如何輕松發(fā)純生信？首先，可以蹭熱點(diǎn)，如單熱點(diǎn)、雙熱點(diǎn)等；如果不蹭熱點(diǎn)呢？針對(duì)基因可做：?jiǎn)位?、雙基因、基因家族等；針對(duì)疾病可做：?jiǎn)渭膊?、雙疾病、泛癌等；

那么能否做三種疾病的分析呢？當(dāng)然闊以！咱們?nèi)N疾病聯(lián)合分析，瞬間打破1+1+1>3的效果！并且不同于很多生信新思路最先用于腫瘤疾病，三種疾病分析就更適用于非腫瘤疾病中，所以關(guān)注非腫瘤疾病的朋友們，心動(dòng)不如行動(dòng)哦~~

小云細(xì)細(xì)閱讀了這篇文章，發(fā)現(xiàn)這篇文章通過(guò)

snRNA-seq數(shù)據(jù)

分析三種疾病（阿爾茨海默病、帕金森病和多發(fā)性硬化癥）的轉(zhuǎn)錄動(dòng)態(tài)水平，

數(shù)據(jù)選擇上具有較高的創(chuàng)新性

（ps：數(shù)據(jù)選的好，很容易達(dá)到出其不意的效果哦）。

因?yàn)橄噍^于bulk-RNA seq和scRNA-seq數(shù)據(jù)，snRNA-seq數(shù)據(jù)可以更好地保留細(xì)胞的原始特性，并且不會(huì)受到細(xì)胞溶解等因素的影響，可以同時(shí)捕獲細(xì)胞核和細(xì)胞質(zhì)中的RNA，更方便地研究轉(zhuǎn)錄后修飾，而且snRNA-seq數(shù)據(jù)具有更高的分辨率，可以產(chǎn)生更多的數(shù)據(jù)覆蓋到內(nèi)含子和基因區(qū)間。

最重要的一點(diǎn)是，snRNA-seq發(fā)文量遠(yuǎn)少于bulk-RNA seq和scRNA-seq數(shù)據(jù)，有很大的發(fā)文空間。

最后小云發(fā)現(xiàn)，本研究進(jìn)行的SCENIC+PPI+GSEA +CMap等分析，數(shù)據(jù)量大且深，讓人感嘆思路亮眼，邏輯清晰！本文純生信拿到7分+絕對(duì)是名副其實(shí)！

題目：整合單核序列分析揭示阿爾茨海默病、帕金森病和多發(fā)性硬化癥的轉(zhuǎn)錄動(dòng)力學(xué)

雜志：Journal of Translational Medicine

影響因子：IF=7.4

發(fā)表時(shí)間：2023年9月

研究背景

阿爾茨海默病(AD)、帕金森病(PD)和多發(fā)性硬化癥(MS)是臨床上和基因上部分重疊的三種神經(jīng)系統(tǒng)疾病。然而，大量RNA測(cè)序并不能準(zhǔn)確檢測(cè)到其中的核心致病分子。高質(zhì)量的單細(xì)胞RNA測(cè)序數(shù)據(jù)允許在人類大腦的不同細(xì)胞中產(chǎn)生大規(guī)模的基因表達(dá)，能夠重點(diǎn)關(guān)注到疾病與基因之間的分子特征和關(guān)系。

數(shù)據(jù)來(lái)源

研究思路

從GEO數(shù)據(jù)庫(kù)下載三種疾?。ˋD、PD和MS）的snRNA-seq數(shù)據(jù)。snRNA-seq數(shù)據(jù)首先通過(guò)NormalizeData和ScaleData函數(shù)進(jìn)行規(guī)范化，應(yīng)用FindVariable函數(shù)篩選前2000個(gè)變量基因。使用前2000個(gè)變量基因進(jìn)行主成分分析(PCA)，并選擇前10個(gè)主成分(PCs)進(jìn)行子聚類。此外，利用Seurat中的FindMarker功能鑒定在不同細(xì)胞類型的AD、PD和MS大腦中上調(diào)的基因。而且，本研究將活性和慢性活性樣本定義為疾病組，以確定MS中真正上調(diào)的基因，并使用GSEA進(jìn)行功能富集分析。本研究使用STRING數(shù)據(jù)庫(kù)進(jìn)行三種疾病的DEGs的蛋白互作網(wǎng)絡(luò)分析。基于hg19-tss- centric -10 kb-10species數(shù)據(jù)庫(kù)，利用pySCENIC (v0.10.0)進(jìn)行單細(xì)胞調(diào)節(jié)網(wǎng)絡(luò)推斷和聚類(SCENIC)分析。在CMap數(shù)據(jù)庫(kù)上分析AD、PD和MS的潛在治療藥物。

