La dipendenza da oppioidi è associata a specifici modelli di espressione genica legati all'età. / Opioid Dependence Associated With Distinct Age-Related Gene Expression Patterns
La dipendenza da oppioidi è associata a specifici modelli di espressione genica legati all'età. / Opioid Dependence Associated With Distinct Age-Related Gene Expression Patterns
Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa
Il 27 luglio 2026 è stato pubblicato un nuovo articolo di ricerca nel volume 18 della rivista Aging , intitolato " L'analisi dell'orologio dell'invecchiamento trascrittomico identifica i geni chiave nella dipendenza da oppioidi ".
Lo studio è stato condotto dal primo autore Hai Duc Nguyen della Divisione di Microbiologia del Tulane National Biomedical Research Center, presso la Tulane University . L'autore corrispondente è Woong-Ki Kim, affiliato alla Divisione di Microbiologia del Tulane National Biomedical Research Center, presso la Tulane University , e al Dipartimento di Microbiologia e Immunologia della Facoltà di Medicina della Tulane University .
La dipendenza da oppioidi è una condizione cronica e recidivante associata ad un notevole impatto sulla salute e sulla società. L'esposizione cronica agli oppioidi può influenzare la segnalazione neuronale, la funzione immunitaria, il metabolismo ed altri processi biologici, tuttavia i meccanismi molecolari alla base della dipendenza rimangono ancora poco chiari. Prove crescenti suggeriscono inoltre che i disturbi da uso di sostanze possano essere associati a cambiamenti molecolari legati all'invecchiamento, sollevando interrogativi su come l'esposizione cronica agli oppioidi interagisca con i processi cerebrali dipendenti dall'età.
Per studiare queste relazioni, i ricercatori hanno condotto uno studio in silico integrando tre approcci complementari: profilazione trascrittomica basata sul sequenziamento dell'RNA, modellizzazione dell'orologio di invecchiamento trascrittomico ed analisi di studi di associazione a livello genomico (GWAS) precedentemente pubblicati. L'analisi trascrittomica ha utilizzato un set di dati RNA-seq cerebrale disponibile pubblicamente contenente 42 campioni (21 controlli sani e 21 individui con dipendenza da oppioidi), mentre l'analisi genetica ha incorporato i risultati di sei GWAS indipendenti.
L'analisi iniziale dell'espressione genica ha identificato 161 geni espressi in modo differenziale negli individui con dipendenza da oppioidi rispetto ai controlli sani, tra cui 147 geni sovraregolati e 14 geni sottoregolati. L'analisi di rete ha evidenziato otto potenziali geni hub altamente connessi: CCL2, CD44, THBS1, TIMP1, CD163, IL6, IL1B e MYC . Molti di questi geni sono coinvolti nei processi immunitari ed infiammatori, e l'analisi dei pathway ha identificato un significativo arricchimento della segnalazione del TNF, delle risposte infiammatorie e delle funzioni correlate alle citochine.
Molti di questi risultati indicano meccanismi neuroimmunitari che potrebbero contribuire alla dipendenza da oppioidi. Ad esempio, CCL2, IL6 e IL1B partecipano alla segnalazione infiammatoria ed all'attivazione microgliale, mentre CD163 e CD44 sono associati all'attivazione ed alla migrazione delle cellule immunitarie. La convergenza di questi segnali molecolari supporta una visione emergente secondo cui l'esposizione cronica agli oppioidi coinvolge non solo le vie neuronali, ma anche sostanziali cambiamenti nei processi infiammatori ed immunitari all'interno del cervello.
I ricercatori hanno quindi esaminato se i modelli di espressione genica differissero in base all'età. Gli individui con dipendenza da oppioidi sono stati suddivisi in gruppi di età più giovane e più anziana. L'espressione di FAM174B, un gene implicato nell'omeostasi cellulare, è risultata significativamente ridotta negli individui più anziani con dipendenza da oppioidi, mentre ZNF256, coinvolto nella regolazione trascrizionale, è risultato significativamente aumentato negli individui più giovani rispetto ai controlli sani. Queste differenze suggeriscono che le caratteristiche molecolari associate alla dipendenza da oppioidi possono variare nelle diverse fasi dell'età adulta.
