gene Expression Omnibus (GEO) был осуществлен поиск результатов полногеномного профилирования плацентарной ткани человека для следующих фенотипов: физиологическая беременность, преэклампсия (ПЭ), невынашивание беременности и задержка роста плода (ЗРП). Было отобрано 11 наборов данных, которые были дополнены результатами собственного исследования, суммарно в интегративный анализ был включен 481 образец плацентарной ткани человека. Биоинформатическая обработка и статистический анализ данных были выполнены в программной среде R 3.6.1 с использованием пакетов Bioconductor. Итоговые наборы данных, объединенные по трем патологиям беременности, были использованы для поиска общих молекулярных мишеней БАС посредством анализа взвешенных сетей коэкспрессии генов (WGCNA). Функциональную аннотацию генов и полученных кластеров осуществляли в базе данных DAVID, сеть белок-белковых взаимодействий продуктов генов была построена с использованием программного обеспечения STRING, центральные гены для сети были идентифицированы с помощью анализа MCC плагина сytoHubba программного обеспечения Cytoscape 3.7.2.
Результаты. Получена таблица уровней экспрессии 15167 генов в 246 образцах. Иерархическая кластеризация этой сети позволила обнаружить 55 модулей коэкспрессирующихся генов в группе с ПЭ, 109 – в группе с преждевременными родами (ПР), 75 – для больных ЗРП и 56 – для контрольной группы. Результаты анализа общности набора модулей коэкспрессии для изучаемых фенотипов свидетельствуют о наличии общего кластера, состоящего из 8 генов, специфичного только для больных ПЭ и ЗРП, а также модуля коэкспрессии из 23 генов, характерного только для больных ПР и ЗРП. Для данных генов была построена сеть белок-белковых взаимодействий, в которой центральное место заняли гены SOD1, TXNRD1 и UBB. Оценив топологию сети в cytoHubba, были идентифицированы 6 наиболее функционально активных генов (rank ˂ 5): SOD1, TKT, TXNRD1, GCLM, GOT1, ACO1.
Заключение. Полученные результаты позволили идентифицировать перспективные генетические маркеры преэклампсии, задержки роста плода и невынашивания беременности, а также обозначить наиболее важные общие молекулярные механизмы данных заболеваний, протекающие в плацентарной ткани.

1. Romero R. Prenatal medicine: The child is the father of the man. 1996. J. Matern. Fetal Neonatal Med. 2009;22(8):636–639. DOI: 10.1080/14767050902784171.

2. Di Renzo G.C. The great obstetrical syndromes. J. Matern. Fetal Neonata. Med. 2009;22(8):633–635. DOI: 10.1080/14767050902866804.

3. Eidem H.R., Ackerman W.E., McGary K.L., Abbot P., Rokas A. Gestational tissue transcriptomics in term and preterm human pregnancies: A systematic review and meta-analysis. BMC Med. Genomics. 2015;8:27. DOI: 10.1186/s12920-015-0099-8.

4. Rajakumar A., Chu T., Handley D.E., Bunce K.D., Burke B., Hubel C.A. et al. Maternal gene expression profiling during pregnancy and preeclampsia in human peripheral blood mononuclear cells. Placenta. 2011;32(1):70–78. DOI: 10.1016/j.placenta.2010.10.004.

5. Krieg S.A., Fan X., Hong Y., Sang Q.X., Giaccia A., Westphal L.M. et al. Global alteration in gene expression profiles of deciduas from women with idiopathic recurrent pregnancy loss. Mol. Hum. Reprod. 2012;18(9):442–450. DOI: 10.1093/molehr/gas017.

6. Mayor-Lynn K., Toloubeydokhti T., Cruz A.C., Chegini N. Expression profile of microRNAs and mRNAs in human placentas from pregnancies complicated by preeclampsia and preterm labor. Reprod. Sci. 2011;18(1):46–56. DOI: 10.1177/1933719110374115.

7. Toft J.H., Lian I.A., Tarca A.L., Erez O., Espinoza J., Eide I.P. et al. Whole-genome microarray and targeted analysis of angiogenesis-regulating gene expression (ENG, FLT1, VEGF, PlGF) in placentas from pre-eclamptic and small-for-gestational-age pregnancies. J. Matern. Fetal Neonatal Med. 2008;21(4):267–273. DOI: 10.1080/14767050801924118.

8. Buimer M., Keijser R., Jebbink J.M., Wehkamp D., van Kampen A.H., Boer K. et al. Seven placental transcripts characterize HELLP-syndrome. Placenta. 2008;29(5):444–453. DOI: 10.1016/j.placenta.2008.02.007.

9. Van Dijk M., Oudejans C.B.M. STOX1: Key player in trophoblast dysfunction underlying early onset preeclampsia with growth retardation. J. Pregnancy. 2010;2011:521826. DOI: 10.1155/2011/521826.

