Cirkulējošie mikroRNS izteiksmes līmeņi, kas saistīti ar interneta spēļu traucējumiem (2018)

. 2018; 9: 81.

Publicēts tiešsaistē 2018 Mar 12. doi:  10.3389 / fpsyt.2018.00081

PMCID: PMC5858605

PMID: 29593587

Anotācija

fons

Interneta un tiešsaistes spēļu atkarības izmantošana ir potenciāls psihisks traucējums, ko sauc par interneta spēļu traucējumiem (IGD). Ir ziņots par izmaiņām mikroRNS (miRNS) ekspresijas profilos pacientiem ar zināmiem psihiskiem traucējumiem un ierosināti kā biomarkeri. Tomēr nav ziņots par asins miRNS profiliem IGD.

Metodes

Lai atklātu ar IGD saistītos miRNS, mēs analizējām 51 paraugu miRNS ekspresijas profilus (25 IGD un 26 kontrolierīces), izmantojot TaqMan Low Density miRNA Array. Apstiprināšanai tika veikta kvantitatīva atgriezeniskās transkripcijas PCR ar 36 neatkarīgiem paraugiem (20 IGD un 16 vadīklas).

rezultāti

Ar atklāšanu un neatkarīgu apstiprināšanu mēs identificējām trīs miRNS (hsa-miR-200c-3p, hsa-miR-26b-5p, hsa-miR-652-3p), kas tika būtiski samazināti IGD grupā. Indivīdiem ar visām trim miRNS izmaiņām bija daudz lielāks IGD risks nekā tiem, kam nav nekādas izmaiņas [izredzes koeficients (OR) 22, 95% CI 2.29-211.11], un tālākie reģioni palielināja devu atkarībā no mainīto miRNS daudzuma. Prognozētie trīs miRNS mērķa gēni bija saistīti ar neironu ceļiem. Mēs pētījām trīs pakārtoto mērķgēnu proteīnu ekspresiju ar Western blot un apstiprinājām, ka GABRB2 un DPYSL2 ekspresija bija ievērojami augstāka IGD grupā.

Secinājumi

Mēs novērojām, ka HSA-miR-200c-3p, hsa-miR-26b-5p un hsa-miR-652-3p ekspresijas tika ierobežotas IGD pacientiem. Mūsu rezultāti būs noderīgi, lai izprastu IGD patofizioloģiju.

atslēgvārdi: Interneta spēļu traucējumi, mikroRNS, biomarker, atkarība, rietumu blot

Ievads

Interneta un interneta spēļu atkarības izmantošana nav tikai sociāla parādība valstīs ar plašu interneta piekļuves infrastruktūru, bet potenciāls psihisks traucējums, ko sauc par interneta spēļu traucējumiem (IGD).-). Saskaņā ar epidemioloģiskajiem ziņojumiem, IGD izplatība pusaudžiem dažādās valstīs atšķiras, sākot no 0.8 līdz 26.7% (). Īpaši pētījumi liecina, ka daudzās Āzijas valstīs, piemēram, Dienvidkorejā, Ķīnā, Taivānā, Honkongā un Singapūrā, izplatības rādītāji pusaudžiem pārsniedz 10%.). IGD ir saistīta ar izziņas, psihosociālo attiecību un ikdienas dzīves traucējumiem; piemēram, samazinot akadēmisko vai profesionālo darbību (-). IGD tagad ir iekļauta Psihisko traucējumu diagnostikas un statistikas rokasgrāmatas (DSM-V) piektās pārskatīšanas III sadaļā (turpmākas izpētes nosacījumi).). Tomēr, neskatoties uz tās klīnisko un sociālo nozīmi, ir maz zināms par IGD aizstāvēto molekulāro ģenētisko mehānismu.

Nesenie liela mēroga divkāršie pētījumi liecina par IGD ģenētisko pamatu (, ). Vink et al. pētīja individuālās atšķirības kompulsīvā interneta lietošanā ar 5,247 monozigotiskiem un dizigotiskiem pusaudžiem Nīderlandes Twin reģistrā un ziņoja, ka 48% no atšķirībām izskaidrojamas ar ģenētiskiem faktoriem (). Li et al. novēroja Ķīnas pusaudžu dvīņu 825 pārus un ziņoja, ka ģenētiskie faktori izskaidroja 58 – 66% no atšķirībām (). Attiecīgi neirotransmisijas, izziņas un uzmanības lokā iesaistīto gēnu polimorfismi, piemēram, dopamīna receptoru D2 gēns (DRD2), kateholamīna-O-metiltransferāzes gēns (COMT), serotonīna transportera gēns (5HTTLPR) un holīnergisko receptoru nikotīna alfa 4 gēnu (\ tCHRNA4) ir ziņots, ka tas ir būtiski saistīts ar interneta atkarību (-). Nesen Kim et al. vairāku 100 kandidātu gēnu, kas saistīti ar neirotransmiteru ražošanu, iedarbību un metabolismu, pārmeklēti varianti ar nākamās paaudzes sekvences analīzi un ziņoja, ka rs2229910 no NTRK3 gēns ir saistīts ar IGD ().

Līdztekus ģenētiskajiem faktoriem ir labi zināms, ka neirobēnās uzvedības fenotipus kontrolē ne-kodējoši RNS, ieskaitot mikroRNS (miRNS) (, ). miRNS ir nelielas nekodējošas viendimensijas RNS molekulas (aptuveni 20 – 23 nukleotīdi garumā), kas negatīvi regulē proteīnu kodējošo gēnu ekspresiju, noārdot mRNS un ieņemot kritisku lomu dažādu slimību patofizioloģiskajā procesā.). Pierādījumu rindas ir parādījušas, ka miRNS ir daudz cilvēku centrālajā nervu sistēmā (CNS) un darbojas, lai precizētu mērķa gēnu ekspresijas līmeņus, kas ir iesaistīti CNS sistēmas attīstībā un nogatavošanā (). Patiešām, jaunākie pētījumi atklāja, ka miRNS ekspresijas profili tiek mainīti smadzeņu audos pacientiem ar psihiskiem traucējumiem, kas liecina, ka to ekspresijas profili varētu būt psihiatrisko traucējumu biomarkeri (, , ). Piemēram, izmantojot pēcdzemdību analīzi, Lopez et al. ziņoja, ka miR-1202 ekspresija, kas regulē metabotropiskā glutamāta receptoru-4 gēna ekspresiju un prognozē atbildes reakciju pret antidepresantu, tika samazināta depresijas slimības pacientu prefrontālās garozas audos (). Attiecībā uz biomarķieru skrīningu šai pieejai ir skaidrs ierobežojums, jo CNS audu biopsijas veikšana skrīningam nav iespējama. Tā kā miRNS var konstatēt asinīs (plazmā vai serumā), cirkulējošiem miRNS ir noteikta priekšrocība kā neinvazīvi biomarkeri neiropsihiskiem traucējumiem. Tomēr līdz šim nav veikti pētījumi par miRNS profilu cirkulāciju IGD. Labāka izpratne par cirkulējošiem miRNS ekspresijas profiliem varētu palīdzēt izskaidrot IGD attīstības mehānismu un atvieglot klīnisko tulkojumu.

Šajā pētījumā mēs centāmies identificēt ar IGD saistītos miRNS marķierus, novērojot diferencēti izteiktu plazmas miRNS starp IGD un kontroles grupām un pētījām to bioloģiskās sekas.