Una componente fondamentale dello studio ha riguardato lo sviluppo di un orologio di invecchiamento trascrittomico, ovvero un algoritmo che stima l'età a partire dai modelli di espressione genica. I ricercatori hanno addestrato un modello di regressione elastic net esclusivamente sui 21 campioni di controllo sani e lo hanno poi applicato all'intero set di dati. Il modello ha mostrato prestazioni predittive moderate, con una correlazione di r = 0,686 tra età prevista ed età cronologica e un errore assoluto medio di 5,16 anni.
L'analisi ha rivelato differenze sorprendenti nei residui di previsione dell'età. Gli individui più giovani con dipendenza da oppioidi presentavano residui positivi, con una media di 14,6 anni, mentre gli individui più anziani presentavano residui negativi, con una media di -7,2 anni. Tuttavia, i ricercatori avvertono che questi risultati non dovrebbero essere interpretati semplicemente come prova che la dipendenza da oppioidi accelera l'invecchiamento nei giovani e lo inverte negli anziani. Piuttosto, il modello potrebbe riflettere un rimodellamento trascrittomico non lineare associato alla dipendenza da oppioidi, nonché differenze nella composizione delle cellule cerebrali e limitazioni nell'abbinamento per età e nella calibrazione del modello.
Due geni, PHYH e LUCAT1, sono risultati particolarmente associati a questi stati trascrizionali legati all'età. PHYH è coinvolto nel metabolismo lipidico, mentre LUCAT1 è stato collegato alla regolazione infiammatoria. Sebbene nessuno dei due sia attualmente considerato un marcatore consolidato dell'invecchiamento o della dipendenza da oppioidi, le loro associazioni in questo set di dati li identificano come candidati per ulteriori indagini su come l'esposizione cronica agli oppioidi possa interagire con i processi molecolari correlati all'invecchiamento.
"Nel loro insieme, questi risultati suggeriscono che la dipendenza da oppioidi è associata ad un rimodellamento trascrittomico non lineare e dipendente dall'età, piuttosto che ad effetti uniformi sulle traiettorie di invecchiamento biologico."
Lo studio ha inoltre esaminato la predisposizione genetica alla dipendenza da oppioidi integrando sei studi GWAS precedentemente pubblicati, che hanno coinvolto un totale di 362.176 partecipanti, di cui 27.024 casi e 334.972 controlli. L'analisi ha identificato 223 associazioni SNP uniche, di cui 13 hanno raggiunto la significatività a livello genomico. L'associazione più forte è stata quella con rs2366929 all'interno di ADGRV1, un gene coinvolto nella funzione neurologica, mentre un'altra variante altamente significativa è stata riscontrata in OPRM1, che codifica per il recettore μ-oppioide, il principale bersaglio molecolare dei farmaci oppioidi. Altri loci significativi a livello genomico includevano varianti associate a CNIH3, RGMA, GPRIN3, GAPDHP15, SRP72P1 e CTCF-DT.
Nel loro insieme, le analisi trascrittomiche e genetiche indicano un quadro biologico interconnesso che coinvolge neuroinfiammazione, segnalazione neuronale, funzione sinaptica e processi molecolari legati all'età. La convergenza di geni chiave dell'infiammazione e geni associati a stati trascrizionali legati all'età solleva anche la possibilità che la disregolazione neuroimmunitaria possa rappresentare un importante collegamento biologico tra la dipendenza da oppioidi ed i cambiamenti molecolari associati all'invecchiamento cerebrale.
