非特異性間質性肺炎關鍵基因與免疫細胞浸潤分析及中藥預測

田仁偉，張少謙，太鶴蓓，張雅婷，陳明竹，羅 超，吳文麗，吳 寧

·數據挖掘與循證醫學·

非特異性間質性肺炎關鍵基因與免疫細胞浸潤分析及中藥預測

田仁偉，張少謙，太鶴蓓，張雅婷，陳明竹，羅 超，吳文麗，吳 寧*

貴州醫科大學基礎醫學院化學與生物化學實驗室，貴州 貴陽 550004

探尋非特異性間質性肺炎相關的關鍵基因、發病機制、免疫細胞浸潤水平和潛在治療中藥。從GEO數據庫獲取基因芯片GSE110147，利用R語言“limma”等相關拓展包篩選差異表達基因，通過STRING和Cytoscape軟件構建蛋白質互作網絡圖，并篩選出關鍵基因。關鍵基因通過基因芯片GSE101286進行驗證后，利用R語言“clusterProfiler”等拓展包及Cytoscape軟件中的GlueGO插件進基因本體（gene ontology，GO）功能富集分析、京都基因與基因組百科全書（Kyoto encyclopedia of genes and genomes，KEGG）通路富集分析，再基于CIBERSORT反卷積算法分析免疫細胞浸潤模式。最后將關鍵基因導入Coremine Medical數據庫中進行相關中藥預測。共篩選出407個差異基因和15個關鍵基因。GO分析顯示，非特異性間質性肺炎與剪切體、翻譯過程高度相關；KEGG富集結果顯示非特異性間質性肺炎與RNA剪接體通路、內質網蛋白質加工通路聯系最為密切。免疫細胞浸潤分析顯示非特異性間質性肺炎患者組織內靜息的CD4+記憶T細胞、嗜酸性粒細胞等浸潤水平較高，而CD8+T細胞、漿細胞、活化NK細胞和M1巨噬細胞浸潤水平較低。通過關鍵基因篩選到18味中藥，其中雷公藤和茯苓有較大治療潛力。通過生物信息學方法，篩選非特異性間質性肺炎的關鍵基因，明確了潛在治療中藥，為非特異性間質性肺炎發病機制、治療新靶點研究及新藥研發提供新的方向。

非特異性間質性肺炎；生物信息學；關鍵基因；免疫浸潤；雷公藤；茯苓

非特異性間質性肺炎（nonspecific interstitial pneumonia，NSIP）屬于間質性肺炎的一種，于2002年被單獨列出作為一種疾病[1]。NSIP臨床特征無明顯特異性，多以咳嗽和呼吸困難為主，少數病例會出現發熱、疲勞和體質量下降等癥狀[2-3]，故容易造成誤診。目前對于NSIP的發病機制并不明確，但已有研究表明炎癥誘導及部分免疫細胞浸潤在其發展過程中起到重要作用[4]，與肺部膠原纖維沉著致肺間質增厚一起作為NSIP 2個已知的主要病理改變。故挖掘其關鍵基因、生物學過程、相關通路和免疫細胞浸潤情況有較大意義。目前對于NSIP的治療方法多以激素和免疫抑制劑為主，但其副作用較大，治療效果仍不理想[5]，故不良反應較少的中藥或許會成為其新的治療思路。本研究主要探討與NSIP主要病理變化的發生機制相關的基因或通路，分析其免疫浸潤模式中突出表現的細胞，以及針對關鍵基因預測靶向中藥，以期為NSIP的臨床診斷和治療提供理論基礎。

1 資料與方法

1.1 數據獲取

在GEO數據庫[6]（GEO DataSet，http://www.ncbi.nlm.nih.gov/gds/）中以“nonspecific interstitial pneumonia、non-specific interstitial pneumonia、NSIP”作為檢索詞，將種屬設置為“human sapiens”進行檢索，選擇結果中2018年1月以后發表的基因芯片GSE110147為研究對象，其中包括10個NSIP患者肺組織樣本和11個正常組織樣本。GSE101286為2017年發表芯片，且質量較好，用于驗證關鍵基因的差異表達，研究技術路線見圖1。

圖1 技術路線流程

1.2 數據預處理

運用R Studio調用“Bioconductor”“affyPLM”等相關拓展包對GSE110147表達譜芯片進行質量評估，繪制芯片相對對數表達（relative log expression，RLE）箱線圖、相對標準差（normalized unscaled standard errors，NUSE）箱線圖。