Materiāli un metodes

Studiju priekšmeti

Mēs aptaujājām 3,166 pusaudžus (12-18 gadi), izmantojot DSM-V IGD vērtējumu. No tiem 251 (168 vīrieši un 83 sievietes) tika diagnosticēti kā IGD saskaņā ar DSM-V kritērijiem (). Kopumā 91 indivīdi (49 IGD un 42 kontrole) nodrošināja informētu piekrišanu šim pētījumam. No tiem četras personas tika izslēgtas saskaņā ar izslēgšanas kritērijiem. Visbeidzot, šim pētījumam tika iekļauti 87 indivīdi (45 IGD un 42 veseli kontroles indivīdi). No tiem 51 dalībnieki (25 IGD pacienti un 26 kontrolierīces) tika pieņemti darbā kā 2014 līdz 2016. Citi 36 dalībnieki (20 IGD pacienti un 16 kontrolierīces) tika pieņemti kā neatkarīgs validācijas komplekts no 2016. Visi dalībnieki bija korejiešu indivīdi, kuri tika uzņemti no Seulas Sv. Marijas slimnīcas (Seula, Dienvidkoreja) un Seulas Nacionālās universitātes Boramae slimnīcas (Seula, Dienvidkoreja). Visiem dalībniekiem tika veikta strukturēta intervija, ko veica psihiatrs, pamatojoties uz korejiešu Kiddie grafiku par afektīviem traucējumiem un šizofrēniju (K-SADS-PL) (). Visi dalībnieki pabeidza Korejas-Vechlera izlūkošanas skalas bērniem, 4th izdevums (K-WISC-IV) bloku dizaina un vārdnīcu apakštesti.). Impulsivitāte tika novērtēta ar Barratt Impulsiveness Scale (BIS) (). Lai novērtētu personības dimensiju, tika izmērītas uzvedības inhibēšanas sistēmas (BInS) un uzvedības aktivizācijas sistēmas (BAS) skalas.). Izslēgšanas kritēriji ietvēra agrākos vai pašreizējos nozīmīgākos medicīniskos traucējumus (piemēram, cukura diabētu), neiroloģiskus traucējumus (piemēram, krampju traucējumus, galvas traumas), psihiskus traucējumus (piemēram, smagas depresijas traucējumus, trauksmes traucējumus), garīgo atpalicību vai jebkādu vielu lietošanu (piem. tabaka, kaņepes, alkohols). Studiju priekšmetu vispārīgās iezīmes ir apkopotas tabulā Table1.1. Šo pētījumu apstiprināja Korejas Katoļu universitātes Medicīnas koledžas Institūciju pārskata padome (MC16SISI0120). Visi dalībnieki un viņu vecāki sniedza rakstisku informētu piekrišanu.

Tabula 1

Studiju priekšmetu vispārīgās iezīmes.

 AtklājumsValidēšanaKombinēts
 
 KontroleIGDP-vērtībaKontroleIGDP-vērtībaKontroleIGDP-vērtība
N2625 1620 4245 
Vecums (gadi)
Vidējā vērtība (min – max)13 (12 - 17)13 (12 - 15)0.75915 (13 - 18)14.5 (12 - 18)0.62814 (12 - 18)14 (12 - 18)0.509
Iknedēļas interneta spēļu stundas (h)
Vidējā vērtība (min – max)5.25 (2 - 17)18 (6 - 46)1.27E-6a5.5 (2 - 23)8 (1 - 112)0.3745.5 (2 - 23)14 (1 - 112)1.63E-5a
Mājsaimniecību ikmēneša ienākumi (milj. KRW)
Vidējā vērtība (min – max)5 (1 - 9)3 (1 - 9)0.5884 (4 - 4)2 (2 - 2)1.0005 (1 - 9)3 (1 - 9)0.460
Izglītība (gadi)
Vidējā vērtība (min – max)8 (7 - 9)8 (7 - 9)0.58412 (12 - 12)6 (6 - 13)0.3058 (7 - 12)8 (6 - 13)0.269
K-WISC: bloka dizains
Vidējā vērtība (min – max)10.5 (4 - 17)10 (4 - 16)0.54410 (3 - 16)12.5 (4 - 15)0.12510 (3 - 17)11 (4 - 16)0.598
K-WISC: vārdnīca
Vidējā vērtība (min – max)9 (5 - 17)7 (5 - 13)0.1749.5 (8 - 15)11.5 (5 - 15)0.5959 (5 - 17)9 (5 - 15)0.527
KS
Vidējā vērtība (min – max)24 (17 - 36)37 (22 - 51)3.81E-6a29 (17 - 34)59 (22 - 108)1.2E-5a25 (17 - 36)40 (22 - 108)2.05E-10a
SNB
Vidējā vērtība (min – max)63 (35 - 75)67.5 (45 - 81)0.08061 (45 - 79)63 (32 - 82)0.83562 (35 - 79)65 (32 - 82)0.240
BAS
Vidējā vērtība (min – max)31 (15 - 40)31 (13 - 51)0.55836.5 (22 - 48)34 (27 - 52)1.00032 (15 - 48)34 (13 - 52)0.637
BInS
Vidējā vērtība (min – max)18 (10 - 26)17.5 (13 - 27)0.64218.5 (12 - 25)20 (13 - 21)0.13818 (10 - 26)19 (13 - 27)0.302
 

IGD, interneta spēļu traucējumu pacienti; KS, Korejas interneta atkarības prēmijas skala; BIS, Barratt Impulsivity Scale; BAS, uzvedības aktivizēšanas sistēma; BInS, uzvedības inhibēšanas sistēma; KRW, korejiešu val.

aP <0.05 (Mana – Vitnija – Vilkoksona tests).

TaqMan zemas blīvuma miRNS array (TLDA) eksperimenti

Katram dalībniekam tika savākta perifēra asinīm, un tā tika pārnesta uz laboratoriju 4 h laikā, lai samazinātu asins šūnu līzi. Paraugu centrifugēja 3,000 apgr./min. 10 min istabas temperatūrā. Pēc tam supernatants (plazmas slānis) tika savākts, nepiesārņojot asins šūnas. Cirkulējošie miRNS tika ekstrahēti, izmantojot TaqMan miRNA ABC attīrīšanas komplektu (Human Panel A; Thermo Fisher Scientific, Waltham, MA, ASV) saskaņā ar ražotāja norādījumiem. Īsumā, 50 µL plazmas parauga un 100 µL ABC buferšķīduma tika sajaukti. Pēc hibridizācijas ar mērķa specifiskiem anti-miRNS magnētiskiem lodītēm no apvalkiem ar 100 µL eluēšanas buferšķīdumu eluēja ierobežotos cirkulējošos miRNS. Atklāšanas fāzē 381 miRNS tika pārbaudītas no 51 plazmas paraugiem (25 IGDs un 26 kontrolierīces), izmantojot TaqMan miRNA ABC attīrīšanas komplektu (Human Panel A; Thermo Fisher Scientific, Waltham, MA, ASV) saskaņā ar ražotāja norādījumiem. Tika veiktas Megaplex reversās transkripcijas un pirms amplifikācijas reakcijas, lai palielinātu cDNS daudzumu miRNS ekspresijas analīzei, izmantojot MegaplexPreAmp Primers Human Pool A un TaqManPreAmp Master Mix (Thermo Fisher Scientific). TLDA panelis V2.0 (Thermo Fisher Scientific) tika izmantots ar ViiA7 reāllaika PCR sistēmu (Thermo Fisher Scientific), lai novērtētu miRNS ekspresiju. Neapstrādāti dati tika apstrādāti, izmantojot ExpressionSuite Software v1.0.4 (Thermo Fisher Scientific), lai noteiktu Ct vērtības katram miRNS.

