JUSINDO, Vol. 6 No. 2, Juli 2024

p-ISSN: 2303-288X, e-ISSN: 2541-7207

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 895

Prediksi Mekanisme Kerja Whey Protein Sebagai Suplemen Anti-

Diabetes dan Anti-Obesitas Berdasarkan Analisis Diffrentially Genes

Expressed (DEG) Inflamasi

Siti Nurbaya

, Aryo Tedjo

Universitas Indonesia, Depok, Indonesia

Email: sitinurbaja01@gmail.com

ABSTRAK

Kata Kunci:

Obesitas sering dikaitkan dengan inflamasi, yang memicu pelepasan

mediator inflamasi dan menurunkan produksi adiponektin. Beberapa

teori menyebutkan bahwa peradangan kronis akibat obesitas

merupakan mekanisme dominan diabetes tipe 2 (T2D). Penelitian ini

melakukan analisis Differentially Genes Expressed (DEG) terkait

inflamasi menggunakan basis data Gene Expression Omnibus (GEO)

untuk melihat perubahan transkripsi (ekspresi gen) pada hati manusia

yang berkontribusi pada akumulasi lipid hati dan resistensi insulin

terkait T2D. DEG yang dihasilkan kemudian digunakan untuk

melihat apakah whey protein (WP) dapat mempengaruhi DEG

tersebut. Konsumsi WP dipercaya dapat menurunkan kelebihan berat

badan dan kadar gula darah. Hasil analisis DEG menunjukkan

terdapat 22 gen terkait inflamasi pada liver yang berbeda

ekspresinya antara Lean dengan kelompok pasien obesitas tanpa

T2D (Obese_noT2D) dan dengan kelompok pasien obesitas dengan

T2D yang tidak terkontrol (Obese_T2D-poorly controlled).

Berdasarkan penelitian ini, tidak satu-pun gen-gen tersebut yang

dipengaruhi oleh asupan WP. Namun demikian beberapa gen yang

diduga berperan dalam inflamasi, obesitas, dan T2D seperti FOXJ1,

NLRP1, LGALS2, LIME1, NOTCH3, ARBB2, SIM2, dan TAT

berpotensi dipengaruhi oleh asupan WP.

ABSTRACT

Obesity is often associated with inflammation, which triggers

the release of inflammatory mediators and decreases

adiponectin production. Some theories suggest that chronic

inflammation due to obesity is the dominant mechanism of type

2 diabetes (T2D). This study conducted an analysis of

inflammation-related Differentially Expressed Genes (DEG)

using the Gene Expression Omnibus (GEO) database to look

at transcriptional changes (gene expression) in the human

liver that contribute to liver lipid accumulation and T2D-

related insulin resistance. The resulting DEG was then used to

see if whey protein (WP) could affect the DEG. WP

consumption is believed to reduce excess weight and blood

sugar levels. The results of DEG analysis showed that there

were 22 genes related to inflammation in the liver that differed

in expression between Lean and obese patients without T2D

(Obese_noT2D) and obesity patients with T2D (Obese_T2D-

poorly controlled). Based on this study, none of these genes

are affected by WP intake. However, several genes that are

suspected to play a role in inflammation, obesity, and T2D

such as FOXJ1, NLRP1, LGALS2, LIME1, NOTCH3, ARBB2,

Differentially Genes

Expressed; Obesity; Type-2

Diabetes; Inflammation;

Whey Protein

Keywords:

Differentially Genes

Expressed, Obesity; Type-2

Diabetes; Inflammation;

Whey Protein

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 896

SIM2, and TAT have the potential to be influenced by WP

intake

Coresponden Author: Siti Nurbaya

Email: [email protected]

Artikel dengan akses terbuka dibawah lisensi

Pendahuluan

Diabetes ditandai dengan beberapa komplikasi patofisiologis termasuk hiperglikemia,

resistensi insulin, dan gangguan homeostasis energi karena gangguan metabolisme glukosa dan

lipid (D. Das dkk., 2022). Diabetes terutama diabetes tipe 2 (T2D) sering dikaitkan dengan

obesitas, dimana 90% orang dengan T2D mengalami kelebihan berat badan atau obesitas

(Salehpour dkk., 2021). Diabetes juga dapat dikaitkan dengan inflamasi. Sekitar setengah dari

semua orang dewasa dengan diabetes diketahui menderita radang sendi (Piva dkk., 2015). Orang

dengan radang sendi memiliki risiko 61% lebih tinggi terkena diabetes daripada mereka yang

tidak memiliki penyakit ini (Watson, 2022).

Di sisi lain, obesitas juga sering dikaitkan dengan

inflamasi. Kelebihan makronutrien dalam jaringan adiposa merangsang pelepaskan mediator

inflamasi seperti faktor nekrosis tumor α (TNFA) dan interleukin 6 (IL6), serta mengurangi

produksi adiponektin, yang merupakan predisposisi ke keadaan pro-inflamasi dan stres oksidatif

(Ellulu dkk., 2017).

Salah satu teori menyebutkan peradangan sistemik kronis yang disebabkan oleh obesitas

merupakan mekanisme dominan T2D. Teori ini didukung oleh banyak temuan dan bukti klinis

bahwa penanda inflamasi seperti CRP, TNFA, dan IL6 meningkat ekspresinya pada subjek

obesitas dan subyek dengan resisten insulin (U. N. Das & Rao, 2007; Molina-Ayala dkk.,

2022). Adapun studi analisis ekpresi gen pada jaringan adiposa omental dari pasien operasi

bariatrik dilakukan oleh Molina-Ayala dkk. (2022) menunjukkan VEGFA, CCND2, IL1R1 dan

PTEN mengalami downregulasi dalam kelompok obesitas dengan T2D. Hasil analisis Gene

Ontology (GO) biological process menunjukkan VGFA, CCND2 dan PTEN berperan dalam

regulasi fosforilasi protein. Fosforilasi adalah reaksi biokimia mendasar yang memodulasi

aktivitas protein dalam sel. Fosforilasi diketahui memainkan peran penting dalam pengaturan

sistem kekebalan tubuh (Sadreev dkk., 2014). Selain itu fosforilasi diketahui juga memainkan

peran penting dalam mengatur kematian sel inflamasi (Xu & Huang, 2022).

