Abstract Objective Despite surgical advance, effective targeted drugs for non-surgical treatment of abdominal aortic aneurysm (AAA) are lacking because of the unclear pathogenesis of AAA. N6-methyladenosine (m6A) methylation, acknowledged for its pivotal influence on RNA metabolism, including aspects such as stability, transport, translation, and splicing, is largely implied for its role in AAA mechanism. This study aims to elucidate the involvement of m6A methylation in the progression of AAA through an integrative multi-omics and machine learning approach. Methods and Results We utilized methylated RNA immunoprecipitation sequencing (MeRIP-seq) to map the m6A methylation landscape in AAA tissues and combined this with RNA sequencing (RNA-seq) from the GEO database, to explore the interplay between m6A methylation and gene expression. A machine learning-based AAA m6A-related mRNA signature (AMRMS) was developed to predict the risk of AAA dilation. The AMRMS showed robust predictive power in distinguishing between patients with large and small AAAs. Notably, FKBP11 was identified as a key gene significantly influencing the predictive model, and up-regulated in large AAAs compared to its in small AAAs. Further single-cell RNA sequencing (scRNA-seq) and histological analysis highlighted the critical role of FKBP11 in mediating the endoplasmic reticulum stress of plasma cells within the AAA walls and its correlation with m6A methylation. Conclusions The m6A modification regulatory network plays a vital role in the progression of AAA, and the AMRMS offers promising potential in assessing the risk of AAA dilation. Our findings suggest that elevated FKBP11, by activating endoplasmic reticulum stress in plasma cells, may significantly contribute to AAA expansion.

Abstract Objective Abdominal aortic aneurysm (AAA) is a life-threatening disease in vascular surgery with significant morbidity and mortality rates upon rupture. Despite surgical interventions, effective targeted drugs for non-surgical candidates are lacking. M6A methylation, a dynamic RNA modification, has been implicated in various diseases, but its role in AAA remains poorly understood. In this study, we aimed to explore the participation of M6A in the progression of AAA progression through multi-omics and machine learning. Approach and Results we conducted methylated RNA immunoprecipitation with next-generation sequencing (MeRIP-seq) to profile the m6A methylome in AAA tissues, identifying differentially methylated genes (DMGs). Integrating multi-omics data from RNA-sequencing (RNA-seq) in GEO databases, we developed a machine learning-based AAA m6A-related mRNA signature (AMRMS) to predict AAA dilation risk. The AMRMS demonstrated robust predictive performance in distinguishing AAA patients with large AAA and small AAA. Notably, the AMRMS highlighted FKBP11 as a key gene with a significant impact on the predicted model. Subsequent single-cell RNA sequencing (ScRNA-seq) revealed the pivotal role of FKBP11-positive plasma cells in AAA progression. Conclusions Our study provides novel insights into the regulatory role of m6A modification in AAA pathogenesis, and further develop a promising AMRMS for risk evaluation in AAA patients. Furthermore, the identification of FKBP11 positive plasma cells as significant contributors to AAA progression opens new avenues for targeted therapeutic interventions.