2024, Vol. 33
2. 盐城市第三人民医院重症医学科，盐城 224008
脓毒症是重症监护室最常见的疾病，也是最主要的死亡原因之一, 早期的过度炎症反应和晚期的免疫抑制是其主要发病机制[1]。在过去的30年里，脓毒症的发病机制在分子、细胞和完整器官水平上都取得了很大的进展，但仍有较高的发病率和死亡率[2-3]；然而，脓毒症的发病机制复杂，缺乏有效的治疗药物。因此，探究脓毒症的发病机制，寻找新的治疗靶点尤其重要。目前有数据表明，miRNAs和lncRNAs参与脓毒症病理生理过程的调控，具有发展成为脓毒症新型诊断标志物的潜力[4]。本研究对脓毒症患者全血进行miRNAs和lncRNAs的初步筛查及功能分析，为脓毒症的机制研究提供了一个从分子水平入手，研究其发病机制的思路。
1 资料与方法 1.1 RNA的提取和mRNAs、lncRNAs和miRNAs的微阵列本研究在2021年6月至9月间招募盐城市第一人民医院重症医学科7例泌尿系统感染的脓毒症患者和3例健康职工志愿者为对照者（表 1），并取得所有参与者的知情同意后收集每个人的外周血2.5 mL以获取mRNAs、lncRNAs和miRNAs表达谱。将血液分别置于PAX基因®RNA血管（PreAnalytiX GmbH, 瑞士）中，-80℃保存。使用TRIzol Reagent（Invitrogen, 美国）/RNeasy Mini Kit（Qiagen, 美国）提取各样品的总RNAs。通过安捷伦2100生物分析仪（Agilent Technologies, Palo Alto, 美国）、微量分光光度计（Thermo Fisher Scientific Inc, 美国）对每个样本的总RNAs进行定量和鉴定。数据分析使用安捷伦图像分析软件（11.0.1.1）提取原始数据。使用R软件的limma包执行了一系列数据处理步骤，包括分位数归一化和低强度过滤。通过火山图过滤鉴定两组之间的DE mRNAs、lncRNAs或miRNAs，并通过倍数变化过滤进行评估。
| 编号 | 年龄 | 性别 | WBC （×109L） |
CRP （mg/dL） |
PCT （ng/mL） |
内毒素 （pg/mL） |
感染类型 |
| 患者1 | 58 | 男 | 15.4 | 58.86 | ＞100.00 | 5.09 | G-杆菌 |
| 患者2 | 36 | 女 | 21.3 | 213.08 | 89.03 | 26.00 | G-杆菌 |
| 患者3 | 51 | 女 | 14.7 | 110.12 | 56.78 | 23.58 | G-杆菌 |
| 患者4 | 41 | 男 | 11.5 | 134.58 | 64.34 | 34.05 | G-杆菌 |
| 患者5 | 56 | 男 | 24.0 | 230.13 | 78.23 | 18.02 | G-杆菌 |
| 患者6 | 66 | 男 | 15.6 | 97.06 | 34.09 | 9.85 | G-杆菌 |
| 患者7 | 50 | 女 | 23.4 | 158.53 | 60.53 | 19.98 | G-杆菌 |
| 对照1 | 36 | 男 | 6.4 | 3.86 | ＜0.50 | ＜5.00 | - |
| 对照2 | 28 | 女 | 6.8 | 4.08 | ＜0.50 | ＜5.00 | - |
| 对照3 | 30 | 女 | 8.7 | 2.12 | ＜0.50 | ＜5.00 | - |
| 注：WBC为白细胞计数，CRP为C-反应蛋白，PCT为降钙素原 | |||||||
使用R软件对原始数据进行过滤、归一化处理得到标准化数据。以log2差异倍数（fold change, FC）的绝对值≥2以及错误发现率（false discovery rate, FDR）校正的P < 0.05为条件，筛选出DE mRNAs、lncRNAs以及miRNAs，并绘制聚类热图及火山图。
1.3 DE mRNAs KEGG分析对DE mRNAs的基因进行KEGG通路富集分析，同时使用ggplot对通路富集分析的结果进行可视化。
1.4 GEO数据集的筛选本研究在GEO中下载了4套脓毒症疾病相关的表达谱数据（表 2）并使用R软件对表达谱数据进行差异表达处理，使用的方法为limma算法，在得到不同数据集的差异表达基因之后，将多个差异表达基因集进行交集筛选，绘制韦恩图。最终共得到131个差异表达基因。
| 数据库ID | 平台 | 脓毒症患者 | 健康对照者 |
| GSE26378 | GPL570 | 82 | 21 |
| GSE26440 | GPL570 | 98 | 32 |
| GSE57065 | GPL570 | 82 | 25 |
