多組學(xué)分析有多好發(fā)文？Pubmed數(shù)據(jù)一看便知，今年還未過(guò)半就有1600+文章出爐！更別說(shuō)單細(xì)胞數(shù)據(jù)分析和免疫方向的熱度啦~今天布小谷就給大家分享一篇集這些熱點(diǎn)于一身的文章~

仔細(xì)一看，作者的分析思路并不復(fù)雜，無(wú)外乎關(guān)鍵基因篩選+風(fēng)險(xiǎn)模型的建立與驗(yàn)證，但布小谷認(rèn)為，作者輕松拿下6.9分的關(guān)鍵在于多個(gè)組學(xué)數(shù)據(jù)和干濕實(shí)驗(yàn)的聯(lián)合使用！從數(shù)據(jù)來(lái)源就能看出作者的良苦用心了，Bulk?RNA-seq+單細(xì)胞數(shù)據(jù)+DNA甲基化數(shù)據(jù)+非編碼RNA數(shù)據(jù)，光是關(guān)鍵基因在這些數(shù)據(jù)集中的表達(dá)分析就能讓人眼花繚亂，快跟著布小谷來(lái)看看吧！

題目：綜合分析多組學(xué)數(shù)據(jù)以確定顱內(nèi)動(dòng)脈瘤形成和進(jìn)展中的三個(gè)免疫相關(guān)基因

雜志：Inflammation Research

影響因子：IF=6.9865

發(fā)表時(shí)間：2023年5月

研究背景

顱內(nèi)動(dòng)脈瘤 (IAs) 是大腦動(dòng)脈的異常隆起，全球患病率為 3%，而IA 破裂是蛛網(wǎng)膜下腔出血的重要原因，患者死亡率高且預(yù)后較差。然而，IAs 形成和破裂的機(jī)制仍不清楚，最近的研究顯示炎癥參與了IA的發(fā)展，免疫細(xì)胞浸潤(rùn)影響了IA的形成與破裂，但免疫相關(guān)基因在病程中的作用尚未闡明。

數(shù)據(jù)來(lái)源

研究思路

分別使用常規(guī)DEGs方法與WGCNA方法分析IA發(fā)展中相關(guān)基因，結(jié)合免疫相關(guān)基因數(shù)據(jù)庫(kù)ImmPort初步確定IA中免疫相關(guān)基因（IRG），并使用xCell算法分析不同疾病組中的免疫環(huán)境。使用SVM-RFE算法和LASSO算法識(shí)別出三個(gè)關(guān)鍵IRGs，并建立風(fēng)險(xiǎn)模型指數(shù)公式，ROC曲線(xiàn)分析驗(yàn)證了模型的有效性。通過(guò)PT-qPCR實(shí)驗(yàn)、IHC實(shí)驗(yàn)、單細(xì)胞數(shù)據(jù)分析等多種方法多方面驗(yàn)證了關(guān)鍵基因在不同風(fēng)險(xiǎn)組中的差異表達(dá)。最后使用數(shù)據(jù)庫(kù)預(yù)測(cè)了關(guān)鍵基因的潛在靶向miRNA和靶向藥物。

主要結(jié)果

1.?不同疾病組DEGs與免疫微環(huán)境分析

對(duì)于訓(xùn)練數(shù)據(jù)集GSE122897，使用 limma R 包分析動(dòng)脈瘤組和正常動(dòng)脈組之間（圖1A、B）以及破裂動(dòng)脈瘤組（RIA）和未破裂動(dòng)脈瘤組（UIA）之間（圖1C、D）的差異表達(dá)基因（DEGs）。使用xCell算法分析動(dòng)脈瘤進(jìn)展過(guò)程中的免疫微環(huán)境，發(fā)現(xiàn)從對(duì)照組到UIA組和RIA組，B 細(xì)胞、CD4 記憶 T 細(xì)胞、巨噬細(xì)胞、肥大細(xì)胞和單核細(xì)胞的豐度依次增加（圖2A、B），但基質(zhì)細(xì)胞水平依次下降（圖2C、D），且ssGSEA 分析結(jié)果顯示，免疫評(píng)分和免疫細(xì)胞浸潤(rùn)也依次升高（圖2E）。

2.?WGCNA分析確定IA免疫相關(guān)基因（IRGs）

使用WGCNA 包構(gòu)建加權(quán)基因共表達(dá)網(wǎng)絡(luò)，獲得十個(gè)聚類(lèi)共表達(dá)模塊，通過(guò)計(jì)算模塊與動(dòng)脈瘤進(jìn)展的相關(guān)性，確定了Brown和Turquoise兩個(gè)關(guān)鍵模塊（圖3C）。使用STEM軟件分析關(guān)鍵模塊中的基因，得到六個(gè)具有進(jìn)行性失調(diào)的重要簇（圖3B），將這些基因與上述DEGs相交及來(lái)自 ImmPort 數(shù)據(jù)庫(kù)的免疫相關(guān)基因（IRG）相交，共得到21個(gè)IRG（圖3D）。