TLDA datu analīze

Vispirms mēs izmērījām katras miRNS sliekšņa ciklus (Ct vērtību). miRNS ar Ct vērtību> 35 tika uzskatīti par nenosakāmiem un izslēgti no turpmākās analīzes. Visas Ct vērtības tika normalizētas atbilstoši miR-374b (ΔCt vērtība) Ct vērtībai, kas ir viena no stabilāk izteiktajām miRNS, kas cirkulē cilvēka plazmā (). Ekspresijas log2 reizes maiņas attiecība (ΔΔCt vērtība) tika aprēķināta, izmantojot kontrolparaugu vidējās vērtības kā kalibratoru HTqPCR paketē Bioconductor (). Katra miRNS mērķa relatīvā kvantitatīvā noteikšana (RQ) tika definēta kā 2−ΔΔCt. Hipotētiskai divu grupu izteiksmes atšķirības pārbaudei mēs izmantojām aizstājējparametru analīzi (SVA), lai uztvertu neviendabīgumu, piemēram, partiju ietekmi eksperimentos, izmantojot Sva pakete Bioconductor (). miRNS ar a P-vērtība <0.05 tika uzskatīta par ievērojami atšķirīgu starp divām grupām.

Gēnu kompleksa bagātināšanas analīze

Gēnu kompleksa bagātināšanas analīzei mēs izmantojām ToppFun Suite ToppGene Suite () izdarīt secinājumus par ievērojami bagātinātu gēnu ontoloģiju (GO) (\ t) termini, ceļš un slimības apzīmējumi. Kā šīs pieejas ievadi mēs izmantojām prognozējamos miRNS mērķa gēnus 1,230. Pathway analīze tika izmantota, lai atrastu nozīmīgus paredzamo mērķa gēnu ceļus atbilstoši KEGG, BioCarta, Reactome, GeneMAPP un MSigDBin ToppGene ceļiem. Funkcionālās bagātināšanas terminu nozīme tika noteikta, pamatojoties uz Bonferroni koriģēto P-vērtība.

Kvantitatīvs atgriezeniskās transkripcijas PCR (qRT-PCR) apstiprināšana un replikācija

Lai apstiprinātu 10 miRNS, kas tika diferencēti izteiktas atklāšanas stadijā, qRT-PCR tika veikta, izmantojot TaqMan MicroRNA testu (miR-15b-5p, #000390; miR-26b-5p, #000407; miR-29b-3p, # 000413; miR-125-5p, #000449; -200p, #3 un miR-002300-337p, #5) un ViiA002156 sistēma (Life Technologies) saskaņā ar ražotāja protokolu. Desmit nanogrami kopējās RNS tika pārvērsta par pirmās šķiedras cDNS ar miRNS specifiskiem primeriem, izmantojot TaqMan MicroRNA Reverse Transcription Kit (#411, Life Technologies), kam sekoja reālā laika PCR ar TaqMan zondēm. Katra miRNS RQ tika definēta kā 5−ΔCt, kur ΔCt ir attiecīgā parauga sliekšņa ciklu starpība, kas normalizēta pret endogēnu miRNS (miR-374b-5p, #001319). Visas PCR reakcijas tika veiktas trijos eksemplāros, un to Ct vērtības tika aprēķinātas vidēji. Mēs aprēķinājām katra miRNS log2 reizes maiņas koeficientu (ΔΔCt) tādā pašā veidā kā analīzes pamatā. Lai pārbaudītu miRNS ekspresijas līmeņu atšķirības divās grupās ar slieksni, tika veikts neparametrisks Mann – Whitney – Wilcoxon tests. P0.05 vērtība.

Western Blot analīze

Katrs seruma paraugs vispirms tika izvadīts no augstākajiem 14 proteīniem (albumīns, imūnglobulīns G, imūnglobulīns A, serotransferīns, haptoglobīns, alfa-1 antitripsīns, fibrinogēns, alfa-2 makroglobulīns, alfa-1 skābes glikoproteīns, imūnglobulīns M, apolipoproteīns AI apolipoproteīnu A-II, komplementu C3 un transtiretīnu), izmantojot MARS-14 kolonnu (4.6 × 50 mm, Agilent Technology, Santa Clara, CA, USA) pirms Western blot analīzes. Nesaistītā frakcija, kas iegūta no MARS-14 kolonnas, tika koncentrēta, izmantojot Amicon Ultracel-3 centrbēdzes filtru (3 kDa cutoff), un pēc tam proteīna koncentrāciju noteica, izmantojot bicinchonīnskābes metodi. Tādi paši daudzumi (no 10 līdz 30 µg) kontroles un IGD seruma paraugiem tika atdalīti ar 4-20% Mini-PROTEAN TGX sagatavoto gelu (Bio-Rad, CA, ASV) un tika pārnesti uz polivinilidēna difluorīda membrānu. Pēc tam membrāna tika bloķēta TBS-T (190 mM NaCl, 25 mM Tris-HCl, pH 7.5 un 0.05% Tween 20) ar 5% beztauku sauso pienu istabas temperatūrā 30 min. Pēc tam membrānas inkubēja ar primārajām antivielām pret DPYSL2 (1: 500, Novus Biologicals, Littleton, CO, USA), GABRB2 (1: 1000, Abcam, Cambridge, MA, ASV) un CNR1 (1: 100, Santa Cruz Biotechnology , Inc, Santa Cruz, CA, USA), DUSP4 (1: 500, MybioSource, San Diego, CA, USA) un PI15 (1: 500, MybioSource, San Diego, CA, USA) TBS-T ar 5 beztauku sausā piena daudzums nakti 4 ° C temperatūrā un pēc tam ar atbilstošām sekundārām antivielām vai nu liellopu anti-pele (1: 1,000, Santa Cruz biotehnoloģija) vai kazas anti-trušiem (1: 1,000, šūnu signālierīces, Beverli, MA, ASV ) konjugēts ar mārrutku peroksidāzi istabas temperatūrā 1 h. Signāla noteikšana tika veikta, izmantojot chemiluminescenci ar ECL reaģentu (GE veselības aprūpe, Piscataway, NJ, ASV). Mēs aprēķinājām Western blot rezultātus, izmantojot TotalLab 1D analīzes programmatūru (nelineārā dinamika, Ņūkāsla pie Tainas, Apvienotā Karaliste). Tad densitometrijas attiecību aprēķināja, dalot katra parauga densitometrijas vērtību, kā aprakstīts citur (). Kontrolējot normalizāciju, katram eksperimentam tika izmantots 46 IGD un kontroles paraugu kopums. Statistiskā nozīmība tika noteikta, izmantojot neparametrisku Mann – Whitney – Wilcoxon testu ar slieksni P0.05 vērtība.

rezultāti

Studiju priekšmetu raksturojums

Studiju priekšmetu demogrāfiskās un klīniskās iezīmes ir parādītas tabulā Table1.1. Kad mēs salīdzinājām IGD un kontroles grupas saskaņā ar Korejas Interneta atkarības prēmijas skalu (K-Skale), kā aprakstīts citur (, ), IGD grupai bija ievērojami augstāka vidējā K-skalas vērtība nekā kontroles grupā (37 pret 24, \ t P = 3.81 × 10-6) (Tabula (Table1) .1). Vidējās nedēļas laiks, kas iztērēts interneta spēļu spēlēšanai IGD grupā, bija ievērojami garāks nekā kontroles grupām (18 vs 5.25 h, P = 1.27 × 10-6). Savukārt vecuma, ikmēneša mājsaimniecību ienākumu, izglītības ilguma, bloku dizaina un K-WISC, BIS, BInS un BAS vārdkopu starpā nebija būtiskas atšķirības.