10. Junus K., Centlow M., Wikström A.K., Larsson I., Hansson S.R., Olovsson M. Gene expression profi ling of placentae from women with earlyand late-onset pre-eclampsia: down-regulation of the angiogenesis-related genes ACVRL1 and EGFL7 in early-onset disease. Mol. Hum. Reprod. 2012;18(3):146–155. DOI: 10.1093/molehr/gar067.

11. Lyu S.W., Song H., Yoon J.A., Chin M.U., Sung S.R., Kim Y.S. et al. Transcriptional profi ling with a pathway-oriented analysis in the placental villi of unexplained miscarriage. Placenta. 2013;34(2):133–140. DOI: 10.1016/j.placenta.2012.12.003.

12. Trifonova E.A., Gabidulina T.V., Ershov N.I., Serebrova V.N., Vorozhishcheva A.Y., Stepanov V.A. Analysis of the placental tissue transcriptome of normal and preeclampsia complicated pregnancies. Acta Naturae. 2014;6(2):71–83.

13. Tsai S., Hardison N.E., James A.H., Motsinger-Reif A.A., Bischoff S.R., Thames B.H. et al. Transcriptional profi ling of human placentas from pregnancies complicated by preeclampsia reveals disregulation of sialic acid acetylesterase and immune signalling pathways. Placenta. 2011;32(2):175–182. DOI: 10.1016/j.placenta.2010.11.014.

14. Meng T., Chen H., Sun M., Wang H., Zhao G., Wang X. Identifi cation of diff erential gene expression profi les in placentas from preeclamptic pregnancies versus normal pregnancies by DNA microarrays. OMICS. 2012;16(6):301–311. DOI: 10.1089/omi.2011.0066.

15. Guo L., Tsai S.Q., Hardison N.E., James A.H., Motsinger-Reif A.A., Thames B. et al. Diff erentially expressed microRNAs and aff ected biological pathways revealed by modulated modularity clustering (MMC) analysis of human preeclamptic and IUGR placentas. Placenta. 2013;34(7):599–605. DOI: 10.1016/j.placenta.2013.04.007.

16. Blair J.D., Yuen R.K., Lim B.K., McFadden D.E., von Dadelszen P., Robinson W.P. Widespread DNA hypomethylation at gene enhancer regions in placentas associated with early-onset pre-eclampsia. Mol. Hum. Reprod. 2013;19(10):697–708. DOI: 10.1093/molehr/gat044.

17. Yong H.E., Melton P.E., Johnson M.P., Freed K.A., Kalionis B., Murthi P. et al. Genome-wide transcriptome directed pathway analysis of maternal pre-eclampsia susceptibility genes. PLoS One. 2015;10(5):e0128230. DOI: 10.1371/journal.pone.0128230.

18. Herse F., Dechend R., Harsem N.K., Wallukat G., Janke J., Qadri F. et al. Dysregulation of the circulating and tissue-based renin-angiotensin system in preeclampsia. Hypertension. 2007;49(3):604–611. DOI: 10.1161/01.HYP.0000257797.49289.71.

19. Martin E., Ray P.D., Smeester L., Grace M.R., Boggess K., Fry R.C. Epigenetics and preeclampsia: Defi ning functional epimutations in the preeclamptic placenta related to the TGF-β pathway. PLoS One. 2015;10(10):e0141294. DOI: 10.1371/journal.pone.0141294.

20. Garrido-Gomez T., Dominguez F., Quiñonero A., Diaz-Gimeno P., Kapidzic M., Gormley M. et al. Defective decidualization during and after severe preeclampsia reveals a possible maternal contribution to the etiology. Proc. Natl. Acad. Sci. USA. 2017;114(40):E8468–E8477. DOI: 10.1073/pnas.1706546114.

21. Nishizawa H., Ota S., Suzuki M., Kato T., Sekiya T., Kurahashi H. et al. Comparative gene expression profi ling of placentas from patients with severe pre-eclampsia and unexplained fetal growth restriction. Reprod. Biol. Endocrinol. 2011;9:107. DOI: 10.1186/1477-7827-9-107.

22. Bukowski R., Sadovsky Y., Goodarzi H., Zhang H., Biggio J.R., Varner M. et al. Onset of human preterm and term birth is related to unique infl ammatory transcriptome profi les at the maternal fetal interface. Peer J. 2017;5:e3685. DOI: 10.7717/peerj.3685.

23. Rull K., Tomberg K., Kõks S., Männik J., Möls M., Sirotkina M. et al. Increased placental expression and maternal serum levels of apoptosis-inducing TRAIL in recurrent miscarriage. Placenta. 2013;34(2):141–148. DOI: 10.1016/j.placenta.2012.11.032.

24. Davis S., Meltzer P.S. GEOquery: A bridge between the Gene Expression Omnibus (GEO) and BioConductor. Bioinformatics. 2007;23(14):1846–1847. DOI: 10.1093/bioinformatics/btm254.