3.?機(jī)器學(xué)習(xí)識(shí)別3個(gè)關(guān)鍵IRG

使用SVM-RFE算法和LASSO算法確認(rèn)了3個(gè)具有非零回歸系數(shù)的關(guān)鍵IRG（OSM、S100B 和 CXCR4）（圖4C），使用 LASSO 分析的回歸系數(shù)計(jì)算診斷模型指數(shù)，獲得以下模型指數(shù)公式：指數(shù) = 1.110630 + OSM*0.002892 + S100B*(??0.16 3594) + CXCR4*0.081439。ROC曲線(xiàn)分析顯示，該模型對(duì)于動(dòng)脈瘤的預(yù)測(cè)具有良好的診斷能力（圖4E）。訓(xùn)練和測(cè)試數(shù)據(jù)集中基因表達(dá)分析結(jié)果顯示，OSM 和 CXCR4 在動(dòng)脈瘤樣本中上調(diào)，而 S100B下調(diào)，這一結(jié)果在RT-qPCR濕實(shí)驗(yàn)中也得到了驗(yàn)證（圖5A），但在IHC實(shí)驗(yàn)中，OSM 基因的表達(dá)無(wú)統(tǒng)計(jì)學(xué)差異（圖5B）。

4.?關(guān)鍵IRGs的功能分析

sgGSEA分析顯示，上調(diào)基因（OSM 和 CXCR4）與抗原加工和呈遞、吞噬體和 Th17 細(xì)胞分化等免疫相關(guān)通路呈正相關(guān)，而下調(diào)基因與之呈負(fù)相關(guān)（圖6A-C）。ssGSEA分析顯示，OSM 和 CXCR4 與大多數(shù)免疫細(xì)胞呈正相關(guān)，而 S100B則相反（圖6D-F）。

5.?關(guān)鍵基因的甲基化分析

對(duì)于甲基化數(shù)據(jù)集GSE75434，根據(jù)delta?beta值識(shí)別出不同疾病組間的差異甲基化位點(diǎn)（DMPs），結(jié)果顯示OSM (cg02026204) 和 CXCR4 (cg23374992) 的甲基化水平在動(dòng)脈瘤樣本中顯著低于對(duì)照，而 S100B (cg19434199) 的甲基化水平在動(dòng)脈瘤樣本中顯著較高（圖7E）。

6.?潛在miRNA和藥物預(yù)測(cè)

對(duì)于非編碼RNA數(shù)據(jù)集GSE50867，識(shí)別出動(dòng)脈瘤和正常對(duì)照間差異表達(dá)的miRNA，與miRWalk數(shù)據(jù)庫(kù)中預(yù)測(cè)的關(guān)鍵基因的miRNA相交，鑒定出20個(gè)miRNA。根據(jù)關(guān)鍵基因，使用DGIdb數(shù)據(jù)庫(kù)識(shí)別出能預(yù)防IA發(fā)展的潛在藥物，miRNA-Gene-Drug 網(wǎng)絡(luò)如圖 8所示。

7.?scRNA-seq數(shù)據(jù)分析關(guān)鍵基因在小鼠IA模型中的表達(dá)

對(duì)于scRNA-seq數(shù)據(jù)集GSE193533進(jìn)行降維聚類(lèi)與標(biāo)注，分析關(guān)鍵IRG在不同細(xì)胞簇中的表達(dá)水平（圖9C），結(jié)果表明S100B主要表達(dá)于成纖維細(xì)胞，OSM和CXCR4主要表達(dá)于單核細(xì)胞和巨噬細(xì)胞(Mo/Mφ)，且在 Mo/Mφ 中，OSM 和 CXCR4 從非破裂IA到破裂IA顯著上調(diào)，二CXCR4 的表達(dá)從正常對(duì)照到IA組顯著下調(diào)（圖9D-F）。

文章小結(jié)

本文的實(shí)驗(yàn)思路并不復(fù)雜，但貴在靈活處理了多組學(xué)數(shù)據(jù)和多個(gè)數(shù)據(jù)庫(kù)來(lái)源的信息，緊跟了免疫熱點(diǎn)，再加上一些濕實(shí)驗(yàn)的點(diǎn)綴，難度不大，但提升發(fā)文質(zhì)量的效果真是杠杠的呀！這樣的多組學(xué)分析在很多疾病中都是容易復(fù)現(xiàn)的，心動(dòng)的小伙伴，碼住思路行動(dòng)起來(lái)吧！

布小谷之聲

如果您的時(shí)間和精力有限或者缺乏相關(guān)經(jīng)驗(yàn)，并且對(duì)生信分析和思路設(shè)計(jì)有所需要的話(huà)，“生信鳥(niǎo)”非常樂(lè)意為您提供如下服務(wù)：免費(fèi)思路評(píng)估、付費(fèi)生信分析和方案設(shè)計(jì)以及實(shí)驗(yàn)項(xiàng)目實(shí)施等，有意向的小伙伴歡迎咨詢(xún)布小谷哦！