1.3 數據處理及差異基因篩選

基于“limma”拓展包對NSIP和正常組織基因數據中的探針進行歸一化處理，并且對數據進行τ檢驗和貝葉斯檢驗，當1個基因對應多個探針時取其平均值，箱線圖檢驗其標準化和分組間聚類情況。對標準化后的GSE110147芯片表達譜進行差異分析。差異表達基因（differentially expressed genes，DEGs）以log2(fold change, FC) 的絕對值＞2和＜0.01為篩選條件，以log2FC的正負代表該基因上調或是下調。

1.4 差異基因蛋白質相互作用（protein-protein interaction，PPI）網絡構建及關鍵基因篩選

將獲得的DEGs以medium confidence＞0.4為篩選條件，利用STRING數據庫[7]（https://string-db. org/）進行PPI分析，再將得到的PPI互作網絡導入Cytoscape軟件（Version 3.9.1），利用CytoHubba插件中的度（degree）值對節點進行排名，篩選獲得關鍵基因（hub gene）。

1.5 關鍵基因驗證

將基因芯片GSE101286按照“1.2”和“1.3”項下方法進行處理得到各基因的表達情況，再從中將分析獲得的關鍵基因在基因芯片GSE101286表達矩陣中進行提取，并通過R語言對所得結果進行可視化分析，驗證關鍵基因在2個基因芯片中表達趨勢是否一致。

1.6 基因本體（gene ontology，GO）功能富集分析和京都基因與基因組百科全書（Kyoto encyclopedia of genes and genomes，KEGG）通路富集分析

將得到的關鍵基因以閾值＜0.05通過Cytoscape軟件的GlueGO插件進行GO功能富集分析；再基于R Studio和“clusterProfiler”“org.Hs.eg. db”“ggplot2”“pathview”等擴展包，設定閾值＜0.05，進行KEGG通路富集分析，并且將排名前2的通路進行基因定位展示。

1.7 免疫細胞浸潤分析

將所獲得的DEGs基于CIBERSORT算法，以閾值＜0.05進行22種免疫細胞浸潤分析，其中包括CD8+T淋巴細胞、M1巨噬細胞、活化的自然殺傷細胞等免疫細胞。

1.8 相關中藥預測

將關鍵基因輸入到Coremine Medical數據庫[8]（http://www.coremine.com/）中，下載該基因的相關中藥信息，以＜0.05為條件得到潛在治療中藥。將結果導入Cytoscape軟件中進行可視化分析，并篩選出對應2個關鍵基因及以上的關鍵中藥，再通過《中藥大辭典》《中國藥典》《中華本草》等分析其性味歸經和功能主治，最后通過查閱文獻找出關鍵中藥。

1.9 關鍵中藥與對應基因分子對接驗證

對得到的關鍵中藥進行分析并查找其主要成分，在PubChem（http://www.ncbi.nlm.nih.gov/）平臺下載主要成分的3D結構，從PDB（http://www.rcsb.org/）數據庫下載藥物候選靶蛋白的3D結構，通過PyMOL2.4.0進行處理，再通過AutoDock vina進行分子對接。對接結果用自由結合能判定優劣，當自由結合能≤?5.0 kJ/mol，表示化合物與靶蛋白之間有良好的相互作用關系，結合能越低，對接模塊越穩定，二者相互作用的可能性越大，選擇自由結合能最低的對接結果進行可視化展示。

2 結果

2.1 芯片質量分析

對GSE110147基因芯片進行質量分析，結果顯示所得RLE箱線圖各個樣本中位數在同一條水平線上，整體表達水平基本趨于一致。NUSE相較于RLE則更為敏感，可以進一步剔除降解嚴重的不可靠樣本，NUSE箱線圖結果顯示，整體表達水平同樣接近一致，則所有數據可納入研究，見圖2。

圖2 GSE110147基因芯片質量分析箱線圖

2.2 DEGs獲得

通過R包對GSE110147基因芯片分析結果顯示，標準化后樣本表達基線一致，共篩選得到407個DEGs（上調基因273個，下調基因134個），并以火山圖及熱圖展示排名前100的DEGs，見圖3。

2.3 PPI網絡構建及關鍵基因獲得

對所得DEGs構建PPI網絡，其中共有297個節點，節點間共1160個相互作用關系。根據度值評分排序，選出前15個基因，分別為含WD重復域蛋白36（WD repeat-containing protein 36，）、ATP結合盒轉運蛋白E1（ATP-binding cassette sub-family E member 1，）、（superkiller viralicidic activity 2-like 2）、核糖體蛋白S13（Ribosomal protein S13，）、90 kDa熱休克蛋白αA1（heat shock protein HSP 90-alpha1，）、真核翻譯起始因子3a（eukaryotic translation initiation factor 3 subunit A，）、（DNA-directed RNA polymerase II subunit RPB2）、（RPL13A為其編碼蛋白，small nucleolar RNA，C/D box 34）、真核翻譯起始因子5B（eukaryotic translation initiation factor 5B，）、DEAD框肽21（DExD-box helicase 21，）、GTP結合蛋白4（GTP-binding protein 4，）、染色體結構維持蛋白3（structural maintenance of chromosomes protein 3，）、核仁pre-rRNA加工蛋白同系物（nucleolar pre-rRNA processing protein homolog，）、核仁素（nucleolin，）、谷氨酰脯氨酰tRNA合成酶（glutamate-tRNA ligase，），其中和為下調基因，其余為上調基因，見圖4和表1。