Diferenciāli izteiktas miRNS starp IGD un kontrolēm

Lai atklātu ar IGD saistītos miRNS, mēs pieņēmām divpakāpju (atklāšanas un neatkarīgas validācijas) pieeju. Studiju plāns un vispārējā stratēģija ir attēlota S1 attēlā papildu materiālā. Atklāšanas posmā mēs analizējām 51 paraugu miRNA ekspresijas profilus (25 IGD un 26 vadīklas), izmantojot miRNS masīvu, kas satur 384 miRNS. Tika konstatēts, ka 10 miRNS ekspresijas līmeņi ievērojami atšķiras starp IGD un kontroles grupām (Table2) .2). Šo 10 miRNS relatīvās ekspresijas līmeņi parādīti attēlā Attēls1.1. Starp tiem divi (hsa-miR-423-5p un hsa-miR-483-5p) tika regulēti un astoņi (hsa-miR-15b-5p, hsa-miR-26b-5p, hsa-miR-29b-3p, hsa-miR-125b-5p, hsa-miR-200c-3p, hsa-miR-337c-5p, hsa-miR-411-5p un hsa-miR-652-3p) tika regulēti IGD grupā.

Tabula 2

Diferenciāli izteiktas mikroRNS (miRNS) un reizes izmaiņas.

miRNSAtklājumsValidēšanaKombinēts
 
 P-vērtībaReizes izmaiņasP-vērtībaReizes izmaiņasP-vērtībaReizes izmaiņas
hsa-miR-15b-5p0.0330.8290.6941.1190.3810.947
hsa-miR-26b-5pa0.0080.8710.0490.8410.0130.857
hsa-miR-29b-3p0.0050.4000.5601.1870.0890.647
hsa-miR-125b-5p0.0210.5820.2900.9500.0690.723
hsa-miR-200c-3pa0.0110.3360.0030.5422.93 × 10-50.415
hsa-miR-337c-5p0.0090.3850.5820.8720.0200.553
hsa-miR-411-5p0.0040.3220.3361.2820.1580.595
hsa-miR-423-5p0.0261.3870.1890.9550.5181.175
hsa-miR-483-5p0.0181.8610.7651.4130.2111.647
hsa-miR-652-3pa0.0190.7150.0490.8770.0110.782
 

amiRNA ir konsekventi mainījušies gan atklāšanas, gan validācijas kopās.

 

Ārējs fails, kurā ir attēls, ilustrācija utt. Objekta nosaukums ir fpsyt-09-00081-g001.jpg

10 relatīvās ekspresijas līmeņi atšķirīgi ekspresē miRNS. Relatīvā kvantitatīvā noteikšana (RQ) tika normalizēta uz miR-374b-5p.

qRT-PCR pretendentu miRNS apstiprināšana

Lai apstiprinātu 10 kandidātu miRNA, mēs veicām qRT-PCR ar neatkarīgu validācijas komplektu (20 IGD un 16 vadīklas) (tabula S1 papildu materiālā). Trīs no šiem miRNS (hsa-miR-200c-3p, hsa-miR-26b-5p un hsa-miR-652-3p) tika būtiski samazināti validācijas kopas IGD grupā (tabula (Table2) .2). Trīs citas miRNS (hsa-miR-337c-5p, hsa-miR-125b un hsa-miR-423-5p) arī tika regulētas IGD grupā, bet ne nozīmīgi. Atlikušie četri miRNS (hsa-miR-15b-5p, hsa-miR-29b-3p, hsa-miR-411-5p un hsa-miR-423-5p) validācijas kopā tika izteikti pretēji. Kad mēs apvienojām atklāšanas un apstiprināšanas kopas (kopā 45 IGD subjekti un 42 kontrolierīces), trīs validētie miRNS bija konsekventi nozīmīgi (tabula (Table2) .2). Sīkāka informācija, hromosomu atrašanās vietas, nobriedušas sekvences un ekspresijas līmenis šo trīs miRNS CNS ir pieejami tabulā S2 papildu materiālā.

Trīs miRNS sinerģiskā ietekme uz IGD risku

Lai novērtētu triju miRNS kopējo ietekmi, mēs novērojām četru apakšgrupu (ar 0, 1, 2 vai 3 miRNA izmaiņām) izredžu koeficientus (OR). miRNS pārveidošanu noteica RQ vērtība, kā aprakstīts sadaļā “Materiāli un metodesTā kā visi trīs miRNS marķieri tika samazināti IGD grupā, miRNS, kura RQ vērtība bija zem viena, tika izmainīta. Detalizēta informācija par katra studiju priekšmeta RQ vērtību trim miRNS ir pieejama tabulā S3 papildu materiālā. Katrai apakšgrupai izredzes tika aprēķinātas kā kontroles skaita attiecība pret IGD, tad katrs OR aprēķināts, dalot katras apakšgrupas izredzes ar apakšgrupas koeficientiem bez miRNS izmaiņām. Indivīdiem ar trim miRNS izmaiņām bija 22 reizes lielāks risks nekā bez miRNS izmaiņām (OR 22, 95% CI 2.29 – 211.11). Tālākajos reģionos bija vērojama pieaugoša tendence, kad no 0 uz 3 tika mainīts miRNS skaits (r2 = 0.996) (attēls (Attēls22).

Ārējs fails, kurā ir attēls, ilustrācija utt. Objekta nosaukums ir fpsyt-09-00081-g002.jpg
Likmju koeficienti (OR) pēc pazemināto mikroRNS (miRNS) marķieru skaita. Vērtības, kas pārsniedz punktu aplēses, ir OR (95% ticamības intervāls).

Kandidātu miRNS mērķa gēnu GO un Pathway analīze

Lai gūtu ieskatu triju miRNS marķieru funkcijās, kas ir būtiski pazeminātas IGD grupā, to mērķa gēni tika prognozēti, izmantojot miRWalk 2.0 datubāzi (). Kopumā 1,230 gēni tika konsekventi prognozēti kā lejupējie mērķi, izmantojot četrus algoritmus (miRWalk, miRanda, RNA22 un Targetscan), izmantojot miRWalk datu bāzi (-) (Tabula S4 papildu materiālā). Gēnu kopas bagātināšanas analīze, izmantojot ToppFun Suite, parādīja, ka šo miRNS mērķa gēni bija būtiski saistīti ar neironu attīstības ceļiem, piemēram, „Axon vadlīnijām” un GO terminiem, piemēram, “neirogēze” (tabula S5 papildu materiālā).

Paredzēto mērķa gēnu izteikšana

Trīs miRNS mērķa gēnu vidū 140 tika prognozēts vienlaicīgi diviem vai vairākiem miRNS (tabula S4 papildu materiālā). Lai izpētītu, vai to proteīnu ekspresijas līmeņi pakārtotajos mērķa gēnos atšķiras starp IGD un kontroles grupām, mēs izvēlējāmies 2 gēnus (DUSP4 un PI15), kas tiek prognozēti kā visu 3 miRNAs un papildu 3 gēnu (GABRB2, DPYSL2, un CNR1) no tām, kas paredzētas 2 miRNAs, un veica rietumu blot analīzi ar plazmas paraugiem no 28 IGDs un 28 kontrolēm, kas bija pieejamas eksperimentam. Mēs salīdzinājām piecu mērķu izteiksmes starp IGD un kontroles grupām, mērot joslas intensitāti un platību, kā aprakstīts citur (). Starp tiem ir DPYSL2 izteiksmes līmeņi (28 IGD un 28 vadīklas, P = 0.0037) un GABBR2 (27 IGD un 28 kontroles, P = 0.0052) bija ievērojami augstāki IGD grupā (attēls (Attēls3) .3). Tomēr mēs nevarējām novērot CNR1 (P = 0.0853), DUSP4 (P = 0.5443) un PI15 (P = 0.6346).

