當(dāng)~ 當(dāng)~ 當(dāng)~?~

又到了“雙疾病分析”安利時(shí)間，歡迎小伙伴們的到來(lái)~?~

小云為啥一直在不遺余力地推薦?“雙疾病分析”思路呢？

能讓小云頻繁推薦，肯定有其可取之處，最大的優(yōu)勢(shì)就是性價(jià)比超高！并且“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，屬于非腫瘤疾病中的優(yōu)勢(shì)思路。

已經(jīng)上車的小伙伴應(yīng)該享受到了它的發(fā)文紅利，就說(shuō)香不香！?

還在觀望的朋友也不要再猶豫了，內(nèi)卷越來(lái)越厲害，上車越晚享受的紅利越少，看中這個(gè)方向就及時(shí)出手吧，機(jī)會(huì)只留給有準(zhǔn)備的人！（ps：小云之前分享了很多雙疾病思路，并且還在持續(xù)更新，對(duì)這個(gè)方向感興趣的話可以去公眾號(hào)主頁(yè)搜索觀看哦）

小云這次再分享一個(gè)雙疾病分析干濕結(jié)合思路——利用“機(jī)器學(xué)習(xí)算法”構(gòu)建非腫瘤診斷模型，再加上自有隊(duì)列的驗(yàn)證實(shí)驗(yàn)，干濕結(jié)合與機(jī)器學(xué)習(xí)的分析方法創(chuàng)新性疊加，發(fā)到8分+不要太簡(jiǎn)單喲！看好方向就抓緊行動(dòng)吧！

l?題目：基于綜合生物信息學(xué)分析和機(jī)器學(xué)習(xí)篩選與慢性腎臟疾病和鈣化性主動(dòng)脈瓣疾病相關(guān)的免疫相關(guān)分泌蛋白

l?雜志：J Transl Med

l?影響因子：IF=8.44

l?發(fā)表時(shí)間：2023年6月

研究背景

慢性腎臟疾病(CKD)是最重要的心血管危險(xiǎn)因素之一，在各種心血管疾病如鈣化性主動(dòng)脈瓣疾病(CAVD)中起重要作用。文章旨在探索潛在涉及CAVD發(fā)病機(jī)制的CKD相關(guān)基因，并發(fā)現(xiàn)用于診斷CKD伴CAVD的候選生物標(biāo)志物。

數(shù)據(jù)來(lái)源

研究流程

首先在綜合CAVD數(shù)據(jù)集中通過(guò)差異表達(dá)和WGCNA分析鑒定了124個(gè)CAVD關(guān)鍵基因，再通過(guò)CKD-PBMC/腎臟數(shù)據(jù)集的差異表達(dá)分析，共篩選出983個(gè)CKD相關(guān)分泌蛋白。采用PPI分析、功能富集和cMAP分析來(lái)揭示CKD相關(guān)CAVD致病基因和CKD相關(guān)CAVD的潛在機(jī)制，以及用于CAVD治療的潛在藥物。然后，利用包括LASSO回歸和隨機(jī)森林在內(nèi)的機(jī)器學(xué)習(xí)算法來(lái)篩選候選生物標(biāo)志物并構(gòu)建用于預(yù)測(cè)CKD相關(guān)CAVD的診斷諾模圖。此外，還應(yīng)用ROC曲線、校準(zhǔn)曲線和決策曲線分析來(lái)評(píng)價(jià)諾模圖的診斷性能，使用CIBERSORT算法研究了CAVD的免疫細(xì)胞浸潤(rùn)情況。最后，在自有外部隊(duì)列中驗(yàn)證2個(gè)關(guān)鍵基因的表達(dá)，并構(gòu)建列線圖評(píng)估模型的診斷價(jià)值。

?

主要結(jié)果

1. CAVD關(guān)鍵基因的鑒定

在綜合CAVD數(shù)據(jù)集中篩選CVAD和對(duì)照組間的差異基因，獲得173個(gè)DEGs（圖1A, B）。進(jìn)一步進(jìn)行WGCNA分析以確定與CVAD中最相關(guān)的基因模塊（圖1D）。數(shù)據(jù)顯示，粉色模塊與CAVD有最高的正相關(guān)性(358個(gè)基因)，而黃色模塊與CAVD最負(fù)相關(guān)（769個(gè)基因）（圖1E, F），將這兩個(gè)模塊確定為關(guān)鍵模型，共包含1127個(gè)與CAVD顯著相關(guān)的關(guān)鍵基因。然后將這1127個(gè)基因與173個(gè)DEGs取交集，共獲得124個(gè)基因作為CAVD的關(guān)鍵基因（圖1G）。?