Ekspresi gen diferensial (DEG) penting untuk memahami perbedaan biologis antara

keadaan sehat dan sakit. Identifikasi gen yang terlibat dalam penyakit adalah alat penting untuk

mengungkapkan mekanisme molekuler perkembangan penyakit. Dalam penelitian farmasi dan

klinis, DEG juga berharga untuk menentukan kandidat biomarker, target terapeutik, dan tanda

tangan gen untuk diagnostik (Rodriguez-Esteban & Jiang, 2017). Selain analisis DEG gen

individu, analisis gen-gen yang diekspresikan secara bersama juga penting untuk melihat korelasi

atau hubungan pengaturan yang membedakan keadaan sehat dan sakit. Dengan menggunakan

logika yang sama, jejaring antar-penyakit juga dapat dianalisis dengan melihat kesamaan gen-gen

yang diekspresikan antar-fenotip atau penyakit-penyakit yang diduga saling berhubungan.

Berdasarkan penjelasan di atas, kesamaan perubahan profil gen-gen yang diekspresikan terkait

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 897

diabetes, obesitas, dan inflamasi akibat efek terapi tertentu dengan demikian dapat digunakan

untuk mengevaluasi suatu kandidat agen anti-diabetes. Pendekatan analisis multi-target ekspresi

gen berbasis jejaring hubungan antar-fenotip (diabetes-obesitas-inflamasi) diharapkan juga

memberikan wawasan atau penjelasan yang luas terkait mekanisme kerja suatu kandidat agen

anti-diabetes.

Dalam penelitian ini dilakukan analisis ekspresi gen terkait diabetes-obesitas-inflamasi

pada basis-data Gene Expression Omnibus (GEO) sebagai efek pemberian whey protein (WP)

baik pada model invivo maupun human. Penelitian sebelumnya oleh Smith dkk. (2022) pada

subyek orang dengan T2D yang diberikan 15gram WP 10 menit sebelum sarapan, makan siang,

dan makan malam selama tujuh hari dan tetap menggunakan obat diabetes yang diresepkan

memiliki kadar glukosa darah harian 0.6 mmol/L lebih rendah (P<0.05) dibandingkan subyek

plasebo. Konsumsi WP juga tampak membantu partisipan berada dalam kondisi euglikemia dua

jam lebih lama. Euglikemia merupakan kondisi di mana kadar gula darah berada pada level

normal. Adapun meta-analisis dari 9 uji coba kontrol acak (RCT) yang dilakukan oleh

Wirunsawanya dkk. (2018) untuk mengevaluasi efek konsumsi WP pada individu yang kelebihan

berat badan dan obesitas menunjukan pengurangan berat badan, massa lemak, dan massa tanpa

lemak yang signifikan. Selain itu ada perbaikan dalam beberapa faktor risiko CVD termasuk

tingkat tekanan darah sistolik, tekanan darah diastolik, glukosa, lipoprotein densitas tinggi, dan

kolesterol. Berdasarkan paparan di atas menarik untuk diketahui gen-gen apa saja yang

dipengaruhi ekspresinya akibat pemberian WP (terutama yang terkait inflamasi) sehingga

diharapkan dapat lebih menjelaskan potensi WP sebagai kandidat suplemen anti-diabetes dari sisi

mekanisme kerjanya.

Metode Penelitian

Data gen-gen yang terkait inflamasi diperoleh dari basis data KEGG hsa04062 (Chemokine

signaling pathway - Homo sapiens), KEGG hsa04932 (Non-alcoholic fatty liver disease - Homo

sapiens), dan hasil studi oleh Diedisheim dkk. (2020) terkait gen manusia yang paling relevan

dan terlibat dalam respons inflamasi yang berhubungan dengan diabetes tipe 2 (T2D). Analisis

DEG gen-gen yang berhubungan dengan inflamasi dilakukan pada data GSE15653 yang

diperoleh dari basis data GEO. GSE15653 berisi data perubahan transkripsi (ekspresi gen) pada

hati manusia yang berkontribusi pada akumulasi lipid hati dan resistensi insulin terkait T2D.

Adapun respon perubahan ekspresi gen terkait inflamasi akibat pemberian WP diamati pada data

GSE178584 yang diperoleh dari basis data GEO. GSE178584 berisi data perubahan ekspresi gen

sel HepG2 yang diberikan serum manusia yang diambil sebelum (fasting,F) dan 60 menit setelah

asupan WP.

DEG yang diperoleh digunakan untuk melihat interaksi protein-protein terkait inflamasi

yang telah diketahui dan diprediksi menggunakan database STRING (2023) (https://string-

db.org/). Interaksi tersebut meliputi asosiasi langsung (fisik) dan tidak langsung (fungsional).

Database STRING berasal dari prediksi komputasi, transfer pengetahuan antar organisme, dan

dari interaksi yang dikumpulkan dari database (primer) lainnya. DEG yang diperoleh kemudian

digunakan untuk mengelompokkan sample lean, obesitas, dan T2D dengan Principal component

analysis (PCA) dan divalidasi dengan Neural network menggunakan Orange

(https://orangedatamining.com/).

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 898

Tabel 1 Gen-gen terkait inflamasi berdasarkan 5 (lima) mekanisme kerja atau pathway

Type 2 diabetes

Source

Cytokine-induced

IFNGR1, JAZF1, MACROD1, MAPK8IP1, NFE2L3, ST6GAL1

Diedisheim et

al (2020)

TREG/T regulation

CMIP, KLF14, MAP3K1, NLRC3, PTPRJ

Diedisheim et

al (2020)

M1/M2 polarisation

IFNGR1, MAEA, PPARG

Diedisheim et

al (2020)