 

Ārējs fails, kurā ir attēls, ilustrācija utt. Objekta nosaukums ir fpsyt-09-00081-g003.jpg

Western blot attēli un kastes-dot-gabali, kas parāda (A) DPYSL2 un (B) GABRB2. Gan DPYSL2, gan GABRB2 proteīniem bija ievērojamas atšķirības to ekspresijas līmeņos starp interneta spēļu traucējumiem (IGD) un kontroles paraugiem (Pvērtība <0.05). Abus proteīnus IGD paraugos izteica augstākā līmenī.

diskusija

Ir ziņots, ka miRNS ir iesaistīti neironu attīstībā (, ), un diferencēta smadzeņu miRNS ekspresija novērota tādās psihiatriskās slimībās kā šizofrēnija (\ t). Tāpēc ir ticams, ka cirkulējošie miRNS profili varētu būt noderīgi biomarķieri IGD. Cirkulējošie miRNS ir ierosināti kā biomarķieri dažādiem neiropsihiskiem traucējumiem (-); tomēr IGD attīstības molekulārie mehānismi joprojām lielā mērā nav zināmi, neskatoties uz tās klīnisko un sociālo nozīmi. Konkrēti, nav veikti pētījumi par IGD saistītajiem miRNS. Šī pētījuma mērķis bija divkāršs. Pirmkārt, mēs centāmies atklāt plazmas miRNS, kas saistītas ar IGD. Otrkārt, mēs izvērtējām miRNS kandidātu bioloģisko ietekmi, pētot proteīna ekspresiju un GO pakārtoto mērķa gēnu. Ar genoma mēroga miRNS ekspresijas profilu pārbaudi un kandidātu apstiprināšanu, mēs atklājām, ka trīs miRNS (hsa-miR-200c-3p, hsa-miR-26b-5p un hsa-miR-652-3p) ekspresija bija IGD pacientiem ir ievērojami zemāka kontrole nekā kontrolei. Lai gan citu septiņu miRNS kandidātu ekspresijas modeļi validācijā netika atkārtoti, tas var būt nepareizs negatīvs sakarā ar nelielu parauga lielumu šajā pētījumā. Mēs zinām, ka tas ir pirmais ziņojums par iespēju, ka asins miRNS ekspresijas profili varētu būt noderīgi biomarķieri IGD. Trīs miRNS marķieru kombinācija varētu kalpot kā minimāli invazīvs līdzeklis, lai savlaicīgi identificētu cilvēkus, kuriem ir IGD risks.

Ir ziņots, ka šajā pētījumā identificētie miRNS ir iesaistīti dažādos neiropsihiskos traucējumos. Ir ziņots, ka hsa-miR-200c ekspresija asinīs ir samazināta vairākos psihiskiem traucējumiem, piemēram, šizofrēnijai () un lielas depresijas epizodes (\ t). tika ziņots, ka miR-200c izteiktāk izteikts sinaptiskās frakcijās nekā kopējā priekšgalā () un arī saistīta ar neironu šūnu nāvi (). Pamatojoties uz šiem iepriekšējiem ziņojumiem, miR-200c ir iesaistīts neirodeģenerācijā un var būt saistīts ar neiropsihiskiem traucējumiem, ja tās ekspresija ir traucēta. Vairāki pētījumi liecina par saistību starp miR-652 un neiropsihisko traucējumu risku. Līdzīgi kā mūsu pieeja, lai identificētu šizofrēnijas asins biomarkerus, Lai et al. veica TLDA analīzi ar šizofrēnijas pacientiem un normālām kontrolēm, un konstatēja, ka septiņi miRNS, tostarp hsa-miR-652, tika atšķirīgi izteikti šizofrēnijas pacientiem (). Nākamajā pētījumā viņi izstrādāja prognozēšanas modeli, izmantojot miRNS ekspresijas datus un sekmīgi atšķīrās šizofrēniju no normālas kontroles (). Alkoholikā tika novērota arī hsa-miR-652 izmainītā izteiksme (). Tika konstatēts, ka Hsa-miR-26b aktivizējas neironu šūnu diferenciācijas laikā (). Perkins et al. ziņoja, ka šizofrēnijas pacientu prefrontālajā garozā hsa-miR-26b tika pazemināts ().

Lai gan nav tiešu pierādījumu, kas apstiprinātu saistību starp šo miRNS izjaukto izpausmi un IGD patofizioloģiju, mēs varam secināt, ka šo miRNS regulēšana var būt saistīta ar IGD patofizioloģiju, pamatojoties uz dažādiem iepriekšējiem ziņojumiem par lejupējiem gēniem, kurus mēs prognozējām . Daži no triju miRNS gēnu, piemēram, GABRB2, CNR1, NRXN1, un DPYSL2 ziņots, ka tie ir saistīti ar neiropsihiskiem traucējumiem. Gamma-aminoskābe (GABA) ir galvenais neirotransmiters, kas inhibē CNS. GABA receptoru regulēšana ir saistīta ar neiropsihiskiem traucējumiem, tostarp atkarību, trauksmi un depresiju (), kas ir arī IGD galvenās iezīmes (\ t). Tiek ziņots, ka GABA receptoru gēnu ģenētiskie polimorfismi ir saistīti ar alkohola atkarību un šizofrēniju (, ). Dihidropirimidināzes tipa 2 (DPYSL2) ir kolapsīna reakcijas mediatora proteīna saimes loceklis, kas spēlē lomu mikrotubulu montāžā, sinaptiskā signalizācijā un axona augšanas regulēšanā. Līdz ar to šī molekula ir ierosināta kā biomarķieris psihiskiem traucējumiem (, ). Polimorfisms DPYSL2 ziņots, ka tas ir saistīts ar alkohola lietošanas traucējumiem (\ t). Iepriekšējie ziņojumi un mūsu dati liecina, ka GABRB2 un DPYSL2 pārmērīga ekspresija lejupvērstos miRNS mērķos ir saistīta ar neiropsihisko traucējumu, tostarp IGD, patoģenēzi. 1 (CNR1) tipa kanabinoīdu receptoru klātbūtne ir presinaptīvs heteroreceptors, kas modulē neirotransmitera izdalīšanos un kanabinoīdu signalizācijas traucējumus, kas saistīti ar dažādiem neiropsihiskiem traucējumiem (). Gēnu ģenētiskais polimorfisms. \ T CNR1 ir zināms, ka tas ir saistīts ar atkarību no \ t). Žurku modelī ventrālā hipokampusa CNR1 aktivācija traucē normālu sociālo uzvedību un izziņas (). Ir zināms, ka ģenētiskās izmaiņas NRXN ģimenē ir saistītas ar dažādiem neiropsihiskiem traucējumiem, tostarp atkarību ().

Lai pārbaudītu trīs miRNS kandidātu bioloģisko ietekmi tiešākā veidā, mēs pētījām to pakārtoto mērķa gēnu proteīnu ekspresiju. Sakarā ar ierobežoto plazmas paraugu pieejamību, 140 kopējiem kandidātiem (paredzams, ka tie atrodas lejup no 2 vai vairākiem miRNS), mēs pētījām 5 mērķus (GABRB2, DPYSL2, CNR1, DUSP4 un PI15) ar Western blot palīdzību un apstiprinājām, ka GABRB2 un DPYSL2 bija ievērojami augstāks IGD grupā. Iepriekšējie ziņojumi un mūsu dati liecina, ka GABRB2 un DPYSL2 pārmērīga ekspresija lejupvērstos miRNS mērķos var ietekmēt neiropsihisko traucējumu, tostarp IGD, patoģenēzi. Arī neiroloģiskās attīstības ceļu GO un ceļa analīzes rezultāti atbalsta miRNS marķieru neirobioloģisko ietekmi. Vēl viens interesants secinājums bija sinerģisks efekts, ko rada vienlaicīga miRNS maiņa. Indivīdiem ar visu 3 miRNS pazemināšanos tika konstatēts, ka 22 reižu biežums ir lielāks nekā tiem, kam nav nekādas pazeminātas devas, un OR palielinājās no devas atkarīgā veidā. Lai gan CI šīm trim izmaiņām bija plašas, ņemot vērā ierobežoto izlases lielumu, skaidra pozitīva korelācija (r2 = 0.996) atbalsta trīs miRNS sinerģisko efektu.