| GSE69528 | GPL10558 | 83 | 55 |
编码和非编码共表达分析基于单个基因的标准化信号强度来识别mRNA和miRNA之间的任何相互作用。在相关性分析的基础上，使用Cytoscape软件（3.7.0）构建了131个DE mRNAs和相关DE miRNAs之间的miRNAs-mRNAs网络，并对靶向mRNAs进行了KEGG分析。
1.6 lncRNAs-miRNAs-mRNAs联合分析已知lncRNAs能够竞争性抑制miRNA参与调控靶基因，使用Cytoscape软件（3.7.0）构建了lncRNAs-miRNAs-mRNAs ceRNA网络。为完全了解ceRNA网络，对靶向mRNAs进行了KEGG分析。
2 结果 2.1 脓毒症患者外周血中mRNAs、lncRNAs和miRNAs的差异表达对7例脓毒症患者和3例健康对照组的外周血样本进行二代测序。与对照组相比，脓毒症患者外周血中总共检测出4 934个上调和4 395个下调的mRNAs、375个上调和474个下调的lncRNAs以及74个上调和77个下调miRNAs（图 1）。
|
| 红色代表上调，蓝色代表下调；纵坐标代表基因的数量 图 1 脓毒症患者外周血中差异表达的mRNAs、lncRNAs和miRNAs |
|
|
进一步将差异表达的mRNAs、miRNAs和lncRNAs进行可视化分析，经过归一化及相似性的聚类分析处理，并进行绘制基因热图和火山图。如图 2A~F所示，对照组与脓毒症患者组的外周血基因表达水平差异具有统计学意义，提示mRNAs、lncRNAs和miRNAs在脓毒症发生发展过程中发挥重要角色。
|
| 热图显示A为mRNA的表达谱，C为lncRNA的表达谱，E为miRNA的表达谱；火山图显示B为mRNA的表达，D为lncRNA的表达，F为miRNA的表达 图 2 mRNA、lncRNA和miRNA表达谱的变化 |
|
|
根据KEGG分析差异表达的mRNAs主要富集于炎症和免疫反应相关通路（图 3），而且其中富集数量在100个基因以上的通路有13条（表 3）。如Th17细胞分化、Th1和Th2细胞分化以及T细胞受体信号通路。这些通路在机体免疫调控中具有重要作用，免疫调控在脓毒症发生发展过程中有着重要的功能。
|
| 横坐标代表着富集程度最高的20条通路；纵坐标代表着富集在该条通路差异基因的个数；不同的颜色代表富集的数量差异 图 3 KEGG分析：京都基因和基因组百科全书（KEGG）通过富集差异表达的mRNAs |
|
|
| 通路编号 | 通路名称 | 差异基因通路数（占总基因的百分比） | 调控方向 |
| ko04140 | Autophagy - animal | 233(5.33%) | 上调 |
| ko04010 | MAPK signaling pathway | 219(5.01%) | 上调 |
| ko04659 | Th17 cell differentiation | 170(3.89%) | 下调 |
| ko04137 | Mitophagy - animal | 160(3.66%) | 上调 |
| ko04380 | Osteoclast differentiation | 154(3.52%) | 上调 |
| ko04658 | Th1 and Th2 cell differentiation | 146(3.34%) | 下调 |
| ko04640 | Hematopoietic cell lineage | 145(3.31%) | 上调 |
| ko05145 | Toxoplasmosis | 140(3.20%) | 上调 |
| ko04062 | Chemokine signaling pathway | 138(3.15%) | 上调 |
| ko04910 | Insulin signaling pathway | 131(2.99%) | 上调 |
| ko04660 | T cell receptor signaling pathway | 128(2.93%) | 下调 |
| ko04066 | HIF-1 signaling pathway | 109(2.49%) | 上调 |
| ko05321 | Inflammatory bowel disease (IBD) | 101(2.31%) | 下调 |
从GEO数据库中下载了GSE26378（脓毒症患者82例，对照组21例）、GSE26440（脓毒症患者98例，对照组32例）、GSE57065（脓毒症患者82例，对照组25例）、GSE69528（脓毒症患者83例，对照组55例）等4个脓毒症患者表达谱数据（图 4A~D）。结合GEO数据库中脓毒症患者的数据集和本研究数据进行交联分析，筛选出131个共同差异表达的mRNAs（图 4E）。
