還可以基于免疫相關(guān)基因進(jìn)行分析，那么免疫相關(guān)基因集合如何獲??？

可以從數(shù)據(jù)庫(kù)中下載，比如MSigDB。

今天番茄君再教你一個(gè)方法，就是先基于免疫細(xì)胞的組成進(jìn)行疾病分型，分析兩個(gè)亞組間的差異表達(dá)基因作為免疫相關(guān)基因！

接下來(lái)通過(guò)一篇純生信文章實(shí)操一下吧~

題目：新生兒膿毒癥中與免疫細(xì)胞相關(guān)的特征生物標(biāo)志物的鑒定和驗(yàn)證

雜志：European journal of medical research

影響因子：4.981

發(fā)表時(shí)間：2023年2月

數(shù)據(jù)信息

研究思路

從GEO數(shù)據(jù)庫(kù)下載新生兒膿毒癥(NS)相關(guān)數(shù)據(jù)，鑒定差異表達(dá)基因(DEGs)，并進(jìn)行基因集富集分析(GSEA)以確定其生物學(xué)功能。確定了免疫細(xì)胞的組成，確定了兩個(gè)集群之間的免疫相關(guān)基因(IRG)，并確定了它們的代謝途徑。機(jī)器學(xué)習(xí)算法篩選生物標(biāo)志物。基于所選擇的生物標(biāo)志物構(gòu)建邏輯回歸模型，并對(duì)診斷模型進(jìn)行驗(yàn)證。

主要研究結(jié)果

1.?新生兒膿毒癥（NS）中的基因表達(dá)特征

分析NS與正常樣本之間基因表達(dá)的差異(圖1A)。與正常樣品相比，NS樣本中發(fā)現(xiàn)了52個(gè)DEGs，其中大部分表達(dá)上調(diào)(圖1B-C)。通過(guò)GSEA分析DEGs的功能通路，在急性炎癥反應(yīng)、巨噬細(xì)胞激活調(diào)控等方面明顯富集(圖1D)。

圖1.基因表達(dá)特征

2.?NS的免疫學(xué)特征

為了探索NS患者的免疫微環(huán)境，對(duì)免疫細(xì)胞進(jìn)行了量化。NS患者大部分浸潤(rùn)免疫細(xì)胞表現(xiàn)出顯著差異（圖2A），這也通過(guò)層次聚類(lèi)分析(圖2B)和t-SNE圖(圖2D)得到證實(shí)。

圖2.免疫細(xì)胞微環(huán)境特征

3.?兩個(gè)免疫相關(guān)聚類(lèi)的基因表達(dá)特征

UMAP圖顯示，按免疫細(xì)胞組成劃分的兩個(gè)聚類(lèi)之間的基因存在顯著差異(圖3A)。與正常樣本相比，共檢測(cè)到54個(gè)免疫相關(guān)基因(IRG) (圖3B-C)。GSEA顯示IRG在免疫應(yīng)答激活、巨噬細(xì)胞激活和調(diào)節(jié)T細(xì)胞激活方面的功能顯著增強(qiáng)(圖3D)。

圖3. 兩個(gè)免疫相關(guān)聚類(lèi)的基因表達(dá)特征

4.?構(gòu)建基于DEG和IRG的診斷模型并驗(yàn)證

采用隨機(jī)森林方法基于20個(gè)DEGs和15個(gè)IRGs構(gòu)建診斷模型（圖4A和B）。使用LASSO算法分別基于5個(gè)DEGs和1個(gè)IRGs構(gòu)建兩個(gè)診斷模型。計(jì)算每個(gè)患者的風(fēng)險(xiǎn)評(píng)分，基因特征的風(fēng)險(xiǎn)評(píng)分在兩種模型中都能較好地預(yù)測(cè)患者的診斷（圖4C-D）。

圖4. 構(gòu)建基于DEG和IRG的診斷模型

在2個(gè)驗(yàn)證數(shù)據(jù)集中評(píng)估了兩種診斷模型的有效性。這兩種模型都適用于驗(yàn)證數(shù)據(jù)集1(圖5A, B)，并且IRG模型在驗(yàn)證數(shù)據(jù)集2中比DEG模型更好，因?yàn)樗挥幸粋€(gè)基因簽名(圖5C, D)。

圖5. 評(píng)價(jià)基于DEG和IRG的NS診斷模型評(píng)價(jià)

?

總結(jié)

這篇文章最大的亮點(diǎn)就是獲取免疫相關(guān)基因的方法：先基于免疫細(xì)胞的組成進(jìn)行疾病分型，分析兩個(gè)亞組間的差異表達(dá)基因作為免疫相關(guān)基因！?

另外，作者還同時(shí)基于DEG和IRG構(gòu)建了2個(gè)診斷模型，分析內(nèi)容很簡(jiǎn)單。純生信思路就可以輕松發(fā)4分+，性?xún)r(jià)比還是很高的~從分析方法上找創(chuàng)新效果超贊！

如果你還苦惱于課題或分析沒(méi)有思路，或者對(duì)免疫等熱點(diǎn)方向感興趣的小伙伴快來(lái)聯(lián)系小云吧！