Lai gan mēs atklājām ar IGD saistītus miRNS marķierus un indivīdus ar visām trim miRNS izmaiņām, bija risks, ka 22 reižu skaits ir augstāks nekā bez miRNS izmaiņām, šajā pētījumā ir vairāki ierobežojumi. Pirmkārt, mazais parauga lielums palielināja iespēju, ka trūkst citu nozīmīgu miRNS marķieru. Otrkārt, tā kā mūsu dati nav pietiekami, lai noskaidrotu, vai plazmas miRNS profili ir vai nu cēloņi vai sekas, mēs nevaram apstiprināt šo neinvazīvo marķieru bioloģiskās lomas klīniskā vidē. Turpmāka miRNS profilēšana un to gēnu analīze, izmantojot cilvēka smadzeņu audu no smadzeņu audu bankas, var sniegt tiešāku atbildi. Būtu noderīga arī smadzeņu audu analīze ar spēļu traucējumu dzīvnieku modeli. Treškārt, plazmas paraugu ierobežotās pieejamības dēļ mēs pārbaudījām tikai piecas pakārtotās kandidāta molekulas. Palielinot IGD molekulāro mehānismu, būs noderīgi izpētīt vairāk pakārtotu mērķu ar lielāku paraugu kopu.

Kopumā, izmantojot genoma mēroga skrīningu par miRNS ekspresijas profiliem un neatkarīgu validāciju, mēs atklājām trīs IGD saistītus miRNS (hsa-miR-200c-3p, hsa-miR-26b-5p un hsa-miR-652-3p). Tiek ziņots, ka daudzi no viņu lejupvērstajiem gēniem ir iesaistīti dažādos neiropsihiatriskajos traucējumos, un eksperimentāli apstiprināta šo pakārtoto gēnu izmainītā ekspresija atbalsta šajā pētījumā identificēto miRNS ietekmi. Mēs atklājām, ka indivīdiem ar visu trīs miRNS pazemināšanos ir augsts IGD risks. Kopā ar zināmajiem klīniskajiem vai vides riska faktoriem un diagnostikas kritērijiem, mūsu konstatējumi var atvieglot agrīnu iejaukšanos, lai palīdzētu cilvēkiem ar lielāku IGD risku.

Ētikas paziņojums

Šo pētījumu apstiprināja Korejas Katoļu universitātes Medicīnas koledžas Institūciju pārskata padome (MC16SISI0120). Visi dalībnieki un viņu vecāki sniedza rakstisku informētu piekrišanu.

Autora iemaksas

ML un HC līdzīgi piedalījās šajā dokumentā. Pētījumu izstrādāja ML, D-JK un Y-JC. SJ, S-MC, YP, DC un JL veica eksperimentus un datu ģenerēšanu. J-WC, S-HP, J-SC un D-JK vāca asins paraugus un klīnisko informāciju. ML, HC, S-HY un Y-JC analizēja datus. ML, HC, S-HY un Y-JC aprakstīja manuskriptu. Y-JC uzraudzīja projektu.

Interešu konflikta paziņojums

Autori paziņo, ka pētījums tika veikts bez jebkādām komerciālām vai finansiālām attiecībām, kuras varētu uzskatīt par iespējamu interešu konfliktu.

Zemsvītras piezīmes

 

Finansējums. Šo darbu atbalstīja Brain Research Program dotācija no Korejas Nacionālā pētniecības fonda (NRF), kuru finansēja Zinātnes un IKT ministrija un nākotnes plānošana (NRF-2015M3C7A1064778).

 

