一直關(guān)注小云的粉絲朋友們應(yīng)該有注意到，小云一直在推薦?“雙疾病分析”思路，為什么推薦頻率這么高呢？

那必須是這個(gè)方向性價(jià)比超高?。∵x題優(yōu)勢如下：

并且不同于很多生信新思路最先用于腫瘤生信，用多了再簡化下用在非腫瘤上（ps：總感覺非腫瘤總是在撿腫瘤中用剩下的套路，老跟在別人屁股后頭也不好，最好還是找到更適合自己的套路），“雙疾病分析”就更適合在非腫瘤疾病以及與腫瘤聯(lián)合中使用，所以關(guān)注非腫瘤疾病的朋友們，心動(dòng)不如行動(dòng)哦~?~

小云這次分享一個(gè)非腫瘤和腫瘤間的雙疾病分析升級(jí)思路——基于神經(jīng)營養(yǎng)因子相關(guān)基因在GBM和PD中篩選候選基因，分別建立GBM預(yù)后模型和PD診斷模型，再加上簡單的單細(xì)胞數(shù)據(jù)分析和表達(dá)驗(yàn)證實(shí)驗(yàn)，多重創(chuàng)新buff疊加，發(fā)到8分+?so esay??！（對(duì)雙疾病分析方向感興趣的小伙伴直接去小云公眾號(hào)搜索雙疾病，或點(diǎn)擊文末鏈接就可以找到啦）。?

l?題目：膠質(zhì)母細(xì)胞瘤和帕金森病中神經(jīng)營養(yǎng)因子相關(guān)基因特征的鑒定和驗(yàn)證

l?雜志：Frontiers in Immunology

l?影響因子：IF=8.786

l?發(fā)表時(shí)間：2023年2月

研究背景

多形性膠質(zhì)母細(xì)胞瘤(GBM)是最常見的中樞神經(jīng)系統(tǒng)癌癥，而帕金森病(PD)是一種經(jīng)常影響老年人的退行性神經(jīng)疾病。對(duì)這兩種疾病發(fā)病機(jī)制的深入分析表明，患有神經(jīng)退行性疾病(如PD)的患者不太可能發(fā)展為癌癥。流行病學(xué)研究的報(bào)告也指出帕金森病患者中主要神經(jīng)中樞(CNS)腫瘤的風(fēng)險(xiǎn)降低。因此，需要更好地了解PD和GBM的潛在病理機(jī)制和遺傳靶點(diǎn)，這將有助于確定治療這兩種疾病的可能共用藥物靶點(diǎn)。雖然一些研究已經(jīng)調(diào)查了神經(jīng)營養(yǎng)因子在各種癌癥、神經(jīng)退行性疾病和腦血管損傷中的作用，但是在識(shí)別具有PD診斷潛力的神經(jīng)營養(yǎng)因子相關(guān)基因和探索影響GBM預(yù)后的免疫治療靶點(diǎn)方面仍然存在差距。

數(shù)據(jù)來源

研究流程

分別在TCGA-GBM和GSE7621隊(duì)列中對(duì)2601個(gè)NFRGs進(jìn)行了分析，并確定了12個(gè)在帕金森病的發(fā)病機(jī)理和GBM的預(yù)后中具有潛在作用的NFRGs。然后利用RF和LASSO回歸算法篩選PD特征NFRGs，ROC評(píng)估其診斷性能，進(jìn)行功能富集分析和免疫浸潤分析。同時(shí)使用LASSO回歸和多因素cox回歸篩選關(guān)鍵NFRGs建立GBM預(yù)后模型，不同風(fēng)險(xiǎn)組之間的臨床特征、突變景觀、免疫細(xì)胞浸潤和免疫治療預(yù)測療效的差異。最后使用多組學(xué)突變分析、單細(xì)胞測序、QT-PCR和HPA驗(yàn)證模型基因的準(zhǔn)確性。

主要結(jié)果

1. 鑒定與PD和GBM相關(guān)的神經(jīng)營養(yǎng)因子相關(guān)基因

基于NFRGs在PD數(shù)據(jù)集GSE7621中篩選差異基因，獲得145個(gè)DENFRGs（圖1B）。在TCGA-GBM隊(duì)列中鑒定差異基因，獲得847個(gè)DENFRGs，單變量Cox回歸分析確定了104個(gè)GBM預(yù)后相關(guān)DENFRGs（圖1A，C）。將104個(gè)GBM預(yù)后相關(guān)DENFRGs與PD中的145個(gè)DENFRGs取交集，共獲得12個(gè)NFRGs（圖1D）。

2. PD特征基因的篩選和診斷性能評(píng)估

利用LASSO回歸和隨機(jī)森林算法從12個(gè)NRFGs中選擇帕金森病特征基因，LASSO回歸分析確定了4個(gè)關(guān)鍵基因（圖1A, B），隨機(jī)森林算法確定了8個(gè)關(guān)鍵基因（圖2D）。兩個(gè)算法取交集后共獲得4個(gè)PD特征基因（圖2E），ROC曲線評(píng)估其診斷性能（圖3A-D）。使用GSEA和GSVA鑒定與特定基因相關(guān)的主要信號(hào)通路和途徑（圖3E, F）。（ps：LASSO回歸和隨機(jī)森林算法篩選特征基因、GSEA、GSVA分析也可以用小云新開發(fā)的零代碼生信分析小工具實(shí)現(xiàn)，云生信分析工具平臺(tái)包含超多零代碼分析和繪圖小工具，上傳數(shù)據(jù)一鍵出圖，感興趣的小伙伴歡迎來嘗試喲，網(wǎng)址：http://www.biocloudservice.com/home.html）。