I ricercatori sottolineano diverse importanti limitazioni. Il set di dati trascrittomici era relativamente piccolo, il gruppo di controllo sano era in media più anziano del gruppo più giovane con dipendenza da oppioidi ed i dati RNA-seq del cervello provenivano da tessuto in massa anziché da singoli tipi cellulari. Anche i potenziali fattori confondenti, tra cui la storia di esposizione agli oppioidi, l'uso di più sostanze, il fumo, i farmaci, le condizioni mediche e psichiatriche e l'intervallo post-mortem, non erano uniformemente disponibili. Inoltre, l'orologio biologico dell'invecchiamento è stato modellato utilizzando l'età cronologica anziché l'età biologica misurata in modo indipendente.
Nel complesso, i risultati suggeriscono che la dipendenza da oppioidi è associata a specifiche firme trascrizionali a livello immunitario, neuronale, genetico e legate all'età. Piuttosto che dimostrare una semplice accelerazione dell'invecchiamento biologico, lo studio indica un modello più complesso in cui la dipendenza da oppioidi può alterare l'espressione genica associata all'età in modo diverso nel corso della vita. Studi futuri che utilizzino coorti più ampie e meglio abbinate per età, analisi trascrittomiche a singola cellula o spaziali e misurazioni più robuste dell'età biologica potrebbero aiutare a determinare in che modo questi cambiamenti molecolari contribuiscono alla suscettibilità alla dipendenza, alla sua progressione e alle conseguenze neurologiche a lungo termine.
ENGLISH
Gene expression patterns reveal a complex link between opioid dependence, neuroinflammation, and molecular aging.
A new research paper was published in Volume 18 of Aging on July 27, 2026, titled “Transcriptomic aging clock analysis identifies key genes in opioid dependence.”
The study was led by first author Hai Duc Nguyen from the Division of Microbiology, Tulane National Biomedical Research Center, Tulane University. The corresponding author is Woong-Ki Kim, who is affiliated with the Division of Microbiology, Tulane National Biomedical Research Center, Tulane University, and the Department of Microbiology and Immunology at Tulane University School of Medicine.
Opioid dependence is a chronic and relapsing condition associated with substantial health and societal burdens. Chronic opioid exposure can affect neuronal signaling, immune function, metabolism, and other biological processes, yet the molecular mechanisms underlying dependence remain incompletely understood. Increasing evidence also suggests that substance use disorders may be associated with molecular changes related to aging, raising questions about how chronic opioid exposure interacts with age-dependent processes in the brain.
To investigate these relationships, the researchers conducted an in silico study integrating three complementary approaches: RNA sequencing-based transcriptomic profiling, transcriptomic aging-clock modeling, and analysis of previously published genome-wide association studies (GWAS). The transcriptomic analysis used a publicly available brain RNA-seq dataset containing 42 samples-21 healthy controls and 21 individuals with opioid dependence-while the genetic analysis incorporated findings from six independent GWAS.
The initial gene-expression analysis identified 161 differentially expressed genes in individuals with opioid dependence compared with healthy controls, including 147 upregulated and 14 downregulated genes. Network analysis highlighted eight highly connected potential hub genes: CCL2, CD44, THBS1, TIMP1, CD163, IL6, IL1B, and MYC. Many of these genes are involved in immune and inflammatory processes, and pathway analysis identified significant enrichment of TNF signaling, inflammatory responses, and cytokine-related functions.
Several of these findings point toward neuroimmune mechanisms that may contribute to opioid dependence. For example, CCL2, IL6, and IL1B participate in inflammatory signaling and microglial activation, while CD163 and CD44 are associated with immune-cell activation and migration. The convergence of these molecular signals supports an emerging view that chronic opioid exposure involves not only neuronal pathways but also substantial changes in inflammatory and immune processes within the brain.
The researchers next examined whether gene-expression patterns differed according to age. Individuals with opioid dependence were divided into younger and older groups. Expression of FAM174B, a gene implicated in cellular homeostasis, was significantly reduced in older individuals with opioid dependence, while ZNF256, which is involved in transcriptional regulation, was significantly increased in younger individuals compared with healthy controls. These differences suggest that the molecular features associated with opioid dependence may vary across different stages of adulthood.