Atsauces

1. Young KS. Interneta atkarība: jauna klīniska traucējuma rašanās. Cyber ​​Psychol Behav (1998) 1 (3): 237 – 44.10.1089 / cpb.1998.1.237 [Cross Ref]
2. Petry NM, Rehbein F, Ko CH, O'Brien CP. Interneta spēļu traucējumi DSM-5. Curr Psychiatry Rep (2015) 17 (9): 72.10.1007 / s11920-015-0610-0 [PubMed] [Cross Ref]
3. Cho H, Kwon M, Choi JH, Lee SK, Choi JS, Choi SW, et al. Interneta atkarības skalas izstrāde, pamatojoties uz interneta spēļu traucējumu kritērijiem, kas ieteikti DSM-5. Addict Behav (2014) 39 (9): 1361 – 6.10.1016 / j.addbeh.2014.01.020 [PubMed] [Cross Ref]
4. Kuss DJ, Griffiths MD, Karila L, Billieux J. Interneta atkarība: sistemātiska epidemioloģisko pētījumu pārskatīšana pēdējo desmit gadu laikā. Curr Pharm Des (2014) 20 (25): 4026 – 52.10.2174 / 13816128113199990617 [PubMed] [Cross Ref]
5. Park M, Choi JS, Park SM, Lee JY, Jung HY, Sohn BK, et al. Nepareiza informācijas apstrāde ar notikumiem saistītā iespējamā uzdevuma laikā indivīdiem ar interneta spēļu traucējumiem. Tulkošanas psihiatrija (2016) 6: e721.10.1038 / tp.2015.215 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
6. Lim JA, Lee JY, Jung HY, Sohn BK, Choi SW, Kim YJ, et al. Dzīves kvalitātes un kognitīvās funkcijas izmaiņas indivīdiem ar interneta spēļu traucējumiem: 6 mēneša novērošana. Medicīna (Baltimore) (2016) 95 (50): e5695.10.1097 / MD.0000000000005695 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
7. van Rooij AJ, Van Looy J, Billieux J. Interneta spēļu traucējumi kā formatīvs konstruktors: sekas konceptualizācijai un mērīšanai. Psihiatrijas klīnika Neurosci (2016) 71 (7): 445 – 58.10.1111 / pcn.12404 [PubMed] [Cross Ref]
8. American Psychiatric Association, redaktors. , redaktors. Garīgo traucējumu diagnostikas un statistikas rokasgrāmata: DSM-5. 5th ed Arlington, VA: American Psychiatric Association; (2013).
9. Vink JM, van Beijsterveldt TC, Huppertz C, Bartels M, Boomsma DI. Kompulsīvas interneta lietošanas pārmantojamība pusaudžiem. Addict Biol (2016) 21 (2): 460 – 8.10.1111 / adb.12218 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
10. Li M, Chen J, Li N, Li X. Dvīņu pētījums par problemātisku interneta lietošanu: tās pārmantojamība un ģenētiskā saistība ar intensīvu kontroli. Twin Res Hum Genet (2014) 17 (4): 279 – 87.10.1017 / thg.2014.32 [PubMed] [Cross Ref]
11. Han DH, Lee YS, Yang KC, Kim EY, Lyoo IK, Renshaw PF. Dopamīna gēni un atalgojuma atkarība pusaudžiem ar pārmērīgu interneta video spēli. J Addict Med (2007) 1 (3): 133 – 8.10.1097 / ADM.0b013e31811f465f [PubMed] [Cross Ref]
12. Lee YS, Han DH, Yang KC, Daniels MA, Na C, Kee BS, et al. Depresija, piemēram, 5HTTLPR polimorfisma un temperamenta raksturojums pārmērīgiem interneta lietotājiem. J Affect Disord (2008) 109 (1 – 2): 165 – 9.10.1016 / j.jad.2007.10.020 [PubMed] [Cross Ref]
13. Montag C, Kirsch P, Sauer C, Markett S, Reuter M. CHRNA4 gēna loma interneta atkarībā: gadījuma kontroles pētījums. J Addict Med (2012) 6 (3): 191 – 5.10.1097 / ADM.0b013e31825ba7e7 [PubMed] [Cross Ref]
14. Kim JY, Jeong JE, Rhee JK, Cho H, Chun JW, Kim TM, et al. Mērķtiecīgs exome secības noteikšana aizsargājoša varianta identificēšanai pret interneta spēļu traucējumiem neirotrofu tirozīna kināzes receptoru rs2229910, tips 3 (NTRK3): izmēģinājuma pētījums. J Behav Addict (2016) 5 (4): 631 – 8.10.1556 / 2006.5.2016.077 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
15. Issler O, Chen A. MikroRNS lomu noteikšana psihiskiem traucējumiem. Nat Rev Neurosci (2015) 16 (4): 201 – 12.10.1038 / nrn3879 [PubMed] [Cross Ref]
16. Kocerha J, Dwivedi Y, Brennand KJ. Nenododējoši RNS un psihiatriskās slimības neirobēnās uzvedības mehānismi. Mola psihiatrija (2015) 20 (6): 677 – 84.10.1038 / mp.2015.30 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
17. Ambros V. MicroRNA: mazie regulatori ar lielu potenciālu. Šūna (2001) 107 (7): 823 – 6.10.1016 / S0092-8674 (01) 00616-X [PubMed] [Cross Ref]
18. Hollins SL, Kērnsa MJ. MikroRNS: smadzeņu genomiskās atbildes reakcija uz vides stresu. Prog Neurobiol (2016) 143: 61 – 81.10.1016 / j.pneurobio.2016.06.005 [PubMed] [Cross Ref]
19. Lopez JP, Lim R, Cruceanu C, Crapper L, Fasano C, Labonte B, et al. miR-1202 ir primāts specifisks un smadzeņu bagātināts mikroRNS, kas iesaistīts smagas depresijas un antidepresantu ārstēšanā. Nat Med (2014) 20 (7): 764 – 8.10.1038 / nm.3582 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
20. Kim YS, Cheon KA, Kim BN, Chang SA, Yoo HJ, Kim JW, et al. Emocionālo traucējumu un šizofrēnijas klātbūtnes un mūža versijas korejiešu valodas versijas (K-SADS-PL-K) uzticamība un derīgums. Yonsei Med J (2004) 45 (1): 81 – 9.10.3349 / ymj.2004.45.1.81 [PubMed] [Cross Ref]
21. Kwak K, Oh S, Kim C. Rokasgrāmata korejiešu Wechsler izlūkošanas skalai bērniem-IV (K-WISC-IV) -Manual. Seula, Dienvidkoreja: Hakjisa; (2011).
22. Patons Dž., Stenforda, MS, Barrats ES. Barrata impulsivitātes skalas faktora struktūra. J Clin Psychol (1995) 51 (6): 768-74.10.1002 / 1097-4679 (199511) 51: 6 <768 :: AID-JCLP2270510607> 3.0.CO; 2-1 [PubMed] [Cross Ref]
23. Carver C, White TL. Uzvedības inhibēšana, uzvedības aktivizēšana un emocionālas atbildes uz gaidāmo atalgojumu un sodu: BIS / BAS skalas. J Pers Soc Psychol (1994) 67 (2): 319 – 33.10.1037 // 0022-3514.67.2.319 [Cross Ref]
24. Weiland M, Gao XH, Zhou L, Mi QS. Mazām RNS ir liela ietekme: cirkulē mikroRNS kā cilvēka slimību biomarkeri. RNS Biol (2012) 9 (6): 850 – 9.10.4161 / rna.20378 [PubMed] [Cross Ref]
25. Dvinge H, Bertone P. HTqPCR: kvantitatīvas reāllaika PCR datu augsta caurlaidspējas analīze un vizualizācija R. Bioinformātikā (2009) 25 (24): 3325 – 6.10.1093 / bioinformātika / btp578 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
26. Leek JT, stāvs JD. Gēnu ekspresijas pētījumu heterogenitātes noteikšana ar aizstājēju mainīgo analīzi. PLoS Genet (2007) 3 (9): 1724 – 35.10.1371 / journal.pgen.0030161 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
27. Chen J, Bardes EE, Aronow BJ, Jegga AG. ToppGene komplekts gēnu sarakstu bagātināšanas analīzei un kandidātu gēnu prioritāšu noteikšanai. Nucleic Acids Res (2009) 37 (tīmekļa servera problēma): W305 – 11.10.1093 / nar / gkp427 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
28. Ashburner M, Ball CA, Blake JA, Botstein D, Butler H, Cherry JM, et al. Gēnu ontoloģija: bioloģijas apvienošanas instruments. Gēnu ontoloģijas konsorcijs. Nat Genet (2000) 25 (1): 25 – 9.10.1038 / 75556 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
29. Cheon DH, Nam EJ, Park KH, Woo SJ, Lee HJ, Kim HC, et al. Visaptveroša analīze par zemas molekulmasas cilvēka plazmas proteomu, izmantojot augšupvērstu masas spektrometriju. J Proteome Res (2016) 15 (1): 229 – 44.10.1021 / acs.jproteome.5b00773 [PubMed] [Cross Ref]
30. Park CH, Chun JW, Cho H, Jung YC, Choi J, Kim DJ. Vai interneta spēļu atkarīgās smadzenes ir tuvu patoloģiskajam stāvoklim? Addict Biol (2017) 22 (1): 196 – 205.10.1111 / adb.12282 [PubMed] [Cross Ref]
31. Dweep H, Gretz N. miRWalk2.0: visaptverošs mikroRNS-mērķa mijiedarbības atlase. Nat Metodes (2015) 12 (8): 697.10.1038 / nmeth.3485 [PubMed] [Cross Ref]