圖3 PD特征基因診斷性能評(píng)估及功能富集分析

3. GBM中NFRGs預(yù)后模型的構(gòu)建與驗(yàn)證

通過LASSO回歸和多因素cox回歸確定了7個(gè)預(yù)后相關(guān)NFRGs建立GBM預(yù)后模型（圖4A, B）。根據(jù)中位風(fēng)險(xiǎn)評(píng)分分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組，進(jìn)行KM生存分析評(píng)估預(yù)后并利用ROC曲線評(píng)估預(yù)測性能（圖4C, E），模型在CGGA隊(duì)列進(jìn)行驗(yàn)證（圖4D, F）。綜合年齡、性別、IDH突變狀態(tài)和風(fēng)險(xiǎn)評(píng)分建立一個(gè)列線圖（圖5C），利用校準(zhǔn)曲線評(píng)估模型一致性（圖5D），DCA曲線評(píng)估臨床有效性（圖5E），C指數(shù)評(píng)估模型區(qū)分能力（圖5F）。（ps：模型構(gòu)建、KM生存曲線繪制、ROC曲線/DCA曲線繪制等都可以用小云新開發(fā)的零代碼生信分析小工具實(shí)現(xiàn)哦，感興趣的小伙伴歡迎來嘗試，網(wǎng)址：http://www.biocloudservice.com/home.html）。?

圖5?列線圖的構(gòu)建與評(píng)估

4. NFRGs風(fēng)險(xiǎn)評(píng)分與免疫細(xì)胞浸潤相關(guān)性分析和單細(xì)胞TME分析

使用“cibersort”和“ssGSEA”測量了高低風(fēng)險(xiǎn)亞組中各種免疫細(xì)胞亞群、相關(guān)活性或途徑的富集評(píng)分（圖6A, B）。比較高低風(fēng)險(xiǎn)亞組間的免疫檢查點(diǎn)表達(dá)水平（圖6D）。利用GSEA研究高低風(fēng)險(xiǎn)組之間生物功能的潛在變化（圖6E）。利用TISCH數(shù)據(jù)庫，在單細(xì)胞數(shù)據(jù)集GSE141982中分析7個(gè)NFRGs在不同TME細(xì)胞類型中的表達(dá)（圖6C）。

圖6免疫浸潤分析和單細(xì)胞TME分析

5. NFRGs風(fēng)險(xiǎn)評(píng)分的突變分析

分析風(fēng)險(xiǎn)評(píng)分和腫瘤突變負(fù)荷(TMB)之間的相關(guān)性以及不同風(fēng)險(xiǎn)亞組之間TMB的差異（圖7A, B）。利用“maftools” R包比較高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組之間的特定突變特征（圖7C,?D）。

圖7 突變分析

6.?藥敏性分析、免疫治療反應(yīng)預(yù)測和關(guān)鍵基因表達(dá)驗(yàn)證

免疫表型評(píng)分(IPS)可用于預(yù)測對(duì)免疫檢查點(diǎn)抑制劑的反應(yīng)，比較高、低風(fēng)險(xiǎn)組中IPS的相對(duì)分布，以評(píng)估風(fēng)險(xiǎn)評(píng)分對(duì)免疫治療反應(yīng)的預(yù)測作用（圖8A, B）。使用“prropetic”R包分析高低風(fēng)險(xiǎn)組人群中臨床化療藥物的敏感性差異，以測試風(fēng)險(xiǎn)評(píng)分預(yù)測患者對(duì)化療和分子藥物敏感性的能力（圖8E, F）。利用免疫治療隊(duì)列GSE135222?評(píng)估NFRGs對(duì)免疫治療反應(yīng)的預(yù)測能力（圖8H）。在HPA數(shù)據(jù)庫中通過IHC驗(yàn)證關(guān)鍵基因的蛋白表達(dá)（圖9A, B），在膠質(zhì)瘤細(xì)胞系中通過RT-qPCR驗(yàn)證基因表達(dá)（圖9E, F）。

圖9?關(guān)鍵基因的表達(dá)驗(yàn)證

?

文章小結(jié)

這篇文章基于神經(jīng)營養(yǎng)因子相關(guān)基因在GBM和PD中篩選候選基因，分別建立GBM預(yù)后模型和PD診斷模型，最后還利用簡單的單細(xì)胞數(shù)據(jù)分析和表達(dá)驗(yàn)證實(shí)驗(yàn)進(jìn)一步提升創(chuàng)新性。也就是說文章集合了選題新穎（ps：一般雙疾病是分析共享基因，這里又引入與兩疾病相關(guān)的神經(jīng)營養(yǎng)因子方向，篩選共享的NRFGs，創(chuàng)新性更高）、思路創(chuàng)新、單細(xì)胞分析和實(shí)驗(yàn)驗(yàn)證多重創(chuàng)新點(diǎn)，絕對(duì)算的上高分文章的絕佳思路！目前雙疾病中非腫瘤和腫瘤間的分析逐漸多了起來，想做雙疾病方向的小伙伴動(dòng)作得放快些了喲！