A major component of the study involved developing a transcriptomic aging clock-an algorithm that estimates age from patterns of gene expression. The researchers trained an elastic net regression model exclusively on the 21 healthy control samples and then applied it across the dataset. The model showed moderate predictive performance, with a correlation of r = 0.686 between predicted and chronological age and a mean absolute error of 5.16 years.
The analysis revealed striking differences in age-prediction residuals. Younger individuals with opioid dependence had positive residuals, averaging 14.6 years, whereas older individuals had negative residuals, averaging −7.2 years. However, the researchers caution that these findings should not be interpreted simply as evidence that opioid dependence accelerates aging in younger people while reversing it in older individuals. Instead, the pattern may reflect nonlinear transcriptomic remodeling associated with opioid dependence, as well as differences in brain-cell composition and limitations in age matching and model calibration.
Two genes, PHYH and LUCAT1, were particularly associated with these age-related transcriptional states. PHYH is involved in lipid metabolism, while LUCAT1 has been linked to inflammatory regulation. Although neither is currently considered an established marker of aging or opioid dependence, their associations in this dataset identify them as candidates for further investigation into how chronic opioid exposure may interact with molecular processes related to aging.
“Together, these findings suggest that opioid dependence is associated with age-dependent and nonlinear transcriptomic remodeling rather than uniform effects on biological aging trajectories.”
The study also examined genetic susceptibility to opioid dependence by integrating six previously published GWAS involving a combined 362,176 participants, including 27,024 cases and 334,972 controls. The analysis identified 223 unique SNP associations, with 13 reaching genome-wide significance. The strongest association was rs2366929 within ADGRV1, a gene involved in neurological function, while another highly significant variant occurred in OPRM1, which encodes the μ-opioid receptor—the primary molecular target of opioid drugs. Other genome-wide significant loci included variants associated with CNIH3, RGMA, GPRIN3, GAPDHP15, SRP72P1, and CTCF-DT.
Together, the transcriptomic and genetic analyses point toward an interconnected biological picture involving neuroinflammation, neuronal signaling, synaptic function, and age-related molecular processes. The convergence of inflammatory hub genes and genes associated with age-related transcriptional states also raises the possibility that neuroimmune dysregulation may represent an important biological connection between opioid dependence and molecular changes associated with brain aging.
The researchers emphasize several important limitations. The transcriptomic dataset was relatively small, the healthy control group was older on average than the younger opioid-dependence group, and the brain RNA-seq data came from bulk tissue rather than individual cell types. Potential confounding factors-including opioid exposure history, polysubstance use, smoking, medications, medical and psychiatric conditions, and postmortem interval-were also not uniformly available. In addition, the aging clock was modeled using chronological age rather than independently measured biological age.
Overall, the findings suggest that opioid dependence is associated with distinct immune, neuronal, genetic, and age-related transcriptional signatures. Rather than demonstrating a simple acceleration of biological aging, the study points to a more complex pattern in which opioid dependence may alter age-associated gene expression differently across the lifespan. Future studies using larger and better age-matched cohorts, single-cell or spatial transcriptomics, and more robust measures of biological age could help determine how these molecular changes contribute to addiction susceptibility, progression, and long-term neurological consequences.
Da:
https://www.technologynetworks.com/proteomics/news/opioid-dependence-associated-with-distinct-age-related-gene-expression-patterns-415585?utm_campaign=NEWSLETTER_TN_Breaking%20Science%20News&utm_medium=email&_hsenc=p2ANqtz-_AB09fJjSjwsz-hPxcxm0DbDlEEKyAxAF_IkGujr_F4TrPUcas6_aMimLDngoOMBRZaDMLDEibOA8cjepy-a977NDjoGni2ZzUvHtiWoEFYC0VJo0&_hsmi=433095040&utm_content=433095040&utm_source=hs_email
Commenti
Posta un commento