32. Enright AJ, John B, Gaul U, Tuschl T, Sander C, Marks DS. MicroRNA mērķi Drosophila. Genoma biols (2003) 5 (1): R1.10.1186 / gb-2003-5-1-r1 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
33. Miranda KC, Huynh T, Tay Y, Ang YS, Tam WL, Thomson AM, et al. Uz modeļiem balstīta metode mikroRNS saistošo vietu un to atbilstošo heteroduplexu identificēšanai. Šūna (2006) 126 (6): 1203 – 17.10.1016 / j.cell.2006.07.031 [PubMed] [Cross Ref]
34. Lewis BP, Burge CB, Bartel DP. Saglabātie sēklu savienojumi, bieži vien ar adenozīniem, norāda, ka tūkstošiem cilvēku gēnu ir mikroRNS mērķi. Šūna (2005) 120 (1): 15 – 20.10.1016 / j.cell.2004.12.035 [PubMed] [Cross Ref]
35. Schratt GM, Tuebing F, Nigh EA, Kane CG, Sabatini ME, Kiebler M, et al. Smadzeņu specifisks mikroRNS regulē dendritisko mugurkaula attīstību. Daba (2006) 439 (7074): 283 – 9.10.1038 / nature04367 [PubMed] [Cross Ref]
36. Sempere LF, Freemantle S, Pitha-Rowe I, Moss E, Dmitrovsky E, Ambros V. Zīdītāju mikroRNS ekspresijas profilēšana atklāj smadzeņu izteiktu mikroRNS apakšgrupu ar iespējamām lomām peļu un cilvēka neironu diferenciācijā. Genoma biols (2004) 5 (3): R13.10.1186 / gb-2004-5-3-r13 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
37. Beveridge NJ, Tooney PA, Carroll AP, Gardiner E, Bowden N, Scott RJ, et al. MiRNA 181b disregulācija šizofrēnijas laikā garozā. Hum Mol Genet (2008) 17 (8): 1156 – 68.10.1093 / hmg / ddn005 [PubMed] [Cross Ref]
38. Wei H, Yuan Y, Liu S, Wang C, Yang F, Lu Z, et al. Cirkulējošo miRNS līmeņu noteikšana šizofrēnijā. J J psihiatrija (2015) 172 (11): 1141 – 7.10.1176 / appi.ajp.2015.14030273 [PubMed] [Cross Ref]
39. Dwivedi Y. MikroRNS patogenētiskie un terapeitiskie pielietojumi depresijas traucējumiem. Prog Neuropsychopharmacol Biol psihiatrija (2016) 64: 341 – 8.10.1016 / j.pnpbp.2015.02.003 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
40. Hara N, Kikuchi M, Miyashita A, Hatsuta H, Saito Y, Kasuga K, et al. Seruma mikroRNS miR-501-3p kā potenciāls biomarķieris, kas saistīts ar Alcheimera slimības progresēšanu. Acta Neuropathol Commun (2017) 5 (1): 10.10.1186 / s40478-017-0414-z [PMC bezmaksas raksts] [PubMed] [Cross Ref]
41. Gardiner E, Beveridge NJ, Wu JQ, Carr V, Scott RJ, Tooney PA, et al. 1q3 ilustrēts DLK14-DIO32 reģions nosaka šizofrēnijas izraisītu miRNS parakstu perifērās asins mononukleārās šūnās. Mola psihiatrija (2012) 17 (8): 827 – 40.10.1038 / mp.2011.78 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
42. Belzeaux R, Bergon A, Jeanjean V, Loriod B, Formisano-Treziny C, Verrier L, et al. Pacientiem ar atbildes reakciju un neatsakāmiem pacientiem vērojama atšķirīga perifēro transkripcijas parakstīšana lielas depresijas epizodes laikā. Tulkošanas psihiatrija (2012) 2: e185.10.1038 / tp.2012.112 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
43. Lugli G, Torvik VI, Larson J, Smalheiser NR. MikroRNS un to prekursoru ekspresija pieaugušo peles priekšdziedzera sinaptiskās frakcijās. J Neurochem (2008) 106 (2): 650 – 61.10.1111 / j.1471-4159.2008.05413.x [PMC bezmaksas raksts] [PubMed] [Cross Ref]
44. Stary CM, Xu L, Sun X, Ouyang YB, White RE, Leong J, et al. MicroRNA-200c veicina traumu, ko izraisa pārejoša fokusa cerebrālā išēmija, mērķējot reelīnu. Stroke (2015) 46 (2): 551 – 6.10.1161 / STROKEAHA.114.007041 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
45. Lai CY, Yu SL, Hsieh MH, Chen CH, Chen HY, Wen CC, et al. MikroRNS ekspresijas aberācija kā potenciāli perifēra asins biomarķieri šizofrēnijai. PLoS One (2011) 6 (6): e21635.10.1371 / journal.pone.0021635 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
46. Lai CY, Lee SY, Scarr E, Yu YH, Lin YT, Liu CM, et al. MikroRNS izpaušana kā šizofrēnijas biomarķieris: no akūta stāvokļa līdz daļējai remisijai un no perifēro asiņu līdz kortikālajam audam. Tulkošanas psihiatrija (2016) 6: e717.10.1038 / tp.2015.213 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
47. Lewohl JM, Nunez YO, Dodd PR, Tiwari GR, Harris RA, Mayfield RD. MikroRNS regulēšana cilvēka alkohola smadzenēs. Alkohola klīns Exp Res (2011) 35 (11): 1928 – 37.10.1111 / j.1530-0277.2011.01544.x [PMC bezmaksas raksts] [PubMed] [Cross Ref]
48. Dill H, Linder B, Fehr A, Fischer U. Intronic miR-26b kontrolē neironu diferenciāciju, apspiežot tā saimniekdokumentu ctdsp2. Gēnu dev (2012) 26 (1): 25 – 30.10.1101 / gad.177774.111 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
49. Perkins DO, Jeffries CD, Jarskog LF, Thomson JM, Woods K, Newman MA, et al. MikroRNS ekspresija indivīdu ar šizofrēniju un šizoafektīvu traucējumu prefrontālajā garozā. Genoma biols (2007) 8 (2): R27.10.1186 / gb-2007-8-2-r27 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
50. Kumar K, Sharma S, Kumar P, Deshmukh R. GABA (B) receptoru ligandu terapeitiskais potenciāls atkarības no narkotikām, nemiers, depresija un citi CNS traucējumi. Pharmacol Biochem Behav (2013) 110: 174 – 84.10.1016 / j.pbb.2013.07.003 [PubMed] [Cross Ref]
51. McCracken ML, Borghese CM, Trudell JR, Harris RA. Transmembrāna aminoskābe GABAA receptoru beta2 apakšvienībā, kas ir kritiska alkoholu un anestēzijas līdzekļu iedarbībai. J Pharmacol Exp Ther (2010) 335 (3): 600 – 6.10.1124 / jpet.110.170472 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
52. Zong L, Zhou L, Hou Y, Zhang L, Jiang W, Zhang W, et al. GABRB2 transkripcijas ģenētiskais un epigenetiskais regulējums: atkarīgs no genotipa hidroksimetilēšanas un metilēšanas izmaiņām šizofrēnijā. J Psihiatriskā Res (2017) 88: 9 – 17.10.1016 / j.jpsychires.2016.12.019 [PubMed] [Cross Ref]
53. Fukata Y, Itoh TJ, Kimura T, Menager C, Nishimura T, Shiromizu T, et al. CRMP-2 saistās ar tubulīna heterodimeriem, lai veicinātu mikrotubulāru montāžu. Nat Cell Biol (2002) 4 (8): 583 – 91.10.1038 / ncb825 [PubMed] [Cross Ref]
54. Kekesi KA, Juhasz G, Simor A, Gulyassy P, Szego EM, Hunyadi-Gulyas E, et al. Mainīti funkcionālie proteīnu tīkli pašnāvību upuru prefrontālajā garozā un amigdalā. PLoS One (2012) 7 (12): e50532.10.1371 / journal.pone.0050532 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
55. Taylor A, Wang KS. Asociācija starp DPYSL2 gēnu polimorfismu un alkohola atkarību kaukāziešu paraugos. J Neironu pārnesums (Vīne) (2014) 121 (1): 105 – 11.10.1007 / s00702-013-1065-2 [PubMed] [Cross Ref]
56. Hua T, Vemuri K, Pu M, Qu L, Han GW, Wu Y, et al. Cilvēka kannabinoīdu receptoru CB1 kristāla struktūra. Šūna (2016) 167 (3): 750 – 62.e14.10.1016 / j.cell.2016.10.004 [PMC bezmaksas raksts] [PubMed] [Cross Ref]
57. Benyamina A, Kebir O, Blecha L, Reynaud M, Krebs MO. CNR1 gēnu polimorfismi atkarību izraisošos traucējumos: sistemātiska pārskatīšana un metaanalīze. Addict Biol (2011) 16 (1): 1 – 6.10.1111 / j.1369-1600.2009.00198.x [PubMed] [Cross Ref]
58. Loureiro M, Kramar C, Renard J, Rosen LG, Laviolette SR. Kanabinoīdu transmisija hipokampā aktivizē kodolus, kas modulē neironus, un modulē atalgojumu un nepatiku izraisošo emocionālo sajūtu. Biol psihiatrija (2016) 80 (3): 216 – 25.10.1016 / j.biopsych.2015.10.016 [PubMed] [Cross Ref]
59. Kasem E, Kurihara T, Tabuchi K. Neurexins un neiropsihiskie traucējumi. Neurosci Res (2017) 127: 53 – 60.10.1016 / j.neures.2017.10.012 [PubMed] [Cross Ref]