25. Durinck S., Spellman P.T., Birney E., Huber W. Mapping identifi - ers for the integration of genomic datasets with the R/Bioconductor package biomaRt. Nat. Protoc. 2009;4(8):1184–1191. DOI: 10.1038/nprot.2009.97.

26. Zhang B., Horvath S. A general framework for weighted gene co-expression network analysis. Stat. Appl. Genet. Mol. Biol. 2005;4:17. DOI: 10.2202/1544-6115.1128.

27. Szklarczyk D., Gable A.L., Nastou K.C., Lyon D., Kirsch R., Pyysalo S. et al. The STRING database in 2021: customizable protein-protein networks, and functional characterization of user-uploaded gene/measurement sets. Nucleic Acids Res. 2021; 49(D1):D605–D612. DOI: 10.1093/nar/gkaa1074.

28. Leek J.T., Johnson W.E., Parker H.S., Jaff e A.E., Storey J.D. The sva package for removing batch eff ects and other unwanted variation in high-throughput experiments. Bioinformatics. 2012;28(6):882–883. DOI: 10.1093/bioinformatics/bts034.

29. Louwen F., Muschol-Steinmetz C., Reinhard J., Reitter A., Yuan J. A lesson for cancer research: Placental microarray gene analysis in preeclampsia. Oncotarget. 2012;3(8):759–773. DOI:10.18632/oncotarget.595.

30. Smith Z.D., Shi J., Gu H., Donaghey J., Clement K., Cacchiarelli D. Et al. Epigenetic restriction of extraembryonic lineages mirrors the somatic transition to cancer. Nature. 2017;549(7673):543–547. DOI: 10.1038/nature23891.

31. Macaulay E.C., Chatterjee A., Cheng X., Baguley B.C., Eccles M.R., Morison I.M. The genes of life and death: A potential role for placental-specifi c genes in cancer: Active retrotransposons in the placenta encode unique functional genes that may also be used by cancer cells to promote malignancy. Bioessays. 2017;39(11). DOI: 10.1002/bies.201700091.

32. Kshitiz, Afzal J., Maziarz J.D., Hamidzadeh A., Liang C., Erkenbrack E.M. et al. Evolution of placental invasion and cancer metastasis are causally linked. Nat. Ecol. Evol. 2019;3(12):1743–1753. DOI: 10.1038/s41559-019-1046-4.

33. Donabela F.C., Meola J., Padovan C.C., de Paz C.C., Navarro P.A. Higher SOD1 gene expression in cumulus cells from infertile women with moderate and severe endometriosis. Reprod. Sci. 2015;22(11):1452–1460. DOI: 10.1177/1933719115585146.

34. Roland L., Beauchemin D., Acteau G., Fradette C., St-Pierre I., Bilodeau J.F. Eff ects of labor on placental expression of superoxide dismutases in preeclampsia. Placenta. 2010;31(5):392–400. DOI: 10.1016/j.placenta.2010.02.007.

35. Lin P., Lai X., Wu L., Liu W., Lin S., Ye J. Network analysis reveals important genes in human placenta. J. Obstet. Gynaecol. Res. 2021;47(8):2607–2615. DOI: 10.1111/jog.14820.

36. Gomez M.L., Shah N., Kenny T.C., Jenkins E.C. Jr., Germain D. SOD1 is essential for oncogene-driven mammary tumor formation but dispensable for normal development and proliferation. Oncogene. 2019;38(29):5751–5765. DOI: 10.1038/s41388-019-0839-x.

37. Wang X., Zhang H., Sapio R., Yang J., Wong J., Zhang X. et al. SOD1 regulates ribosome biogenesis in KRAS mutant non-small cell lung cancer. Nat. Commun. 2021;12(1):2259. DOI: 10.1038/s41467-021-22480-x.

38. Schierding W., Antony J., Karhunen V., Vääräsmäki M., Franks S., Elliott P. et al. GWAS on prolonged gestation (post-term birth): Analysis of successive Finnish birth cohorts. J. Med. Genet. 2018;55(1):55–63. DOI: 10.1136/jmedgenet-2017-104880.

39. Xu Z.P., Wawrousek E.F., Piatigorsky J. Transketolase haploinsuffi ciency reduces adipose tissue and female fertility in mice. Mol. Cell Biol. 2002;22(17):6142–6147. DOI: 10.1128/MCB.22.17.6142-6147.2002.

40. Xu I.M., Lai R.K., Lin S.H., Tse A.P., Chiu D.K., Koh H.Y. et al. Transketolase counteracts oxidative stress to drive cancer development. Proc. Natl. Acad. Sci. USA. 2016;113(6):E725–734. DOI: 10.1073/pnas.1508779113.

41. Qin Z., Xiang C., Zhong F., Liu Y., Dong Q., Li K. et al. Transketolase (TKT) activity and nuclear localization promote hepatocellular carcinoma in a metabolic and a non-metabolic manner. J. Exp. Clin. Cancer Res. 2019;38(1):154. DOI: 10.1186/s13046-019-1131-1.