2.4 關鍵基因驗證結果

將關鍵基因在基因芯片GSE101286進行驗證后發現，除基因、和以外12個基因所得驗證結果與上述結果一致（＜0.05），見圖5。

2.5 GO功能富集和KEGG通路分析

關鍵基因的GO分析顯示，主要富集的生物過程（biological process，BP）為蛋白質復性、翻譯過程、高爾基組織、細胞骨架依賴型細胞內轉運、水解酶活性；細胞成分（cellular component，CC）為剪接復合體、染色體著絲粒區域、核斑點；分子功能（molecular function，MF）為退火活性、微管蛋白結合、RNA結合。KEGG通路分析共獲得13條富集通路，其中核心靶點與RNA剪接體通路、內質網蛋白質加工通路聯系最為密切，除此之外還與黏著斑激酶信號通路、癌癥中蛋白多糖變化等存在聯系，見圖6、7。

2.6 免疫細胞浸潤

通過CIBERSORT算法所得結果（圖8）顯示，與正常組織相比，NSIP患者組織中CD8+T細胞（Tcells CD8）浸潤水平顯著降低，漿細胞（plasma cells）、活化的NK細胞（NK cells activated）和M1巨噬細胞（macrophages M1）表達水平均較低；NSIP患者組織中靜息的CD4+記憶T細胞（T cells CD4 memory resting）浸潤水平顯著升高，幼稚B細胞（B cells naive）、活化的CD4+記憶T細胞（T cells CD4 memory activated）、單核細胞（monocytes）、M0巨噬細胞（macrophages M0）、M2巨噬細胞（macrophages M2）、活化的樹突狀細胞（dendritic cells activated）、肥大細胞（dendritic cells activated）和嗜酸性粒細胞（eosinophils）的表達水平也較高。

而記憶B細胞（B cells memory）、幼稚CD4+T細胞（T cells CD4 naive）、濾泡輔助性T細胞（T cells follicular helper）、調節性T細胞（T cells regulatory，Tregs）、靜息的NK細胞（NK cells resting）、中性粒細胞（neutrophils）表達水平差異不顯著。

同時將差異最為顯著的CD8+T細胞、靜息的CD4+記憶T細胞與15個關鍵基因進行關聯性分析，發現除和外，其余13個基因與CD8+T細胞呈現負相關性，與靜息的CD4+記憶T細胞呈現正相關性，見圖9（＜0.05、＞0.3有相關性，＜0.05、＞0.8為顯著相關）。

A-GO功能富集聚類圖 B-GO功能富集餅狀圖 C-KEGG通路富集氣泡圖 D-KEGG通路富集環狀圖

A-內質網蛋白質加工通路 B-RNA剪接體通路（紅色高亮為富集所得關鍵基因在通路中的位置）

A-免疫細胞浸潤堆積圖 B-免疫細胞浸潤箱線圖（*P＜0.05 **P＜0.01 ***P＜0.001）

2.7 中藥預測分析

通過關鍵基因共篩選到18味中藥，分別為冬菇、玉米須、向日葵花、松葉、松香、松節油、松花粉、石刁柏、芒果核、落葵、雷公藤、葵花盤、浮小麥、茯神、茯苓、北豆根、板栗和浙貝母，其中四氣五味主要集中于平、溫、甘和苦，歸經以肝、脾、心、腎和肺為主，功能主治偏重清熱利濕、利尿消腫。通過查閱文獻驗證后雷公藤與茯苓治療潛力較大，見圖10和表2，性味歸經統計分析見圖11。

圖9 關鍵基因與CD8+T細胞、靜息的CD4+記憶T細胞相關性分析

內圈紅色圓為關鍵基因，中間較大藍色圓為18味關鍵中藥，外圈藍色園為其余不顯著中藥

2.8 關鍵中藥分子對接驗證

通過查閱文獻以及口服生物利用度（oral bioavailability，OB）、類藥性（drug-likeness，DL），分析關鍵中藥雷公藤和茯苓主要活性物質，并從中選擇5種主要活性物質與對應基因轉錄蛋白進行分子對接，得到其優勢構象和自由結合能。結果表明，主要活性物質與其對應的基因轉錄蛋白的自由結合能均小于?5.0 kJ/mol，并且每個有效成分均可以通過氫鍵作用于其對應的蛋白氨基酸殘基，見表3和圖12、13。結果證明雷公藤與茯苓的主要活性物質與其對應蛋白的相互作用可能性較大，有潛在作用價值。