Chemokine signaling pathway

CXCL1, CXCL2, CXCL3, CXCL5, CXCL6, PPBP, CXCL8, CXCL9, CXCL10, CXCL11,

CXCL12, CXCL13, CXCL16, PF4, PF4V1, CXCL14, XCL1, XCL2, CX3CL1, CCL1,

CCL2, CCL3, CCL3L1, CCL3L3, CCL4, CCL4L2, CCL4L1, CCL5, CCL7, CCL8,

CCL11, CCL13, CCL14, CCL15, CCL23, CCL16, CCL17, CCL18, CCL19, CCL20,

CCL21, CCL22, CCL24, CCL25, CCL26, CCL27, CCL28, CXCR2, CXCR1, CXCR3,

CXCR4, CXCR5, CXCR6, XCR1, CX3CR1, CCR8, CCR6, CCR9, CCR4, CCR7, CCR2,

CCR5, CCR1, CCR3, CCR10, JAK2, JAK3, STAT1, STAT2, STAT3, STAT5B, GNAI1,

GNAI3, GNAI2, ADCY1, ADCY2, ADCY3, ADCY4, ADCY5, ADCY6, ADCY7,

ADCY8, ADCY9, PRKACA, PRKACB, PRKACG, LYN, HCK, FGR, SRC, SHC1,

SHC2, SHC3, SHC4, GRB2, SOS1, SOS2, HRAS, KRAS, NRAS, RAF1, BRAF,

MAP2K1, MAPK1, MAPK3, PIK3CA, PIK3CD, PIK3CB, PIK3R1, PIK3R2, PIK3R3,

PIK3CG, PIK3R5, PIK3R6, PRKCZ, AKT1, AKT2, AKT3, FOXO3, CHUK, IKBKB,

IKBKG, NFKBIA, NFKBIB, NFKB1, RELA, BAD, GSK3A, GSK3B, ITK, VAV3,

VAV1, VAV2, RAC1, RAC2, RAC3, PAK1, CDC42, WAS, RHOA, ROCK1, ROCK2,

GNB1, GNB2, GNB3, GNB4, GNB5, GNG2, GNG3, GNG4, GNG5, GNG7, GNG8,

GNG10, GNG11, GNG12, GNG13, GNGT1, GNGT2, PREX1, ELMO1, DOCK2, PTK2,

PXN, BCAR1, CRK, CRKL, PTK2B, GNAQ, PLCB1, PLCB2, PLCB3, PLCB4, PLCG1,

PLCG2, RASGRP2, RAP1A, RAP1B, PARD3, TIAM1, PRKCB, PRKCD, NCF1, GRK7,

GRK1, GRK2, GRK3, GRK4, GRK5, GRK6, ARRB1, ARRB2

KEGG

hsa04062

Non-alcoholic fatty liver disease

IL6, IL6R, SOCS3, TNF, TNFRSF1A, NFKB1, RELA, INS, INSR, IRS1, IRS2, PIK3CA,

PIK3CD, PIK3CB, PIK3R1, PIK3R2, PIK3R3, AKT1, AKT2, AKT3, GSK3A, GSK3B,

NR1H3, RXRA, SREBF1, MLX, MLXIP, MLXIPL, PKLR, LEP, LEPR, ADIPOQ,

ADIPOR1, ADIPOR2, PRKAA1, PRKAA2, PRKAB1, PRKAB2, PRKAG1, PRKAG3,

PRKAG2, MAPK11, MAPK12, MAPK13, MAPK14, PPARA, PPARG, CDC42, RAC1,

MAP3K11, MAPK8, MAPK10, MAPK9, ITCH, ERN1, TRAF2, MAP3K5, FOS, JUN,

IL1A, IL1B, IKBKB, XBP1, CEBPA, CYP2E1, FASLG, CXCL8, TGFB1, EIF2AK3,

EIF2S1, ATF4, DDIT3, BCL2L11, BAX, FAS, CASP8, BID, CYCS, CASP3, CASP7,

NDUFV1, NDUFV2, NDUFV3, NDUFA1, NDUFA2, NDUFA3, NDUFA4, NDUFA4L2,

NDUFA5, NDUFA6, NDUFA7, NDUFA8, NDUFA9, NDUFA10, NDUFAB1,

NDUFA11, NDUFA12, NDUFA13, NDUFB1, NDUFB2, NDUFB3, NDUFB4, NDUFB5,

NDUFB6, NDUFB7, NDUFB8, NDUFB9, NDUFB10, NDUFB11, NDUFS1, NDUFS2,

NDUFS3, NDUFS4, NDUFS5, NDUFS6, NDUFS7, NDUFS8, NDUFC1, NDUFC2,

NDUFC2-KCTD14, SDHA, SDHB, SDHC, SDHD, UQCRFS1, CYTB, CYC1, UQCRC1,

UQCRC2, UQCRH, UQCRHL, UQCRB, UQCRQ, UQCR10, UQCR11, COX3, COX1,

COX2, COX4I2, COX4I1, COX5A, COX5B, COX6A1, COX6A2, COX6B1, COX6B2,

COX6C, COX7A1, COX7A2, COX7A2L, COX7B, COX7B2, COX7C, COX8C, COX8A

KEGG

hsa04932

Hasil Dan Pembahasan

Hasil

Gen-gen terkait inflamasi yang diperoleh dari basis data KEGG dan studi oleh Diedisheim

dkk. (2020) dapat dilihat pada Tabel 1. Total terdapat 344 gene terkait inflamasi dengan 5 (lima)

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 899

mekanisme kerja: Cytokine-induced, TREG/T regulation, M1/M2 polarisation, Chemokine

signaling pathway, dan Non-alcoholic fatty liver disease yang memicu steatohepatitis yang lebih

parah dengan peradangan hati dan fibrosis atau nonalcoholic steatohepatitis (NASH). Ke-344

gene tersebut selanjutnya dilihat perubahan ekspresinya pada pasien obesitas atau pasien obesitas

dengan T2D terutama pada kondisi tidak terkontrol yang dibandingkan dengan subyek normal

(lean). Untuk itu dilakukan analisis differentially expressed genes (DEG) pada data GSE15653

dengan hasil tertera pada Tabel 2 (Lean vs Obese_noT2D) dan Table 3 (Lean vs Obese_T2D-

poorly controlled)

Pada Tabel 2 terlihat bahwa terdapat 39 DEG terkait inflamasi di antara subyek Lean dan

pasien obese (P<0.05 atau -log

P>0.301). Dari 39 DEG tersebut terdapat 16 gen yang mengalami

down-regulasi (-log2[foldchange]<0) pada subyek Lean dibandingkan pasien Obese_noT2D,

sedangkan 23 gen lainnya mengalami up-regulasi (-log2[foldchange]>0). Tabel 3 berisi daftar 62

DEG terkait inflamasi antara subyek normal (lean) terhadap Obese_T2D-poorly controlled

(P<0.05 atau -log

P>0.301). Di antara 62 gen tersebut 25 gen mengalami down-regulasi (-

log2[foldchange]<0), dan 37 gen mengalami up-regulasi (-log2[foldchange]>0). Jika DEG Lean

vs Obese_noT2D dibandingkan dengan DEG Lean vs Obese_T2D-poorly controlled, maka

didapatkan 22 sharing-DEG yang regulasinya konsisten seperti dapat dilihat pada Tabel 4. Dari

22 DEG tersebut 7 gen adalah gen yang terkait inflamasi jalur Non-alcoholic fatty liver disease

dan terdapat 15 gen yang terkait Chemokine signaling pathway.

