畢業(yè)文章還沒搞定？

不需要太高分要求，能畢業(yè)就行？

沒有實(shí)驗(yàn)條件，得靠生信頂上？

最好是周期短、高性價(jià)比的思路？

分析內(nèi)容不要太復(fù)雜，要小白也能看得懂？

······

背著畢業(yè)文章這座大山，怎么辦？

上面的問題，小云用一個(gè)分析方向就能搞定，那就是“雙疾病分析”，不拘泥于單一腫瘤或非腫瘤，非腫瘤疾病之間可以用，非腫瘤和腫瘤間可以用，原發(fā)疾病和并發(fā)癥之間也可以用。關(guān)鍵是只需最簡單的分析套路就能滿足畢業(yè)需求，加點(diǎn)創(chuàng)新性思路還能沖擊高分（畢業(yè)大軍們搞快點(diǎn)，一個(gè)生信方向一旦火爆起來，發(fā)文競爭力可就大多了，把握時(shí)機(jī)才能贏得先機(jī)）。

這樣的高性價(jià)比方向小云可得給朋友們多多分享，往期“雙疾病分析”——墻裂推薦：

• 雙疾病生信分析又上新番啦！8+ Frontiers系列，用這個(gè)套路畢業(yè)發(fā)文章，真的很哇塞！

• 雙疾病聯(lián)合分析，輕松上5，生信高手都在玩，確定不看看？
  

• 經(jīng)驗(yàn)分享！你想知道的雙疾病純生信分析的相關(guān)問題都在這里了，建議收藏！
  

• 純生信小樣本量+機(jī)器學(xué)習(xí)SVM+雙疾病這種套路，為何能輕松拿捏7分+？

需要復(fù)現(xiàn)或定制分析思路的朋友歡迎call小云，風(fēng)里雨里小云公眾號等你！

研究背景

研究表明，COVID-19 和心力衰竭 (HF) 之間較高的共病率會導(dǎo)致死亡率增加。然而，它們之間的共同致病機(jī)制仍然難以捉摸。在這里，作者旨在揭示 COVID-19 和 HF 之間的潛在分子機(jī)制和遺傳相關(guān)性，為當(dāng)前合并癥患者的臨床管理提供新的視角。

研究流程

主要結(jié)果

1. 鑒定 HF 和 COVID-19 之間的共享轉(zhuǎn)錄組特征

從 GEO 數(shù)據(jù)庫中檢索到HF ( GSE26887 ) 和 COVID-19 ( GSE147507 ) 的基因表達(dá)譜，從兩個(gè)數(shù)據(jù)集中提取差異表達(dá)基因 (DEG)后，取維恩圖的交集，共識獲得12 個(gè)共有DEGs（S100A8、ABCB1、S100A11、COX2、LY96、XCL1、RORA、CCL11、CCL4、S100A12、BCL2 , 和 AQP9)。

圖1 HF 和 COVID-19中共同差異基因的識別

2. 分析與兩種疾病的共同發(fā)病機(jī)制相關(guān)的功能特征

為了進(jìn)一步探索這些共同DEGs 的潛在生物學(xué)功能，進(jìn)行 GO、Reactome、KEGG、WikiPathways 和 BioCarta功能富集分析。