3 討論

NSIP屬于間質性肺炎的一種，是一種慢性肺部疾病，肺泡壁均勻增厚、炎癥與免疫細胞浸潤和膠原纖維沉著是其主要的病理變化，常見癥狀為咳嗽與呼吸困難[9]。

表2 關鍵基因預測中藥分析

圖11 中藥四氣(A)、五味(B)、歸經(C) 統計分析

目前發病機制、診斷依據并不十分清楚，并且治療方案副作用較多，治療效果并不理想。生物信息學是多學科交叉融合的一門綜合學科，而高通量技術是生物信息學中新一代的測序技術，能以更高通量、更低成本快速完成基因組和轉錄組的測序[10-11]。因此，使用生物信息學技術對NSIP的關鍵基因、免疫細胞浸潤等情況進行分析，可以對尋找NSIP發病機制起到推動作用。同時基于該技術，為NSIP尋找潛在治療靶點，并進一步以此預測潛在治療中藥，不僅可以推動傳統中藥發展達到老藥新用的目的，以期對臨床治療提供一定研究基礎。

3.1 關鍵基因與NSIP內在聯系

本研究通過對基因芯片GSE110147進行分析，得到273個上調基因和134個下調基因。并且通過PPI網絡分析篩選出15個與NSIP發病機制相關的關鍵基因。分別為下調基因、和上調基因、、、、、、、、、、、，與基因芯片GSE101286驗證結果基本一致（除基因、和以外）。

表3 關鍵中藥主要活性物質與對應基因轉錄蛋白分子對接結果

圖12 雷公藤有效活性物質與對應基因分子對接驗證

圖13 茯苓有效活性物質與對應基因分子對接驗證

15個關鍵基因中部分基因已有研究表明與肺部疾病有較大關聯：可以作為抗肺纖維化的治療靶標，并且通過分泌轉化生長因子β1（transforming growth factor β1，TGFβ1）/信號轉導和轉錄激活因子（signal transducer and activator of transcription，STAT）信號通路調節間充質標志物和細胞外基質蛋白的表達，因此可作為治療特發性肺纖維化的潛在靶標[12]。在肺癌患者中高表達還與較差的生存預后相關，并且可作為輔助診斷指標[13-14]。在肺癌中表達較高且預后不良，可以通過激活程序性死亡配體1（programmed cell death 1 ligand 1，PD-L1）而抑制T細胞活性，可作為干預肺癌的靶標[15]。在非小細胞肺癌患者中的表達水平較高，在敲低的小鼠體內發現癌細胞的增殖和侵襲能力降低[16]。在人的肺腺癌組織中，表達水平較高，與臨床的分期也有聯系，在敲低后可以減緩癌細胞的增殖，并且與降低靶向藥物的耐藥性有關[17-18]，而在非小細胞肺癌中，可以通過細胞趨化因子7（C-C motif chemokine 7，CCL7）信號通路參與肺癌的進展[19]。在人肺癌A549細胞中敲低之后會抑制該細胞的增殖和遷移能力[20]。通過參與肺泡上皮細胞間質轉化作用而影響肺纖維化的進程，通過抑制表達可以改善肺纖維化程度，目前已有針對該靶點進行治療藥物的研究[21-23]。

肺纖維化為NSIP重要的病理變化，且預后不理想。如上所述，本研究篩選出的關鍵基因與肺部纖維化有所關聯。因此，在NSIP的進展中，對這些基因的關注可能會給NSIP的防治帶來新的研究方向。

3.2 富集結果與NSIP的內在聯系

對差異基因進行GO功能富集分析結果顯示，NSIP與剪切體、翻譯過程高度相關，而KEGG通路富集分析結果顯示NSIP與RNA剪接體通路、內質網蛋白質加工通路聯系最為密切。其中剪切體出現于2項富集結果中，提示其與NSIP可能存在緊密聯系，針對剪切體進行檢索后，發現目前研究中，剪切體與肺癌的發病過程有較大關聯性[24-25]，并且剪切體的相關蛋白130在特發性肺纖維化中的纖維化病灶中高表達，并且與肺部纖維化程度呈正相關，與其發病過程密切相關[26]，這提示剪切體可能會在NSIP進展過程中與其纖維化程度有所關聯。而內質網應激在間質性肺炎纖維化的過程中也起到一定的作用[27-28]，表明這些生物結構過程和通路為NSIP潛在的治療靶點和研究方向。