Tabel 2 DEG terkait inflamasi: Lean vs Obese_noT2D (GSE15653)

No.

Gene

symbol

log2(fold

change)

-log10(Pvalue)

No.

Gene

symbol

log2(fold

change)

-log10(Pvalue)

BAX

-2.263

2.467

GNAI3

0.793

1.897

TGFB1

-1.718

2.779

GNG10

0.821

1.387

RAC2

-1.7

1.8

FAS

0.832

1.335

ADCY9

-1.673

2.493

GNAI1

0.876

1.396

GRK2

-1.591

1.326

RAP1A

0.952

1.324

BAD

-1.564

1.686

CCL13

0.954

1.786

SRC

-1.414

1.959

SOS2

0.968

1.585

CRK

-1.257

1.465

UQCRB

0.984

1.835

GNG7

-1.138

1.403

CASP8

1.064

2.008

PLCB2

-1.112

1.678

CCR4

1.077

1.315

PLCB3

-1.091

1.481

CCR2

1.143

1.33

FGR

-1.025

1.427

IRS2

1.145

2.162

GNB2

-0.968

2.097

ROCK1

1.227

1.867

HRAS

-0.921

1.467

MAP3K5

1.257

1.697

GRK5

-0.672

1.364

JUN

1.331

1.471

NFE2L3

-0.606

1.343

CXCR4

1.685

1.381

RAP1B

0.693

1.976

PRKAA1

1.801

1.494

COX7A2L

0.696

1.982

JAK2

2.772

2.438

STAT1

0.729

1.363

NDUFA2

2.963

3.166

NDUFB3

0.792

1.957

Interaksi protein/gen dari ke-22 DEG pada Tabel 4 dapat dilihat pada Gambar 1.

Klaster dihasilkan dari basis data STRING (https://string-db.org/), dimana garis (edge)

melambangkan interaksi protein secara fisik dan fungsional dengan interaction score high

confidence (0.700). Klaster C1 terdiri dari gen CASP8, MAP3K5, dan FAS yang

ketiganya adalah gen inflamasi terkait jalur Non-alcoholic fatty liver disease. Klaster C2

terdiri dari JUN yang merupakan gen yang terkait Non-alcoholic fatty liver disease, serta

RAC2, ROCK1, GNB2, GNG7, FGR, CRK, JAK2, RAP1A, dan SRC yang merupakan

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 900

gen-gen inflamasi terkait Chemokine signaling pathway. Adapun klaster C3 terdiri dari

IRS2 (jalur Non-alcoholic fatty liver disease) serta GNAI3, GNAI1, SOS2, dan HRAS

(Chemokine signaling pathway). Klaster C2 adalah klaster central dimana SRC (kotak

merah) merupakan gen atau protein yang diduga berperan penting sebagai jembatan antar-

klaster.

Tabel 3 DEG terkait inflamasi: Lean vs Obese_T2D poorly-controlled

No.

Gene

symbol

log2(fold

change)

log10(Pvalue)

No.

Gene

symbol

log2(fold

change)

log10(Pvalue)

TRAF2

-2.468

2.233

IL1B

0.932

1.38

GNB5

-2.366

2.578

SOS1

0.937

1.841

BAX

-2.364

2.612

CASP8

1.001

1.851

CRK

-1.947

2.629

PTPRJ

1.011

1.513

BAD

-1.928

2.233

GNAI1

1.07

1.833

RELA

-1.711

2.935

RAP1A

1.09

1.592

SRC

-1.695

1.895

SOS2

1.108

1.904

MAPK3

-1.683

1.539

ST6GAL1

1.113

1.646

GRK2

-1.657

1.402

IRS2

1.134

2.135

RAC2

-1.562

1.605

ROCK1

1.184

1.78

GRK4

-1.543

1.461

PTK2B

1.221

1.663

GNB2

-1.496

3.643

MAP3K5

1.245

1.675

STAT3

-1.375

1.565

CCR9

1.268

1.652

GNG7

-1.278

1.643

FASLG

1.269

1.714

ARRB2

-1.274

1.46

FAS

1.27

1.745

VAV2

-1.267

1.416

CX3CR1

1.431

1.879

CXCR3

-1.146

1.788

CXCL2

1.435

2.435

PPARA

-1.103

1.35

JAK3

1.451

2.881

FGR

-1.09

1.552

CCL23

1.473

1.383

NDUFV1

-0.998

1.851

MAPK8

1.505

2.208

SHC1

-0.977

1.442

MAPK8IP1

1.556

1.442

HRAS

-0.903

1.426

KRAS

1.63

2.205

NDUFV2

-0.8

1.32

JUN

1.727

3.806

GNB1

-0.799

1.568

COX5B

1.831

1.696

GNAI2

-0.793

1.346

CCR3

2.057

1.797

RAC1

0.638

1.383

JAK2

2.084

1.665

GNAI3

0.829

2.015

PLCB4

2.272

2.045

PTK2

0.914

1.583

NRAS

2.345

2.652

TIAM1

0.922

1.588

PLCB1

2.38

2.364

DDIT3

0.928

1.703

NDUFA2

2.43

2.462

LEP

0.931

1.553

CCL7

2.569

3.035

Tabel 4 Share-DEG terkait Inflamasi

Gene

symbol

Lean vs

Obese_noT2D

Lean vs Obese_T2D-

poorly controlled

Inflammatory mechanism

in:

BAX

down

Non-alcoholic fatty liver

disease

CRK

down

Chemokine signaling

pathway

BAD

down

Chemokine signaling

pathway

SRC

down

Chemokine signaling

pathway

GRK2

down

Chemokine signaling

pathway

RAC2

down

Chemokine signaling

pathway

GNB2

down

Chemokine signaling

pathway

GNG7

down

Chemokine signaling

pathway

FGR

down

Chemokine signaling

pathway

HRAS

down

Chemokine signaling

pathway

GNAI3

Chemokine signaling

pathway

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 901

CASP8

Non-alcoholic fatty liver

disease

GNAI1

Chemokine signaling

pathway

RAP1A

Chemokine signaling

pathway

SOS2

Chemokine signaling

pathway

IRS2

Non-alcoholic fatty liver

disease

ROCK1

Chemokine signaling

pathway

MAP3K5

Non-alcoholic fatty liver

disease

FAS

Non-alcoholic fatty liver

disease

JUN

Non-alcoholic fatty liver

disease

JAK2

Chemokine signaling

pathway

NDUFA2

Non-alcoholic fatty liver

disease

Gambar 1 Interaksi DEG inflamasi terkait obesitas dan T2D

Pengelompokkan sample lean, obesitas, dan T2D berdasarkan ke-22 DEGs yang dilakukan

dengan Principal component analysis (PCA) dan divalidasi dengan Neural network menggunakan

Orange (https://orangedatamining.com/) dapat dilihat pada Gambar 2. Analisis PCA

menunjukkan bahwa kelompok Lean vs Obese_noT2D, dan Lean vs Obese_T2D-poorly

controlled cukup dapat dipisahkan oleh ke-22 DEG pada Tabel 4. Walaupun terlihat bahwa Lean

dapat dipisahkan dengan lebih baik dari Obese_T2D-poorly controlled dibandingkan dengan

Obese_noT2D. Hal tersebut sesuai dengan nilai Area Under-Curved (AUC) dimana AUC Lean

vs Obese_T2D-poorly controlled lebih besar (0.83) dibandingkan Lean vs Obese_noT2D (0.67).

Untuk menentukan apakah WP berpotensi mempengaruhi ekspresi 22 DEG inflamasi

terkait obesitas dan T2D, maka akan dilihat ekspresi gen-gen tersebut pada sel HepG2 yang

diberikan serum darah manusia yang diambil sebelum (fasting, WP_F) dan 60 menit (WP_60)

setelah asupan WP (GSE178584). Perubahan ekspresi ke-22 gen WP_60 vs WP_F dapat dilihat

pada Tabel 5. Pada Tabel 5 terlihat bahwa beberapa gen yaitu CRK, BAD, SRC, GRK2, GNB2,

GNG7, HRAS, dan BAX mengalami down-regulasi setelah asupan WP sebagaimana halnya pada

subyek Lean jika dibandingkan dengan pasien obese_noT2D maupun pasien obsese_T2D-poorly

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 902

controlled. Namun demikian, tidak satupun gen yang memiliki perbedaan ekspresi signifikan

(P>0.05) pada sel HepG2 yang diberikan serum manusia sebelum (WP_F) dan setelah (WP_60)

asupan WP. Selain itu beberapa gen (11 gen) memiliki ekspresi berkebalikan dengan profil Lean

vs Obese_noT2D maupun Lean vs ObeseT2D-poorly controlled.

Gambar 2 Analisis PCA dan validasi (A) Lean vs Obese_noT2D dan

(B) Lean vs Obese_T2D-poorly controlled

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 903

Tabel 5 Perubahan ekspresi gen terkait inflamasi pada sel HepG2 (WP_F vs WP_60)

dibandingkan Lean vs Obese_noT2D dan Lean vs Obese_T2D-poorly controlled

Gene symbol

WP_60 vs WP_F

P value

(WP_60 vs

WP_F)

Lean vs Obese_noT2D/

T2D-poorly controlled

CRK

down

0.124

down

BAD

down

0.299

down

SRC

down

0.153

down

GRK2

down

0.147

down

GNB2

down

0.159

down

GNG7

down

0.071

down

HRAS

down

0.163

down

GNAI3

down

0.259

GNAI1

down

0.214

RAP1A

down

0.062

SOS2

down

0.238

ROCK1

down

0.260

JAK2

down

0.278

BAX

down

0.105

down

CASP8

down

0.086

IRS2

down

0.224

FAS

down

0.238

JUN

down

0.142

NDUFA2

down

0.224

Dikarenakan asupan WP tidak signifikan mempengaruhi DEG terkait inflamasi, maka akan

dilihat gen-gen apa saja di luar 22 gen tersebut (baik yang terkait inflamasi maupun yang tidak)

yang berpotensi diubah signifikan karena asupan WP. Hasil pencarian tersebut tersaji pada Tabel

6. Pada Tabel 6 terlihat bahwa 5 DEG WP_60 vs WP_F yaitu FOXJ1, NLRP1, LGALS2, LIME1,

NOTCH3 memiliki kemiripan profile ekspresi gen dengan Lean vs Obese_noT2D, sedangkan 4

DEG yaitu FOXJ1, ARBB2, SIM2, dan TAT memiliki kemiripan profile ekspresi gen dengan

Lean vs ObeseT2D-poorly controlled. Peran DEG terkait asupan WP dengan inflamasi, obesitas,

dan T2D tersaji pada Tabel 7.

Tabel 6 DEG sel HepG2 (WP_F vs WP_60) dibandingkan

Lean vs Obese_noT2D dan Lean vs Obese_T2D-poorly controlled

Gene

log2(fold change)

log10(Pvalue)

WP_60 vs WP_F

log2(fold change)

log10(Pvalue)

FOXJ1

Lean vs

Obese_noT2D

-1.806 (down)

3.113

-0.814 (down)

1.284

NLRP1

-1.254 (down)

1.622

-1.029 (down)

1.377

LGALS2

-1.165 (down)

1.503

-0.427 (down)

1.481

LIME1

-0.847 (down)

1.386

-0.677 (down)

1.469

NOTCH3

1.524 (up)

2.379

0.920 (up)

1.886

FOXJ1

Lean vs Obese_

T2D-poorly

controlled

-1.568 (down)

2.604

-0.814 (down)

1.284

ARRB2

-1.274 (down)

1.46

-0.362 (down)

1.357

SIM2

1.595 (up)

1.508

0.384 (up)

1.770

TAT

2.154 (up)

2.066

0.161 (up)

1.770

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 904

Tabel 7 Peran DEG terkait Asupan WP dengan Inflamasi, Obesitas, dan T2D

Gene (regulation)

Peran dalam inflamasi, obesitas, dan T2D

FOXJ1 (down)

FOXJ1 menghambat jalur persinyalan NFκB (proinflammatory signalling

pathway) (Jonsson & Peng, 2005)

NLRP1 (down)

Hati mengekspresikan NLRP1 pada tingkat Mrna (Szabo & Csak, 2012).