圖2 共同DEGs 的功能富集分析

3. 共同DEGs的PPI網(wǎng)絡(luò)構(gòu)建和hub基因鑒定

為了進(jìn)一步揭示共同DEGs編碼的蛋白質(zhì)之間的潛在關(guān)系并識別hub基因，通過STRING篩選DEGs的PPI網(wǎng)絡(luò)，使用Degree、MCC、MNC、BottleNeck、Closeness 和 EcCentricity拓?fù)浞治鏊惴A(yù)測和探索PPI網(wǎng)絡(luò)中top 10 hub基因，根據(jù)七種排序方法，通過前 10 個(gè)基因的重疊確認(rèn)了四個(gè)hub基因（TLR4、TLR2、IL10 和 STAT3 ）。并且基于 GeneMANIA 的功能注釋模式，建立了一個(gè)共表達(dá)網(wǎng)絡(luò)來描述 10 個(gè)hub基因及其共表達(dá)基因的遺傳相互作用。30 個(gè)預(yù)測基因中有 17 個(gè)與細(xì)胞對細(xì)菌來源分子的反應(yīng)高度相關(guān)，13 個(gè)與對LPS的反應(yīng)高度相關(guān)，因此潛在的腸心軸和腸道炎癥被假設(shè)為 COVID-19 患者心臟受累發(fā)生率高的可能原因之一。

圖3 PPI網(wǎng)絡(luò)和樞紐基因的鑒定

利用Cytoscape的插件MCODE進(jìn)行模塊分析，產(chǎn)生兩個(gè)關(guān)鍵的聚類模塊。module1的得分高于module 2，module1將 XCL1、CCL4 和 CCL11 突出顯示為 HF 和 COVID-19 之間的共享 DEG。Cytoscape 中的插件 ClueGo 用于識別功能表征對所涉及的模塊化基因進(jìn)行分析，并深入分析生物學(xué)術(shù)語的內(nèi)部相互聯(lián)系，建立一個(gè)注釋網(wǎng)絡(luò)，其中相似的術(shù)語聚集在相同的顏色上。

圖4 Hub 基因集和關(guān)鍵模塊的綜合分析

4. 在兩個(gè)獨(dú)立的樣本隊(duì)列中驗(yàn)證hub基因的性能

使用 Student t 檢驗(yàn)、Weltch t' 檢驗(yàn)和 Mann-Whitney U 檢驗(yàn)分析中心基因在兩個(gè)獨(dú)立的樣本隊(duì)列（GSE164805和GSE9128）中的表達(dá)差異。通過 Spearman 相關(guān)性分析基因之間的相關(guān)性。

圖5 驗(yàn)證外部數(shù)據(jù)集中的hub基因性能

5. 構(gòu)建Hub基因調(diào)控網(wǎng)絡(luò)并鑒定候選藥物

為了探索轉(zhuǎn)錄因子 (TF)、miRNA 和基因之間潛在的分子機(jī)制和關(guān)系，通過 JASPER TF 結(jié)合位點(diǎn)概況數(shù)據(jù)庫和 RegNetwork 存儲庫，構(gòu)建 TF-基因相互作用網(wǎng)絡(luò)和 TF-miRNA 共調(diào)控網(wǎng)絡(luò)。利用藥物特征數(shù)據(jù)庫 (DSigDB) 用于探索與五個(gè)關(guān)鍵基因（CXCL8、STAT3、IL1B、TLR4 和 TLR2）顯著相互作用的潛在藥物分子。

圖6 Hub基因調(diào)控網(wǎng)絡(luò)的構(gòu)建

文章小結(jié)

這篇文章完全就是利用最基本的分析套路，差異分析+富集分析+PPI分析+調(diào)控網(wǎng)絡(luò)構(gòu)建，只是把PPI之后的蛋白相互作用分析的花樣多了些，撐起了部分?jǐn)?shù)據(jù)量，但總體來說只是生信基本分析，換種說法就是創(chuàng)新點(diǎn)還是在于雙疾病方向（小云悄悄告訴你：如果你不知道什么疾病可以跟自己關(guān)注的疾病關(guān)聯(lián)，一個(gè)方法是找并發(fā)癥，另一個(gè)小妙招是看看COVID-19，新冠肺炎會引發(fā)很多并發(fā)癥，并且本身也是研究大熱門，不妨也去蹭蹭熱點(diǎn)。）雙疾病方向是一片藍(lán)海，廣闊天地大有作為?。∨笥褌冏プr(shí)機(jī)呀，一舉搞定畢業(yè)文章！