|
| A~D：火山图代表了不同数据集的差异基因可视化情况，红色代表上调，绿色代表下调；E：韦恩图为4组GEO芯片与本研究所得到的差异基因的交叠情况，韦恩图下方代表了不同基因集所包含的差异基因数量以及在所有基因总和中所占比例，不同的颜色代表不同的数据集 图 4 差异基因的筛选与整合 |
|
|
为了进一步探索该基因集的调控作用和相关信号通路，对131个差异表达基因进行KEGG功能分析（图 5A）。本研究发现差异基因集在PD-1/PD-L1通路中显著富集。参与调控PD-1/PD-L1信号通路的差异基因分别有TLR2、CD247、LAT（表 4）。此外，对该131个差异基因以及调控这些基因的差异表达miRNAs（图 5B）进行了网络可视化，并找到调控TLR2、CD247、LAT的miRNAs，分别是hsa-miR-370-3p、hsa-miR-3619-3p和hsa-miR-4488（图 5C）。
|
| A：KEGG分析，x轴代表FDR的-log2值，y轴代表通路名称，圆圈的大小代表不同的基因数量，线条的颜色代表通路的类型；B：miRNA-mRNA网络，其中红色菱形代表miRNAs，黄色圆形代表mRNAs；C：调控PD-1/PD-L1相关的基因和miRNAs 图 5 131个差异基因的功能分析和mRNA-miRNA网络构建 |
|
|
| 指标 | Log2FC | 调控方向 |
| miRNA | ||
| hsa-miR-370-3p | -4.9461 | 下调 |
| hsa-miR-3619-3p | 4.0428 | 上调 |
| hsa-miR-4488 | 3.7187 | 上调 |
| mRNA | ||
| TLR2 | 5.7708 | 上调 |
| CD247 | -3.3817 | 下调 |
| LAT | -3.4401 | 下调 |
将差异表达的lncRNAs构建ceRNA（图 6A）进行靶基因预测，对lncRNAs预测的靶基因进行KEGG分析，结果显示靶基因集同样富集在PD-1/PD-L1通路（图 6B）。并且发现80个lncRNAs在PD-1/PD-L1通路富集（图 6C），初步发现TCONS_00265603、TCONS_00234402、TCONS_00260914、TCONS_00265581、TCONS_0036088通过竞争性抑制hsa-miR-3619-3p、hsa-miR-370-3p、hsa-miR-4488参与调控TLR2、LAT和CD247的表达（表 5）。
|
| A：差异表达lncRNAs的ceRNA网络，红色为miRNA，蓝色为lncRNA，黄色为基因；B：lncRNAs预测靶基因的KEGG分析；C：调控PD-1/PD-L1通路的LncRNA的ceRNA网络，红色为lncRNA，蓝色为miRNA，黄色为基因 图 6 差异表达lncRNAs功能分析和ceRNA网络 |
|
|
| LncRNA_ID | Log2FC | miRNA | Log2FC | 基因 |
| TCONS_00265603 | 11.0014 | hsa-miR-3619-3p | 4.0428 | CD247 |
| TCONS_00234402 | 7.6583 | hsa-miR-370-3p | -4.9461 | TLR2 |
| TCONS_00265581 | -5.9945 | hsa-miR-4488 | 3.7187 | LAT |
miRNA和lncRNA在各种生物过程中的重要功能，这些分子引起了研究人员的关注[5-6]。RNA测序是一种强大的工具，能够揭示特定特异性RNA的差异表达谱[7]。为了探索miRNA和lncRNA在脓毒症中的潜在作用，本研究通过提取脓毒症患者及健康志愿者的外周血中总RNA进行高通量测序。与对照组相比发现，共有4 934个上调的mRNAs和4 395个下调的mRNAs、375个上调的lncRNAs和474个下调的lncRNAs以及74个上调的miRNAs和77个下调的miRNAs。