NLRP1 adalah protein pertama yang terbukti membentuk inflammasome

(Chavarría-Smith dkk., 2016).

LGALS2 (down)

Ekspresi Galektin 2 (gen LGALS2) liver meningkat 4,7 kali pada kelompok

New Zealand White rabbits aterosklerotik yang menerima diet

hiperkolesterolemik (Ivan dkk., 2022).

LIME1 (down)

Situs awal transkripsi gen LIME1 memiliki peran kunci dalam jalur inflamasi

seperti pensinyalan MAPK (Li dkk., 2021)

Obesitas dan diabetes sendiri telah

dikaitkan dengan peningkatan sinyal intraseluler p38 mitogen-activated protein

kinase (MAPK), yang dapat meningkatkan peradangan jaringan dan cedera

(Lim dkk., 2009).

NOTCH3 (up)

Pada wanita dengan obesitas berat dan NAFLD terjadi downregulasi ekspresi

NOTCH3 hati dan terdapat korelasi positif antara ekspresi NOTCH3 dan

beberapa gen yang terkait dengan metabolisme lipid hati (Auguet dkk., 2020).

ARRB2 (down)

β-Arrestin2 (ARRB2 gene) is increased in liver fibrosis in humans (Schierwagen

dkk., 2020). Diabetes mellitus tipe 2 meningkatkan risiko fibrosis hati pada

individu dengan obesitas dan penyakit hati berlemak nonalkohol (NFALD)

(Barb dkk., 2021).

SIM2 (down)

SIM2 menurunkan aktivasi NFκB pada sel MCF7 (Wyatt dkk., 2019).

NFκB

diaktifkan di hampir setiap penyakit hati kronis, termasuk penyakit hati

alkoholik, penyakit hati berlemak nonalkohol (NAFLD) (Jonsson & Peng,

2005).

TAT (up)

TAT diekspresi di hati dan ekspresinya diketahui abnormal pada tikus diabetes

(Shen & Zhu, 2018).

Pembahasan

Dalam kondisi normal, inflamasi akan mereda setelah rangsangan diatasi. Namun inflamasi

jangka panjang dapat menyebabkan kerusakan pada organ dan jaringan, termasuk pada jaringan

yang berhubungan dengan metabolisme. Kerusakan ini dapat menyebabkan beberapa kondisi

kronis seperti obesitas, diabetes, dan sindrom metabolik. Paparan inflamasi jangka panjang pada

penyandang obesitas, selanjutnya dapat menyebabkan kerusakan pada sel-sel pankreas yang

mengontrol produksi insulin, meningkatkan resistensi insulin, dan menyebabkan kondisi diabetes.

Inflamasi juga dapat mempengaruhi metabolisme lemak dan glukosa di hati, serta memicu

pembentukan lemak visceral yang dapat meningkatkan risiko aterosklerosis.

Hasil analisis DEG dari perubahan transkripsi (ekspresi gen) pada hati manusia yang

berkontribusi pada akumulasi lipid hati dan resistensi insulin terkait T2D hati manusia

menunjukkan bahwa terdapat 22 gene sharing terkait inflamasi dengan regulasi yang konsisten

(Tabel 4). Hal ini menunjukkan bahwa terdapat hubungan antara proses terjadinya kondisi

obesitas dengan T2D jika dilihat dari mekanisme inflamasinya. Pada Tabel 4 terlihat bahwa

secara umum mekanisme inflamasi yang terjadi adalah melalui Chemokine signaling pathway dan

Non-alcoholic fatty liver disease (NAFLD). Dalam ulasannya, Chan et al (2021) menunjukkan

pentingnya kemokin dan reseptor kemokin dalam peradangan jaringan adiposa terkait obesitas

dan perkembangan resistensi insulin (Chan & Hsieh, 2021). Adapun Diabetes melitus tipe 2

(T2D) dan penyakit hati berlemak nonalkohol (NAFLD) umumnya ada bersamaan dan telah

dianggap sebagai manifestasi dari sindrom metabolik. NAFLD diketahui memiliki prevalensi

70% di antara pasien T2D (Dharmalingam & Yamasandhi, 2018). Obesitas dikaitkan dengan

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 905

peningkatan lipolisis jaringan adiposa, sekresi mediator inflamasi, serta fibrotik pada liver.

Akumulasi sel-sel inflamasi dalam jaringan adiposa kemudian menyebabkan inflamasi yang

berkelanjutan/kronis, memediasi resistensi insulin, serta berkontribusi terhadap perkembangan

NAFLD (Luci dkk., 2020).

Interaksi protein dari ke-22 DEG menunjukkan terdapat 3 klaster yang saling terhubung

dan diduga saling mempengaruhi. Klaster C2 yang merupakan klaster sentral, dan terdapat gen

SRC yang terlihat menjadi protein penghubung antar klaster. Berdasarkan hasil analisis DEG

dalam penelitian ini, SRC mengalami down-regulasi pada sel hati pasien obesitas dan pasien

obesitas dengan T2D. SRC (proto-oncogene, non-receptor tyrosine kinase) merupakan salah satu

kinase utama yang diaktifkan setelah keterlibatan reseptor dan memainkan peran dalam aktivasi

keluarga protein tirosin kinase (PTK) lainnya (SRC, 2023). Hal ini menjelaskan posisi SRC

sebagai protein sentral dari interaksi protein yang terbentuk dimana fungsi protein memerlukan

aktivasi diantaranya oleh protein kinase. (Feng dkk., 2021) menunjukkan terjadi peningkatan

ekspresi SRC dan gen-gen Src family kinases (SFKs) lain dalam preadiposit manusia dan inhibitor

SFKs menekan diferensiasi adiposit dengan menurunkan ekspresi gen adipogenik pada

diferensiasi awal dan akhir.

Hasil analisis PCA dan machine learning yang dilakukan menggunakan Orange

menunjukkan 22 DEG sel hati terkait inflamasi lebih mampu membedakan Lean dengan

Obesitas_T2D-poorly controlled dibandingan dengan Obesitas_noT2D. Hal ini sepertinya dapat

menggambarkan progresivitas kerusakan hati yang diinduksi inflamasi akibat obesitas yang

mengarah pada terjadinya resistensi insulin atau T2D seperti yang diulas oleh Luci dkk. (2020).