主要結(jié)果

1. 多數(shù)據(jù)集整合揭示了AD、PD和MS的單細(xì)胞轉(zhuǎn)錄狀態(tài)

本研究整合了64例患者的人腦snRNA-seq數(shù)據(jù)集，涵蓋了內(nèi)鼻皮質(zhì)(EC)、前額皮質(zhì)(PFC)、中腦和白質(zhì)，在這些數(shù)據(jù)集的降維可視化中觀察到批效應(yīng)。應(yīng)用Harmony集成后，批效應(yīng)得到了有效緩解，在不同平臺(tái)或條件下沒(méi)有觀察到明顯的分離(圖1A)。對(duì)合并的snRNA-seq數(shù)據(jù)進(jìn)行無(wú)監(jiān)督核聚類、差異表達(dá)分析和分類。在UMAP領(lǐng)域，利用Seurat的數(shù)據(jù)整合管道共分析了9種主要的細(xì)胞類型，共129,826個(gè)細(xì)胞核(圖1B)。圖1C顯示在定義標(biāo)記物的基礎(chǔ)上鑒定的細(xì)胞類型。相對(duì)于對(duì)照組，MS患者的活動(dòng)性和慢性活動(dòng)性病變以及PD患者的中腦少突膠質(zhì)細(xì)胞減少，小膠質(zhì)細(xì)胞顯著增加;AD組沒(méi)有觀察到這些變化。MS的活動(dòng)區(qū)和CA區(qū)OPCs也顯著減少，這與MS腦脫髓鞘一致(圖1D)。

圖1 AD, PD和MS的單細(xì)胞轉(zhuǎn)錄圖譜

2. 確定AD、PD和MS之間潛在的共享基因調(diào)控網(wǎng)絡(luò)

為了確定AD、PD和MS之間共享的基因調(diào)控網(wǎng)絡(luò)，本研究分析了三種疾病之間DEGs(AD vs. control, PD vs. control, MS_Active和MS_CA vs. Ctrl_NWM)的關(guān)聯(lián)度(圖2A)。大多數(shù)在AD中上調(diào)的基因在興奮性神經(jīng)元、星形膠質(zhì)細(xì)胞和周細(xì)胞中表達(dá)，幾乎在所有內(nèi)皮細(xì)胞和星形膠質(zhì)細(xì)胞中都發(fā)現(xiàn)了PD相關(guān)的上調(diào)基因，MS中大多數(shù)上調(diào)基因存在于內(nèi)皮細(xì)胞、小膠質(zhì)細(xì)胞、OPCs和星形膠質(zhì)細(xì)胞中(圖2A)。在三種疾病中共享至少兩種細(xì)胞類型的上調(diào)DEGs被定義為中心基因(圖2A)。使用GSEA進(jìn)行GO分析，在AD和PD中發(fā)現(xiàn)了兩種常見(jiàn)的途徑:伴侶蛋白介導(dǎo)的蛋白質(zhì)折疊和蛋白質(zhì)折疊 (圖2B)，MS相關(guān)的生物過(guò)程主要與蛋白質(zhì)向內(nèi)質(zhì)網(wǎng)的轉(zhuǎn)運(yùn)有關(guān) (圖2B)。 ?