随后本研究对差异表达的mRNAs进行KEGG分析。KEGG分析结果显示差异表达的mRNAs富集于炎症免疫相关通路，其中包括辅助性T细胞（Th17、Th1和Th2）分化、T细胞受体等相关信号通路。T细胞是适应性免疫的细胞成分，辅助T细胞通过分泌各种细胞因子和趋化因子激活先天性免疫细胞和适应性免疫细胞。Th17细胞、Th1和Th2细胞是CD4+T淋巴细胞的亚群[8]。有学者发现在严重脓毒症期间Th17细胞免疫反应下调会增加脓毒症患者的病死率[9]。Th1细胞、Th2细胞是功能不同Th细胞亚群，参与人体的促炎反应和抑炎反应的平衡。Th1细胞和Th2细胞之间的平衡，影响巨噬细胞的极化，M1/M2巨噬细胞平衡极化决定了器官在炎症或损伤中的命运[10]。本研究结果表明在脓毒症患者血液中Th17活化通路下调，影响Th17细胞的分化；Th1细胞和Th2细胞分化信号通路的下调，导致M1和M2型巨噬细胞转化平衡被打破；Th17细胞分化、Th1细胞和Th2细胞分化，受T细胞受体信号通路的调控；最终影响免疫细胞的增殖和活化。导致机体免疫异常。综上所述，脓毒症的免疫炎症反应，影响辅助性T细胞的增殖和分化，从而导致机体的免疫抑制。
结合GEO数据库中下载的4套脓毒症患者数据集和本研究的DE mRNA，本研究筛选出131个共同差异表达的靶基因。同时，靶基因的KEGG功能分析提示差异基因同样富集于免疫和炎症反应相关通路。与上述的结果一致。其中显著富集在PD-1/PD-L1信号通路。PD-1也称为CD279，是适应性和先天免疫应答的抑制剂；在肿瘤疾病中得到广泛的研究[11]。PD-1通过调节T细胞的活性，促进T细胞凋亡，在抑制免疫反应和促进自我耐受方面起着至关重要的作用[12]。PD-L1是一种跨膜蛋白，在免疫细胞表面表达。被认为是免疫反应的辅助抑制因子，它可以与PD-1结合，减少PD-1阳性细胞的增殖，抑制其细胞因子分泌并诱导细胞凋亡[13]。研究表明，PD-1/PD-L1信号通路与脓毒症患者的病死率和预后密切相关；可导致T细胞耗竭、凋亡和增殖受损[14]。因此，通过发现调控PD-1/PD-L1通路的分子，研究其调控机制将为诊断和治疗提供新的方向。
进一步，本研究还发现TLR2、CD247和LAT差异表达的基因在脓毒症中参与PD-1/PD-L1通路的调控TLR2通过TLR/MyD88/NF-κB信号通路，引起免疫细胞表面PL-L1的表达增加，激活PD-1/PD-L1信号通路，最终抑制T细胞活化所需基因及细胞因子的转录和翻译，发挥负向调控T细胞活性的作用[15]。从本研究发现TLR2在PD-1/PD-L1信号通路中高表达，可能通过激活PD-1/PD-L1信号通路来诱导脓毒症免疫抑制。CD247（又称CD3Z或TCRZ）基因位于人染色体1q24.2，在慢性炎症、自身免疫性疾病和肿瘤发展过程中发挥重要作用。一项Meta分析显示脓毒症休克小鼠模型中的CD247表达水平明显降低[16]。既往研究表明，PD-1/PD-L1信号通路的激活会引起CD247基因的低表达，诱导T细胞的凋亡[17]。本研究则证实，CD247脓毒症外周血中低表达。LAT是一种支架蛋白，是T细胞活化的中心信号纽带[18]。有研究者发现，在体内实验和体外实验中，LAT的磷酸化水平降低，引起T淋巴细胞的激活障碍[19]。此外，近期文献报道LAT的活性降低会减少辅助性T细胞活性，而通过抑制PD-1能够逆转这一现象[20]。总结本研究结果发现TLR2、CD247和LAT表达水平在脓毒症外周血中分别呈现上调、下调和下调。共同激活PD-1/PD-L1通路来抑制脓毒症患者血液中T细胞、单核细胞和巨噬细胞的活化，诱发细胞凋亡，有望成为脓毒症免疫功能障碍的新的标志物和治疗靶点。
同时，本研究对131个差异表达的mRNAs与调控这些基因的miRNAs构建miRNA-mRNA网络，进一步挖掘miRNAs在脓毒症中的调控作用；通过miRNA-mRNA关联分析发现，hsa-miR-370-3p、hsa-miR-3619-3p和hsa-miR-4488分别调控TLR2、CD247和LAT3。hsa-miR-370-3p和类风湿性关节炎和痛风性关节炎的发病机制有关[21]，hsa-miR-4488和皮肌炎发病机制相关[22]。类风湿性关节炎、痛风性关节炎和皮肌炎均为自身免疫性疾病[21-22]，关于hsa-miR-3619-3p，目前尚无相关文献报道。本研究结果发现hsa-miR-370-3p低表达、hsa-miR-3619-3p高表达和hsa-miR-4488高表达，负反馈调控TLR2、CD247和LAT，与上述的研究结果一致，前面研究发现TLR2、CD247和LAT参与调控脓毒症中PD-1/PD-L1信号通路。因此推测hsa-miR-370-3p、hsa-miR-3619-3p和hsa-miR-4488通过分别调控TLR2、CD247和LAT表达来影响PD-1/PD-L1信号通路的激活，为脓毒症免疫抑制相关研究提供新的策略。