Dengan demikian ke-22 DEG terkait inflamasi tersebut dapat dijadikan target terapi antiinflamasi

untuk obesitas dan T2D. Dalam penelitian ini, whey protein (WP) dievaluasi peranannya dalam

mempengaruhi perubahan ke-22 DEG tersebut. Tidak terdapat perubahan ekspresi gen yang

signifikan pada 22 DEG terkait inflamasi (Tabel 5) akibat penambahan serum darah manusia pada

sel HEP2 sebelum (WP_F) dan 60 menit (WP_60) setelah asupan whey protein (WP). Hal ini

menunjukkan bahwa kemampuan whey protein dalam memperbaiki parameter obesitas dan

penurunan kadar glukosa darah seperti temuan Wirunsawanya dkk. (2018) nampaknya

mengambil jalur mekanisme yang berbeda.

Hasil analisis DEG di luar ke-22 gen terkait inflamasi antara kelompok WP_F terhadap

WP_60 diperoleh 8 (delapan) DEG yaitu FOXJ1, NLRP1, LGALS2, LIME1, NOTCH3, ARBB2,

SIM2, dan TAT memiliki pola ekspresi gen yang sama dengan pasien Obese_noT2D atau

Obese_T2D-poorly controlled. Adapun keterkaitan 8 DEG tersebut dengan inflamasi, obesitas,

atau T2D dapat dilihat pada Tabel 7. Analisis interaksi protein menggunakan database STRING

menunjukkan tidak ditemukan keterhubungan diantara ke-8 DEG tersebut. Dengan demikian

belum ditemukan jalur dan mekanisme inflamasi yang dipengaruhi oleh WP berdasarkan data

ekspresi gennya. Untuk itu, perlu dilakukan eksplorasi dan riset lebih lanjut untuk menentukan

jalur dan mekanisme kerja WP dalam mempengaruhi ekspresi gen-gen yang terkait obesitas dan

T2D baik yang terkait inflamasi maupun yang tidak terkait inflamasi

Kesimpulan

Penelitian ini mengidentifikasi 22 gen yang berbeda (DEG) terkait jalur inflamasi yang

dapat digunakan sebagai target untuk terapi anti-inflamasi pada obesitas dan diabetes tipe 2

(T2D). Dalam penelitian ini, ditemukan bahwa potensi anti-diabetes dari whey protein (WP)

nampaknya menggunakan jalur yang berbeda yaitu melalui perubahan ekspresi gen FOXJ1,

NLRP1, LGALS2, LIME1, NOTCH3, ARBB2, SIM2, dan TAT. Secara keseluruhan, penelitian

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 906

ini memberikan wawasan berharga tentang peran ekspresi gen terkait inflamasi dalam obesitas

dan T2D, serta target potensialnya untuk terapi di masa depan.

Daftar Pustaka

Auguet, T., Bertran, L., Binetti, J., Aguilar, C., Martínez, S., Guiu‐Jurado, E., Sabench,

F., Adalid, L., Porras, J. A., Riesco, D., Del Castillo, D., & Richart, C. (2020).

Hepatocyte Notch Signaling Deregulation Related to Lipid Metabolism in Women

with Obesity and Nonalcoholic Fatty Liver. Obesity, 28(8), 1487–1493.

https://doi.org/10.1002/oby.22873

Barb, D., Repetto, E. M., Stokes, M. E., Shankar, S. S., & Cusi, K. (2021). Type 2 diabetes

mellitus increases the risk of hepatic fibrosis in individuals with obesity and

nonalcoholic fatty liver disease. Obesity, 29(11), 1950–1960.

https://doi.org/10.1002/oby.23263

Chan, P.-C., & Hsieh, P.-S. (2021). The Chemokine Systems at the Crossroads of

Inflammation and Energy Metabolism in the Development of Obesity. International

Journal of Molecular Sciences, 22(24), 13528.

https://doi.org/10.3390/ijms222413528

Chavarría-Smith, J., Mitchell, P. S., Ho, A. M., Daugherty, M. D., & Vance, R. E. (2016).

Functional and Evolutionary Analyses Identify Proteolysis as a General Mechanism

for NLRP1 Inflammasome Activation. PLOS Pathogens, 12(12), e1006052.

https://doi.org/10.1371/journal.ppat.1006052

Das, D., Kabir, M. E., Sarkar, S., Wann, S. B., Kalita, J., & Manna, P. (2022). Antidiabetic

potential of soy protein/peptide: A therapeutic insight. International Journal of

Biological Macromolecules, 194, 276–288.

https://doi.org/10.1016/j.ijbiomac.2021.11.131

Das, U. N., & Rao, A. A. (2007). Gene expression profile in obesity and type 2 diabetes

mellitus. Lipids in Health and Disease, 6(1), 35. https://doi.org/10.1186/1476-511X-

6-35

Dharmalingam, M., & Yamasandhi, Pg. (2018). Nonalcoholic fatty liver disease and Type

2 diabetes mellitus. Indian Journal of Endocrinology and Metabolism, 22(3), 421.

https://doi.org/10.4103/ijem.IJEM_585_17

Diedisheim, M., Carcarino, E., Vandiedonck, C., Roussel, R., Gautier, J.-F., & Venteclef,

N. (2020). Regulation of inflammation in diabetes: From genetics to epigenomics

evidence. Molecular Metabolism, 41, 101041.

https://doi.org/10.1016/j.molmet.2020.101041

Ellulu, M. S., Patimah, I., Khaza’ai, H., Rahmat, A., & Abed, Y. (2017). Obesity and

inflammation: the linking mechanism and the complications. Archives of Medical

Science, 4, 851–863. https://doi.org/10.5114/aoms.2016.58928

Feng, J., Zhang, X., Shan, C., Xia, J., Zhang, Z., Shi, H., Leng, K., Wu, Y., Ji, C., &

Zhong, T. (2021). Src family kinases involved in the differentiation of human

preadipocytes. Molecular and Cellular Endocrinology, 533, 111323.

https://doi.org/10.1016/j.mce.2021.111323

Ivan, L., Uyy, E., Suica, V. I., Boteanu, R. M., Cerveanu-Hogas, A., Hansen, R., &