結合前文對關鍵基因的分析，關鍵基因與富集結果相互印證彼此的可靠性。而目前在NSIP中尚未有對高爾基體、微管蛋白結合、黏著斑激酶信號通路的研究，也許在NSIP的發展過程中有著一定的作用，可為后續的研究提供方向來揭示NSIP尚不明確的發病過程。

3.3 免疫浸潤結果分析

對基因芯片進行22種免疫細胞浸潤分析顯示，NSIP患者組織內靜息的CD4+記憶T細胞、活化的CD4+記憶T細胞、嗜酸性粒細胞、幼稚B細胞、單核細胞、肥大細胞等浸潤水平較高，但靜息的CD4+記憶T細胞浸潤水平遠遠高于活化的CD4+記憶T細胞，而CD8+T細胞、漿細胞、活化NK細胞和M1巨噬細胞浸潤水平較低。提示免疫細胞在NSIP的浸潤模式有特異性，多種具有免疫應答或促炎功能的細胞浸潤水平顯著提升，故免疫細胞浸潤在NSIP的發展過程中起到重要的作用。

免疫細胞浸潤同樣是NSIP重要的發病過程，通過文獻分析發現免疫細胞浸模式與肺纖維化密切相關。而本研究中所得CD4+T細胞和CD8+T細胞在肺纖維化的進程中已被證實存在緊密聯系，外周血中的T淋巴細胞可分為CD4+T細胞和CD8+T細胞，CD4+T細胞能夠通過釋放多種細胞因子，使病原體清除率增加，在抗纖維化的免疫應答中起到關鍵作用；而CD8+T細胞則可以識別被感染的細胞，使其凋亡，達到清除病毒的目的同時引起炎癥反應，二者相互作用，與其他免疫細胞共同維持著機體免疫系統的正常運行。而CD4+T細胞與CD8+T細胞的數量對肺纖維化的發展非常重要，可通過提升二者比值增強體內的免疫功能，降低肺纖維化的發生[29]，同時通過抑制程序性死亡因子-1增加CD8+T細胞、效應T細胞的水平來改善肺纖維化水平也被多次證實有效[30-32]。本研究結果顯示NSIP患者體內靜息的CD4+記憶T細胞水平增加多于活化的CD4+記憶T細胞，轉化為效應T細胞的能力受到影響。而CD8+T細胞數量則顯著減少，反映NSIP患者體內T淋巴細胞數量減少，免疫功能減弱，抗肺纖維化的能力下降，更易發生肺纖維化。而其余臨床細胞浸潤模式的改變，可能會使得NSIP發病過程中出現有別于其他肺病中肺纖維化的特性。

從關鍵基因與免疫細胞的相關性分析可知，13個關鍵基因與最為顯著的靜息的CD4+記憶T細胞呈現正相關，與CD8+T細胞呈現負相關。不僅提示了分析結果的可靠性與一致性，還反映出針對關鍵基因與免疫細胞用藥來減輕肺纖維化程度值得深入研究。

目前NSIP診斷仍存在一些問題，難以與其他間質性肺炎區別，而對于免疫浸潤模式及其相關基因的深入研究，可以找出NSIP獨特的浸潤模式，得到新的依據幫助診斷疾病，并針對免疫細胞的差異性和肺纖維化的內在聯系制定治療方案，彌補臨床上診斷困難和治療效果不理想的現狀。

3.4 中藥預測結果分析

NSIP在中醫學中并未有詳細準確的介紹，且間質性肺炎在中醫理論中也沒有統一病名，但有理論認為該病主要累及肺、脾、腎3臟，致3臟皆虛。又根據其癥狀將其歸為肺瘺、肺痹，前者病因歸結為先天腎之真陰不足、后天外邪犯肺，后者病因歸結為肺氣虧虛。本研究針對關鍵基因篩選治療NSIP的潛在中藥，得到冬菇、玉米須、向日葵花、松葉、松香、松節油、松花粉、石刁柏、芒果核、落葵、雷公藤、葵花盤、浮小麥、茯神、茯苓、北豆根、板栗和浙貝母共18味中藥，主要歸為心、肝、脾、肺、腎經，與NSIP中醫理論高度符合，其中除與肺、脾、腎經直接關聯以外，心經和肝經同樣有關，肺氣虧虛，金虛木侮，加重病情。氣為血之帥，血為氣之母，肺氣虧虛，宗氣不足，則心血運行不暢。故其治療方案針對不同證候，以清熱化痰、活血化瘀、溫陽補氣和祛瘀解毒為主。18味中藥中，浙貝母、北豆根、茯苓、茯神和雷公藤歸經功效較為符合。