此外，本研究也筛选到375个上调和474个下调的lncRNAs。近期的研究发现，lncRNAs具有巨大的临床价值，其可能在脓毒症诱导的器官功能障碍中发挥着重要作用[23]。本研究构建了lncRNA-miRNA-mRNA竞争内源性RNA网络来预测lncRNA的功能，并对预测的下游靶基因进行KEGG分析，结果同样在PD-1/PD-L1信号通路中富集，并通过ceRNA网络分析发现80个lncRNAs调控该通路。其中TCONS_00265603、TCONS_00234402和TCONS_00265581可以通过竞争性抑制hsa-miR-3619-3p、hsa-miR-370-3p和phsa-miR-4488参与调控CD247、TLR2和LAT表达。有相关研究发现LncRNA SNHG14调节miR-5590-3p/ZEB1靶向轴影响PD-1/PD-L1信号通路，从而促进弥漫性大B细胞淋巴瘤得进展和免疫逃逸[24]。Hu等[25]发现LncRNA XLOC_003810可以促进T细胞活化，并抑制重症肌无力相关胸腺瘤患者的PD-1/PD-L1表达。然而，在脓毒症中，尚无lncRNA调控PD-1/PD-L1信号通路的相关研究，本研究初步发现lncRNA可能通过调控PD-1/PD-L1信号来调控机体免疫系统，诱导先天免疫细胞及适应性免疫细胞的活化，为脓毒症的发展提供了新的方向。
综上所述本研究全面分析了脓毒症患者外周血中mRNAs和非编码RNAs（lncRNAs和miRNAs）的表达，并结合GEO数据库中4个脓毒症数据集和本研究测序数据的相互验证；找出131个重叠基因，通过KEGG分析发现显著富集在PD-1/PDL-1通路；并构建miRNA-mRNA网络，进而发现参与调控PD-1/PDL-1通路的相关网络分子，为靶向治疗提供了理论依据。最后，构建了lncRNA-miRNA-mRNA网络，借助lncRNAs靶基因预测和KEGG分析，再次证实PD-1/PDL-1信号通路在脓毒症免疫抑制中发挥了重要作用，初步发现参与调控该通路相关的lncRNAs，由于lncRNAs在该通路中的调节方式尚不明确，该分析为未来的研究提供了宝贵的资源和信息。
利益冲突 所有作者声明无利益冲突
作者贡献声明 李兴、宋春梅：实验操作、论文撰写；卢文辉：数据收集及整理；穆根华、卢仲谦；统计学分析；邓义军：研究设计、论文修改
| [1] | Singer M, Deutschman CS, Seymour CW, et al. The third international consensus definitions for sepsis and septic shock (Sepsis-3)[J]. JAMA, 2016, 315(8): 801-810. DOI:10.1001/jama.2016.0287 |
| [2] | Cecconi M, Evans L, Levy M, et al. Sepsis and septic shock[J]. Lancet, 2018, 392(10141): 75-87. DOI:10.1016/S0140-6736(18)30696-2 |
| [3] | Esposito S, de Simone G, Boccia G, et al. Sepsis and septic shock: new definitions, new diagnostic and therapeutic approaches[J]. J Glob Antimicrob Resist, 2017, 10: 204-212. DOI:10.1016/j.jgar.2017.06.013 |
| [4] | Iro MA, Soundara Pandi SP. Clinical application of non-coding RNAs in sepsis[J]. Curr Opin Infect Dis, 2020, 33(6): 530-539. DOI:10.1097/QCO.0000000000000688 |
| [5] | Matsui M, Corey DR. Non-coding RNAs as drug targets[J]. Nat Rev Drug Discov, 2017, 16(3): 167-179. DOI:10.1038/nrd.2016.117 |
| [6] | 韦毅萌, 袁丁, 余言午, 等. 宏基因组二代测序技术在血流感染脓毒症患者诊疗中的应用价值[J]. 中华急诊医学杂志, 2023, 32(6): 786-789. DOI:10.3760/cma.j.issn.1671-0282.2023.06.012 |
| [7] | Qian XY, Zhao JY, Yeung PY, et al. Revealing lncRNA structures and interactions by sequencing-based approaches[J]. Trends Biochem Sci, 2019, 44(1): 33-52. DOI:10.1016/j.tibs.2018.09.012 |
