颈动脉粥样硬化进展的重要标志—脂相关蛋白NECTIN2

文章概述

文章标题：《Lipid-related protein NECTIN2 is an important marker in the progression of carotid atherosclerosis: An intersection of clinical and basic studies》

发表日期和杂志：2021年发表在JTIM(Journal of Translational Internal Medicine)上

在线阅读链接：https://doi.org/10.2478/jtim-2021-0044

实验设计

用喂养西方饮食或正常饮食的APOE-/-大鼠制作颈动脉粥样硬化(CA)早期病理改变模型。采用有序回归分析评价患者血脂指标与斑块严重程度之间的关系。孟德尔随机化(MR)分析用于确定低密度脂蛋白胆固醇(LDL-C)和动脉粥样硬化之间的因果联系。通过对颈动脉斑块的单细胞转录组和基因芯片数据的匹配分析，确定NECTIN2是影响CA的关键因素。CEA和APOE-/-大鼠标本的免疫荧光染色进一步证实了NECTIN2的重要性。

颈动脉粥样硬化(CA)简介

颈动脉粥样硬化是一种常见的心血管疾病，主要是由于脂肪和胆固醇在颈动脉内壁上积累形成的斑块，使得血管壁变得硬化和狭窄。这种疾病的发展可能导致血流受阻，从而引发一系列的健康问题，如中风。

颈动脉粥样硬化的主要风险因素包括高血压、高胆固醇、糖尿病、肥胖、吸烟和家族史等。此外，年龄和性别也是影响颈动脉粥样硬化发生的重要因素，男性和老年人更容易患上这种疾病。

颈动脉粥样硬化的症状可能包括头痛、眩晕、记忆力减退、言语不清、视力模糊等，但很多时候，这种疾病在引发严重并发症如中风之前可能没有任何明显的症状。

颈动脉粥样硬化的诊断主要依赖于医生的临床检查和一些影像学检查，如超声心动图、颈动脉超声、CT扫描和MRI等。治疗颈动脉粥样硬化的方法主要包括生活方式的改变、药物治疗以及在必要时进行手术治疗。

单细胞转录组数据情况

数据链接是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE159677

文章给的单细胞RNA测序数据是——6名接受CEA的患者颈动脉斑块的3个AC和3个PA区域的单细胞测序数据。

代码语言：javascript复制

GSM4837523 Patient 1 AC scRNA-seq
GSM4837524 Patient 1 PA scRNA-seq
GSM4837525 Patient 2 AC scRNA-seq
GSM4837526 Patient 2 PA scRNA-seq
GSM4837527 Patient 3 AC scRNA-seq
GSM4837528 Patient 3 PA scRNA-seq

提供了featurebcmatrixfiltered.tar.gz格式的压缩文件，直接下载之后解压开来，然后按照标准的10X数据格式，使用Read10X()函数读取即可。

数据下载导入，并创建Seurat对象：

代码语言：javascript复制

###### step1:导入数据 ######     
library(data.table)
dir='GSE159677_RAW' 
samples=list.files( dir )
samples 

library(data.table)
sceList = lapply(samples,function(pro){ 
  # pro=samples[1] 
  print(pro) 
  sce=CreateSeuratObject( Read10X(file.path(dir,pro,'outs','filtered_feature_bc_matrix')), 
                          project = pro,
                         min.cells = 5,
                         min.features = 300 ) 
  return(sce)
})
names(sceList)  


samples
library(stringr)
samples = str_split(samples,'_',simplify = T)[,1]

sce.all=merge(x=sceList[[1]],
              y=sceList[ -1 ],
              add.cell.ids = samples)

as.data.frame(sce.all@assays$RNA@counts[1:10, 1:2])
head(sce.all@meta.data, 10)
table(sce.all$orig.ident)
 
sce.all$orig.ident =  str_split(sce.all$orig.ident,'_',simplify = T)[,1]

数据读取进来之后就是标准分析啦,对读取进来的数据进行质控、harmony整合以及细分亚群定义等。

文章还从数据库(GSE28829)下载了14个人颈动脉斑块，包括7个早期颈动脉斑块(内膜增厚和内膜黄瘤)和7个晚期颈动脉斑块(狭窄大于70%的薄纤维帽或厚纤维帽动脉斑块)。使用‘GEO2R’工具对它们进行分析。