圖2 AD、PD和MS之間潛在的共享基因調(diào)控網(wǎng)絡(luò)

?對(duì)中心基因進(jìn)行生物學(xué)過(guò)程和分子功能分析。GO富集分析顯示，中心基因在蛋白質(zhì)折疊和包涵體組裝的調(diào)控中顯著富集?(圖3A)。HSPB1和HSPA1A均參與多種蛋白折疊相關(guān)的生物學(xué)過(guò)程(圖3B)。在AD患者的大腦中，HSPB1和HSPA1A與周細(xì)胞和興奮細(xì)胞中的DNAJB1以及周細(xì)胞中的DNAJA1相互作用(圖3C)。在PD中，內(nèi)皮細(xì)胞中的HSPB1和HSPA1A與DNAJA1相互作用(圖3D)。此外，在MS個(gè)體的大腦中，HSPB1與內(nèi)皮細(xì)胞中的DNAJB1相互作用(圖3E)。

圖3 三種疾病差異表達(dá)基因的功能富集分析

3. AD, PD和MS的轉(zhuǎn)錄動(dòng)力學(xué)和調(diào)控因子

SCENIC用于繪制控制不同疾病的基因調(diào)控網(wǎng)絡(luò)，并鑒定疾病樣本中調(diào)節(jié)DEGs的潛在TFs。本研究最初確定了調(diào)節(jié)細(xì)胞異質(zhì)性的TFs模塊(圖4A)。TFs的一些模塊在AD、PD和MS中具有高度特異性(M1、M4和M7)(圖4B)。利用調(diào)控子活性評(píng)分(RAS)，本研究確定了三種疾病中特定細(xì)胞類型中活躍的一些調(diào)控子，調(diào)節(jié)細(xì)胞類型特異性功能(圖4B)。在三種疾病中，小膠質(zhì)細(xì)胞M1模塊的調(diào)控子活性較高(圖4B)。在M4模塊中，活性調(diào)控子主要存在于周細(xì)胞中，特別是在PD和MS患者中(圖4B)。M7模塊中的大部分調(diào)控子位于PD和MS患者的少突膠質(zhì)細(xì)胞 (圖4B)。

圖4 SCENIC分析顯示不同細(xì)胞類型之間的不同和共享的規(guī)則

?為了獲得調(diào)控子與每種細(xì)胞類型之間的特定對(duì)應(yīng)關(guān)系，本研究通過(guò)特異性評(píng)分(RSS)確定了三種疾病之間的一些共同的特異性調(diào)控，作為不同細(xì)胞中基因表達(dá)差異的候選轉(zhuǎn)錄因子(圖5A)。通過(guò)整合之前確定的在三種疾病組中上調(diào)的轉(zhuǎn)錄譜，本研究確定了這些共享TFs調(diào)控的候選靶基因，包括AD中的PSAP和CNTN2，以及PD中的CHI3L1。有趣的是，與中心基因HSPB1相互作用的HSPBAP1被確定為CEBPA和SPI1共同調(diào)控的靶基因(圖5B)。這些分析確定了驅(qū)動(dòng)細(xì)胞類型特異性狀態(tài)向疾病轉(zhuǎn)變的上游調(diào)控。

圖5 AD、PD和MS之間的轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)

4.

?

發(fā)現(xiàn)可重復(fù)使用的藥物

通過(guò)CMap，研究發(fā)現(xiàn)30種共享藥物與AD、PD和MS呈負(fù)相關(guān)(圖6)。鈣通道阻滯劑、拓?fù)洚悩?gòu)酶抑制劑、MEK抑制劑、DNA甲基轉(zhuǎn)移酶抑制劑和腺苷受體激動(dòng)劑與AD、PD和MS中上調(diào)的基因呈負(fù)相關(guān)(表1)。

文章小結(jié)

這篇文章在分析思路上有較高的創(chuàng)新性！首先選擇三種存在關(guān)聯(lián)背景的疾?。ˋD、PD和MS）進(jìn)行轉(zhuǎn)錄狀態(tài)分析，創(chuàng)新性大大滴！其次，本研究通過(guò)snRNA-seq數(shù)據(jù)進(jìn)行RNA水平分析，相較于bulk-RNA seq和scRNA-seq數(shù)據(jù)，snRNA-seq主要研究單個(gè)細(xì)胞核中的RNA，為細(xì)胞核內(nèi)基因表達(dá)調(diào)控機(jī)制提供更準(zhǔn)確的方法。并且，進(jìn)行SCENIC分析+PPI網(wǎng)絡(luò)+藥物敏感性等研究，內(nèi)容深且樣本量大！這篇文章集各種亮點(diǎn)于一體的整體文章設(shè)計(jì)，讓咱純生信也能拿到7分+的高分！