| [8] | Read KA, Powell MD, Sreekumar BK, et al. In vitro differentiation of effector CD4+ T helper cell subsets[J]. Methods Mol Biol, 2019, 1960: 75-84. DOI:10.1007/978-1-4939-9167-9_6 |
| [9] | Wu HP, Chung K, Lin CY, et al. Associations of T helper 1, 2, 17 and regulatory T lymphocytes with mortality in severe sepsis[J]. Inflamm Res, 2013, 62(8): 751-763. DOI:10.1007/s00011-013-0630-3 |
| [10] | Chen YN, Hu MR, Wang L, et al. Macrophage M1/M2 polarization[J]. Eur J Pharmacol, 2020, 877: 173090. DOI:10.1016/j.ejphar.2020.173090 |
| [11] | Han Y, Liu D, Li L. PD-1/PD-L1 pathway: current researches in cancer[J]. Am J Cancer Res, 2020, 10(3): 727-742. |
| [12] | Ai LY, Xu AT, Xu J. Roles of PD-1/PD-L1 pathway: signaling, cancer, and beyond[J]. Adv Exp Med Biol, 2020, 1248: 33-59. DOI:10.1007/978-981-15-3266-5_3 |
| [13] | Nakamori Y, Park EJ, Shimaoka M. Immune deregulation in sepsis and septic shock: reversing immune paralysis by targeting PD-1/PD-L1 pathway[J]. Front Immunol, 2020, 11: 624279. DOI:10.3389/fimmu.2020.624279 |
| [14] | Tomino A, Tsuda M, Aoki R, et al. Increased PD-1 expression and altered T cell repertoire diversity predict mortality in patients with septic shock: a preliminary study[J]. PLoS One, 2017, 12(1): e0169653. DOI:10.1371/journal.pone.0169653 |
| [15] | Bi SX, Huang WJ, Chen S, et al. Cordyceps militaris polysaccharide converts immunosuppressive macrophages into M1-like phenotype and activates T lymphocytes by inhibiting the PD-L1/PD-1 axis between TAMs and T lymphocytes[J]. Int J Biol Macromol, 2020, 150: 261-280. DOI:10.1016/j.ijbiomac.2020.02.050 |
| [16] | Jiang Y, Miao Q, Hu L, et al. FYN and CD247: key genes for septic shock based on bioinformatics and meta-analysis[J]. Comb Chem High Throughput Screen, 2022, 25(10): 1722-1730. DOI:10.2174/1386207324666210816123508 |
| [17] | Li YP, Chen SB, Li XC, et al. CD247, a potential T cell-derived disease severity and prognostic biomarker in patients with idiopathic pulmonary fibrosis[J]. Front Immunol, 2021, 12: 762594. DOI:10.3389/fimmu.2021.762594 |