進一步通過查閱文獻，發現雷公藤和茯苓在肺部疾病上已有不少研究，與NSIP更為符合。茯苓對應基因為和，雷公藤對應基因為和，與內質網蛋白加工通路密切相關。茯苓利水滲濕、健脾寧心，在慢性阻塞性肺疾病[33]、放射性肺損傷[34]等肺部相關疾病中有一定治療作用，并且可以提升CD4+T細胞的數量與CD4+T細胞/CD8+T細胞水平[35]。雷公藤清熱解毒、祛風通絡，已有研究表明雷公藤可以通過多途徑影響肺纖維化、哮喘、肺腺癌等肺部相關疾病[36-39]，除此之外還有研究表明雷公藤對內質網應激也有影響，與其對應內質網加工通路有較強關聯[40]，并且還可以調節T淋巴細胞的表達[41-42]。

通過分子對接也初步證明雷公藤與茯苓有效成分與其對應基因轉錄蛋白自由結合能較低，說明有較大的相互作用可能性，故雷公藤與茯苓對NSIP的潛在治療價值更具有說服力。

4 結論

綜上所述，本研究以探究NSIP的關鍵基因和免疫浸潤模式為主，通過關鍵基因富集得到NSIP相關的生物學過程和信號通路，完善其發病機制。通過已有研究推測關鍵基因在NSIP主要病理過程中的作用。分析得到NSIP主要的免疫浸潤模式后，找到最為顯著的免疫細胞與關鍵基因做相關性研究，從基因與免疫浸潤的角度共同闡述NSIP的主要病理過程。最后通過關鍵基因分析得到潛在治療中藥，分析其性味歸經和功能主治，通過中醫理論和已有文獻分析其中最有潛在治療價值的中藥。研究結果有助于進一步闡釋NSIP的發病機制和發展過程，為NSIP后續實驗研究、藥物開發和臨床應用提供一定的研究基礎。但本研究仍然存在不足，NSIP相關基因芯片數量較少，后續研究應關注其發展，及時補充納入，除此之外本研究還需進一步實驗驗證關鍵基因及相關中藥的治療效果。

利益沖突 所有作者均聲明不存在利益沖突

[1] American Thoracic Society, European Respiratory Society. American Thoracic Society/European Respiratory Society international multidisciplinary consensus classification of the idiopathic interstitial pneumonias. This joint statement of the American Thoracic Society (ATS), and the European Respiratory Society (ERS) was adopted by the ATS board of directors, June 2001 and by the ERS Executive Committee, June 2001 [J]., 2002, 165(2): 277-304.

[2] Belloli E A, Beckford R, Hadley R,. Idiopathic non-specific interstitial pneumonia [J]., 2016, 21(2): 259-268.

[3] 王增智, 高楊, 李杰, 等. 非特異性間質性肺炎6例臨床分析 [J]. 心肺血管病雜志, 2022, 41(10): 1066-1070.

[4] Hansell D M, Bankier A A, MacMahon H,. Fleischner Society: Glossary of terms for thoracic imaging [J]., 2008, 246(3): 697-722.

[5] Li X, Chen C, Xu J F,. Nonspecific interstitial pneumonia and usual interstitial pneumonia: Comparison of the clinicopathologic features and prognosis [J]. J, 2014, 6(10): 1476-1481.

[6] Barrett T, Wilhite S E, Ledoux P,. NCBI GEO: Archive for functional genomics data sets: Update [J]., 2013, 41: D991-D995.

[7] Szklarczyk D, Gable A L, Lyon D,. STRING v11: Protein-protein association networks with increased coverage, supporting functional discovery in genome-wide experimental datasets [J]., 2019, 47(D1): D607-D613.

[8] Gorji-Bahri G, Moghimi H R, Hashemi A. RAB5A is associated with genes involved in exosome secretion: Integration of bioinformatics analysis and experimental validation [J]., 2021, 122(3/4): 425-441.

[9] Kono M, Nakamura Y, Yoshimura K,. Nonspecific interstitial pneumonia preceding diagnosis of collagen vascular disease [J]., 2016, 117: 40-47.

[10] Aldridge S, Teichmann S A. Single cell transcriptomics comes of age [J]., 2020, 11(1): 4307.

[11] Ouzounis C A, Valencia A. Early bioinformatics: The birth of a discipline: A personal view [J]., 2003, 19(17): 2176-2190.

[12] Song D G, Kim D, Jung J W,Glutamyl-prolyl-tRNA synthetase regulates epithelial expression of mesenchymal markers and extracellular matrix proteins: Implications for idiopathic pulmonary fibrosis [J]., 2018, 9: 1337.

[13] 董曉玉, 鐘濤, 葉元滋, 等. 血清HSP90α和癌組織基因HSP90AA1在肺癌中的高表達及預后價值 [J]. 安徽醫科大學學報, 2022, 57(7): 1034-1040.