Antohe, F. (2022). Hepatic Alarmins and Mitochondrial Dysfunction under Residual

Hyperlipidemic Stress Lead to Irreversible NAFLD. Journal of Clinical and

Translational Hepatology, 000(000), 000–000.

https://doi.org/10.14218/JCTH.2022.00128

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 907

Jonsson, H., & Peng, S. L. (2005). Forkhead transcription factors in immunology. CMLS

Cellular and Molecular Life Sciences, 62(4), 397–409.

https://doi.org/10.1007/s00018-004-4365-8

Li, S.-C., Kuo, H.-C., Huang, L.-H., Chou, W.-J., Lee, S.-Y., Chan, W.-C., & Wang, L.-

J. (2021). DNA Methylation in LIME1 and SPTBN2 Genes Is Associated with

Attention Deficit in Children. Children, 8(2), 92.

https://doi.org/10.3390/children8020092

Lim, A. K. H., Nikolic-Paterson, D. J., Ma, F. Y., Ozols, E., Thomas, M. C., Flavell, R.

A., Davis, R. J., & Tesch, G. H. (2009). Role of MKK3–p38 MAPK signalling in

the development of type 2 diabetes and renal injury in obese db/db mice.

Diabetologia, 52(2), 347–358. https://doi.org/10.1007/s00125-008-1215-5

Luci, C., Bourinet, M., Leclère, P. S., Anty, R., & Gual, P. (2020). Chronic Inflammation

in Non-Alcoholic Steatohepatitis: Molecular Mechanisms and Therapeutic

Strategies. Frontiers in Endocrinology, 11.

https://doi.org/10.3389/fendo.2020.597648

Molina-Ayala, M. A., Rodríguez-Amador, V., Suárez-Sánchez, R., León-Solís, L.,

Gómez-Zamudio, J., Mendoza-Zubieta, V., Cruz, M., & Suárez-Sánchez, F. (2022).

Expression of obesity- and type-2 diabetes-associated genes in omental adipose

tissue of individuals with obesity. Gene, 815, 146181.

https://doi.org/10.1016/j.gene.2021.146181

Piva, S. R., Susko, A. M., Khoja, S. S., Josbeno, D. A., Fitzgerald, G. K., & Toledo, F.

G. S. (2015). Links Between Osteoarthritis and Diabetes. Clinics in Geriatric

Medicine, 31(1), 67–87. https://doi.org/10.1016/j.cger.2014.08.019

Rodriguez-Esteban, R., & Jiang, X. (2017). Differential gene expression in disease: a

comparison between high-throughput studies and the literature. BMC Medical

Genomics, 10(1), 59. https://doi.org/10.1186/s12920-017-0293-y

Sadreev, I. I., Chen, M. Z. Q., Welsh, G. I., Umezawa, Y., Kotov, N. V., & Valeyev, N.

V. (2014). A Systems Model of Phosphorylation for Inflammatory Signaling Events.

PLoS ONE, 9(10), e110913. https://doi.org/10.1371/journal.pone.0110913

Salehpour, A., Rezaei, M., Khoradmehr, A., Tahamtani, Y., & Tamadon, A. (2021).

Which Hyperglycemic Model of Zebrafish (Danio rerio) Suites My Type 2 Diabetes

Mellitus Research? A Scoring System for Available Methods. Frontiers in Cell and

Developmental Biology, 9. https://doi.org/10.3389/fcell.2021.652061

Schierwagen, R., Dietrich, P., Klein, S., Uschner, F. E., Ortiz, C., Tyc, O., Torres, S.,

Hellerbrand, C., Sauerbruch, T., & Trebicka, J. (2020). β-Arrestin2 is increased in

liver fibrosis in humans and rodents. Proceedings of the National Academy of

Sciences, 117(44), 27082–27084. https://doi.org/10.1073/pnas.2014337117

Shen, J., & Zhu, B. (2018). Integrated analysis of the gene expression profile and DNA

methylation profile of obese patients with type 2 diabetes. Molecular Medicine

Reports. https://doi.org/10.3892/mmr.2018.8804

Smith, K., Taylor, G. S., Brunsgaard, L. H., Walker, M., Bowden Davies, K. A.,

Stevenson, E. J., & West, D. J. (2022). Thrice daily consumption of a novel, premeal

shot containing a low dose of whey protein increases time in euglycemia during 7

days of free-living in individuals with type 2 diabetes. BMJ Open Diabetes Research

& Care, 10(3), e002820. https://doi.org/10.1136/bmjdrc-2022-002820

SRC. (2023, Januari 1). SRC protein expression summary - The human protein atlas.

SRC: The Human Protein Atlas. https://www.proteinatlas.org/ENSG00000197122-

SRC

Jurnal Sehat Indonesia: Vol. 6, No. 2, Juli 2024 | 908

String. (2023). STRING functional protein association networks. STRING. https://string-

db.org/cgi/about

Szabo, G., & Csak, T. (2012). Inflammasomes in liver diseases. Journal of Hepatology,

57(3), 642–654. https://doi.org/10.1016/j.jhep.2012.03.035

Watson, S. (2022). The Link Between Arthritis and Diabetes. Arthritis Foundation.

https://www.arthritis.org/health-wellness/about-arthritis/related-conditions/other-

diseases/the-link-between-arthritis-and-diabetes

Wirunsawanya, K., Upala, S., Jaruvongvanich, V., & Sanguankeo, A. (2018). Whey

Protein Supplementation Improves Body Composition and Cardiovascular Risk

Factors in Overweight and Obese Patients: A Systematic Review and Meta-

Analysis. Journal of the American College of Nutrition, 37(1), 60–70.

https://doi.org/10.1080/07315724.2017.1344591

Wyatt, G. L., Crump, L. S., Young, C. M., Wessells, V. M., McQueen, C. M., Wall, S.

W., Gustafson, T. L., Fan, Y.-Y., Chapkin, R. S., Porter, W. W., & Lyons, T. R.

(2019). Cross-talk between SIM2s and NFκB regulates cyclooxygenase 2 expression

in breast cancer. Breast Cancer Research, 21(1), 131.

https://doi.org/10.1186/s13058-019-1224-y

Xu, W., & Huang, Y. (2022). Regulation of Inflammatory Cell Death by Phosphorylation.

Frontiers in Immunology, 13. https://doi.org/10.3389/fimmu.2022.851169