| [18] | Malissen B, Aguado E, Malissen M. Role of the LAT adaptor in T-cell development and Th2 differentiation[J]. Adv Immunol, 2005, 87: 1-25. DOI:10.1016/S0065-2776(05)87001-4 |
| [19] | Saibil SD, Deenick EK, Ohashi PS. The sound of silence: modulating anergy in T lymphocytes[J]. Curr Opin Immunol, 2007, 19(6): 658-664. DOI:10.1016/j.coi.2007.08.005 |
| [20] | Li YK, Tunbridge HM, Britton GJ, et al. A LAT-based signaling complex in the immunological synapse as determined with live cell imaging is less stable in T cells with regulatory capability[J]. Cells, 2021, 10(2): 418. DOI:10.3390/cells10020418 |
| [21] | Chen XM, Zhao Y, Wu XD, et al. Novel findings from determination of common expressed plasma exosomal microRNAs in patients with psoriatic arthritis, psoriasis vulgaris, rheumatoid arthritis, and gouty arthritis[J]. Discov Med, 2019, 28(151): 47-68. |
| [22] | Zhong DL, Wu CY, Xu D, et al. Plasma-derived exosomal hsa-miR-4488 and hsa-miR-1228-5p: novel biomarkers for dermatomyositis-associated interstitial lung disease with anti-melanoma differentiation-associated protein 5 antibody-positive subset[J]. Biomed Res Int, 2021, 2021: 6676107. DOI:10.1155/2021/6676107 |
| [23] | Hashemian SM, Pourhanifeh MH, Fadaei S, et al. Non-coding RNAs and exosomes: their role in the pathogenesis of sepsis[J]. Mol Ther Nucleic Acids, 2020, 21: 51-74. DOI:10.1016/j.omtn.2020.05.012 |
| [24] | Zhao LN, Liu Y, Zhang JB, et al. LncRNA SNHG14/miR-5590-3p/ZEB1 positive feedback loop promoted diffuse large B cell lymphoma progression and immune evasion through regulating PD-1/PD-L1 checkpoint[J]. Cell Death Dis, 2019, 10(10): 731. DOI:10.1038/s41419-019-1886-5 |
| [25] | Hu B, Niu L, Jiang Z, et al. LncRNA XLOC003810 promotes T cell activation and inhibits PD-1/PD-L1 expression in patients with myasthenia gravis-related thymoma[J]. Scand J Immunol, 2020, 92(1): e12886. DOI:10.1111/sji.12886 |