[14] Niu M Y, Zhang B, Li L,. Targeting HSP90 inhibits proliferation and induces apoptosis through AKT1/ERK pathway in lung cancer [J]., 2021, 12: 724192.

[15] Suresh S, Chen B B, Zhu J F,. eIF5B drives integrated stress response-dependent translation of PD-L1 in lung cancer [J]., 2020, 1(5): 533-545.

[16] Wu J L, Chen G F, Wang W W,. GTPBP4: A new therapeutic target gene promotes tumor progression in non-small cell lung cancer via EMT [J]., 2022, 2022: 2164897.

[17] Ren Y, Li Y H, Tian D L. Role of the ABCE1 gene in human lung adenocarcinoma [J]., 2012, 27(4): 965-970.

[18] Wang L H, Lv X Y, Fu X H,. miR-153 inhibits the resistance of lung cancer to gefitinib via modulating expression of ABCE1 [J]., 2019, 25(4): 361-369.

[19] Wu Z, Tian Y, Yu Q,. The expression and correlation between chemokine CCL7 and ABCE1 in non-small cell lung cancer [J]., 2018, 16(4): 3004-3010.

[20] 余冬梅, 黃穎, 安輸, 等. SMC3對肺癌A549細胞增殖、遷移和成球能力的影響 [J]. 中國細胞生物學學報, 2017, 39(10): 1320-1325.

[21] Guo R, Lv Y, Ouyang Y,. The role of miR-497/EIF3A axis in TGFβ1-induced epithelial-mesenchymal transition and extracellular matrix in rat alveolar epithelial cells and pulmonary fibroblasts [J]., 2017, 118(10): 3401-3408.

[22] Li X W, Li X H, Du J,. Calcitonin gene-related peptide down-regulates bleomycin-induced pulmonary fibrosis [J]., 2016, 94(12): 1315-1324.

[23] 李先偉, 左東澤, 沈媛媛, 等. 降鈣素基因相關肽對肺纖維化大鼠肺組織eIF3a、p27表達的影響 [J]. 中國應用生理學雜志, 2017, 33(1): 16-21.

[24] Yang Y, Huang T Y, Fan Y H,. Significance of spliceosome-related genes in the prediction of prognosis and treatment strategies for lung adenocarcinoma [J]., 2022, 2022: 1753563.

[25] Blijlevens M, Komor M A, Sciarrillo R,. Silencing core spliceosome Sm gene expression induces a cytotoxic splicing switch in the proteasome subunit beta 3 mRNA in non-small cell lung cancer cells [J]., 2020, 21(12): 4192.

[26] Liu K X, Liu D, Feng Y,. Spliceosome-associated protein 130: A novel biomarker for idiopathic pulmonary fibrosis [J]., 2020, 8(16): 986.

[27] Dobrinskikh E, Hennessy C E, Kurche J S,. Epithelial endoplasmic reticulum stress enhances the risk of Muc5b-associated lung fibrosis [J]., 2023, 68(1): 62-74.

[28] Deng J L, He Y Q, Sun G C,. Tanreqing injection protects against bleomycin-induced pulmonary fibrosis via inhibiting STING-mediated endoplasmic reticulum stress signaling pathway [J]., 2023, 305: 116071.

[29] 李瑞琴, 金艷, 李偉, 等. 桂附地黃丸抗大鼠肺纖維化的作用及對外周血T淋巴細胞亞群的影響 [J]. 中華中醫藥學刊, 2016, 34(12): 2938-2940.

[30] Barber D L, Wherry E J, Masopust D,. Restoring function in exhausted CD8 T cells during chronic viral infection [J]., 2006, 439(7077): 682-687.

[31] Ji M, Liu Y, Li Q,. PD-1/PD-L1 pathway in non-small-cell lung cancer and its relation with EGFR mutation [J]., 2015, 13: 5.

[32] 陳則圣, 吳一鳴, 周婷, 等. PD-1分子調控肺纖維化的機制進展及其在矽肺病研究中的展望 [J]. 公共衛生與預防醫學, 2022, 33(4): 118-123.

[33] 陳云坤, 劉煌, 張鳳, 等. 小柴胡湯合桂枝茯苓丸治療慢性阻塞性肺疾病急性加重期的臨床研究 [J]. 時珍國醫國藥, 2022, 33(2): 422-424.

[34] 楊依, 陳凡, 馮瑞興, 等. 茯苓酸對小鼠急性放射性肺損傷的防護作用機制 [J]. 中國高原醫學與生物學雜志, 2022, 43(4): 268-274.

[35] 張海琴, 劉瑞芬. 桂枝茯苓膠囊對慢性盆腔炎大鼠T細胞亞群和紅細胞免疫功能的影響 [J]. 中藥藥理與臨床, 2013, 29(2): 6-8.

[36] 周禹, 隗雅姿, 楊天明, 等. 雷公藤紅素作用于HSP60抗肺纖維化的靶點研究 [J]. 藥學學報, 2023, 58(3): 688-694.

[37] 呂秀紅, 郭瑞珍, 刁路明, 等. 雷公藤內酯醇對肺腺癌細胞系A549的體外抑制作用的研究 [J]. 中國藥理學通報, 2007, 23(2): 207-210.

[38] 馬秀琴, 黃茂, 郭錫熔, 等. 雷公藤多甙對哮喘大鼠肺組織基質金屬蛋白酶9及其抑制劑1表達的影響 [J]. 中國臨床康復, 2005, 9(43): 117-119.

[39] 徐資怡, 石金鳳, 鮮靜, 等. 雷公藤紅素單用和聯用抗腫瘤作用機制的研究進展 [J]. 中草藥, 2021, 52(14): 4372-4385.

[40] 徐成波, 鄭瑞璣, 廖斌, 等. 雷公藤內酯醇通過CHOP/BCL-2內質網應激途徑誘導人多發性骨髓瘤細胞凋亡 [J]. 中國病理生理雜志, 2022, 38(7): 1274-1282.

[41] Abdin A A, Hasby E A. Modulatory effect of celastrol on Th1/Th2 cytokines profile, TLR2 and CD3+T-lymphocyte expression in a relapsing-remitting model of multiple sclerosis in rats [J]., 2014, 742: 102-112.

[42] Ji W, Li H, Gao F,. Effects ofglycosides on interleukin-17 and CD4+CD25+CD127 low regulatory T-cell expression in the peripheral blood of patients with ankylosing spon-dylitis [J]., 2014, 2(4): 517-520.

Analysis of key genes and immune cell infiltration of nonspecific interstitial pneumonia and prediction of traditional Chinese medicine

TIAN Ren-wei, ZHANG Shao-qian, TAI He-bei, ZHANG Ya-ting, CHEN Ming-zhu, LUO Chao, WU Wen-li, WU Ning

Laboratory of Chemistry and Biochemistry, Guizhou Medical University, Guiyang 550004, China

To explore the key genes, pathogenesis, immune cell infiltration level and potential treatment of non-specific interstitial pneumonia.The gene chip GSE110147 was obtained from GEO database, and the differentially expressed genes were screened by R language “limma” and other related expansion packages. The protein interaction network map was constructed by STRING and Cytoscape software, and the key genes were screened. After the key genes were verified by gene chip GSE101286, GO function enrichment and KEGG pathway analysis were carried out by using expansion packages such as R language "clusterProfiler" and GlueGO plug-ins in Cytoscape software, and the immune cell infiltration pattern was analyzed based on CIBERSORT deconvolution algorithm. Finally, the key genes were introduced into Coremine Medical Database to predict the related traditional Chinese medicine.A total of 407 differential genes and 15 key genes such as HSP90AA1, EIF5B and RPS13 were screened. GO analysis showed that nonspecific interstitial pneumonia was highly correlated with shearing body and translation process, while KEGG enrichment showed that nonspecific interstitial pneumonia was most closely related to RNA splice body pathway and endoplasmic reticulum protein processing pathway. Immune cell infiltration analysis showed that the infiltration levels of resting CD4+memory T cells and eosinophils in patients with nonspecific interstitial pneumonia were higher, while the infiltration levels of CD8+T cells, plasma cells, activated NK cells and M1 macrophages were lower. Through the screening of key genes, 18 kinds of traditional Chinese medicine were screened, among which Leigongteng (Hook. f.) and Fuling [(Schw.) Wolf] have great therapeutic potential.This study screened the key genes of non-specific interstitial pneumonia through bioinformatics methods, identified the potential treatment of traditional Chinese medicine, and provided a new direction for the pathogenesis of non-specific interstitial pneumonia, new treatment targets and new drug research and development.

nonspecific interstitial pneumonia; bioinformatics; key genes; immune infiltration;Hook. f.;(Schw.) Wolf

R285

A

0253 - 2670(2023)15 - 4934 - 14

10.7501/j.issn.0253-2670.2023.15.019

2023-04-11

大學生創新創業訓練項目（S202210660105）

田仁偉，男，本科在讀，主要從事肺部疾病的分子機制研究。E-mail: 1181930691@qq.com

通信作者：吳 寧，女，博士，教授，碩士研究生導師，主要從事貴州特色藥用植物防病抗病機制的研究、肺部相關疾病的藥物治療。E-mail: wuning@gmc.edu.cn

[責任編輯 潘明佳]