圖1?CAVD關(guān)鍵基因的鑒定

2. CKD中差異表達(dá)分泌蛋白的鑒定

分別在CKD-PBMC/腎臟數(shù)據(jù)集中進(jìn)行差異表達(dá)分析，在CKD-PBMC中共鑒定了2681個(gè)DEGs（圖2A, B），而在CKD-腎組織中發(fā)現(xiàn)了4111個(gè)DEGs（圖2C, D）?？紤]到CKD可能主要通過(guò)釋放分泌蛋白來(lái)促進(jìn)CAVD的發(fā)生和發(fā)展，所以作者將3970個(gè)分泌蛋白（來(lái)源于HPA數(shù)據(jù)庫(kù)）分別與兩個(gè)數(shù)據(jù)集中的DEGs取交集，總共鑒定了983種CKD相關(guān)的分泌蛋白（圖3E, F）。

圖2?CKD中差異表達(dá)分泌蛋白的鑒定

3. CKD相關(guān)CAVD致病基因的識(shí)別、功能富集分析和藥物篩選

通過(guò)STRING數(shù)據(jù)庫(kù)分析了CKD相關(guān)分泌蛋白和CAVD關(guān)鍵基因的相互作用，利用MCODE識(shí)別PPI網(wǎng)絡(luò)中前2個(gè)最重要的模塊，其中包含的76個(gè)基因被識(shí)別為CKD相關(guān)CAVD致病基因（圖3A, B）。針對(duì)這些CKD相關(guān)CAVD致病基因進(jìn)行功能富集分析（圖3C, F）。隨后將CKD相關(guān)致病基因中在CVAD樣本中上調(diào)的基因輸入到cMAP數(shù)據(jù)庫(kù)中，以預(yù)測(cè)可能逆轉(zhuǎn)CAVD中CKD相關(guān)致病基因表達(dá)改變的小分子化合物（圖4）。（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(kāi)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(lái)嘗試，網(wǎng)址：http://www.biocloudservice.com/home.html）。????

圖3 CKD相關(guān)CAVD致病基因的識(shí)別和功能富集分析

? 圖4 藥物篩選

4. CKD相關(guān)CAVD的診斷模型構(gòu)建

由于CAVD和CKD之間共同差異表達(dá)的分泌蛋白可能在CKD相關(guān)的CAVD患者中起關(guān)鍵作用，所以作者選取17個(gè)CKD相關(guān)的分泌蛋白和CVAD關(guān)鍵基因的交集作為模型構(gòu)建候選基因（圖5A）。隨后利用LASSO回歸算法從17個(gè)基因中識(shí)別出8個(gè)對(duì)診斷CKD相關(guān)CAVD患者有重大影響的潛在候選基因（圖5B, C），同時(shí)還利用隨機(jī)森林(RF)機(jī)器學(xué)習(xí)算法根據(jù)重要性識(shí)別到6個(gè)潛在基因（圖5D），兩者取交集后得到2個(gè)hub基因SLPI和MMP9（圖5E）?；谶@2個(gè)基因建立CKD相關(guān)CAVD的診斷列線圖（圖6A），利用ROC曲線、校準(zhǔn)曲線和DCA曲線評(píng)估列線圖預(yù)測(cè)性能。ROC曲線顯示列線圖可能對(duì)CKD相關(guān)的CAVD有很強(qiáng)的診斷價(jià)值（圖6D），校準(zhǔn)曲線顯示列線圖診斷模型的預(yù)測(cè)概率與理想模型的預(yù)測(cè)概率幾乎相同（圖6E），DCA曲線表明根據(jù)列線圖模型做出決策可能有利于CKD相關(guān)CAVD的診斷（圖6F）。（ps：LASSO回歸和隨機(jī)森林算法篩選特征基因、模型評(píng)價(jià)也可以用小云新開(kāi)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(lái)嘗試喲，網(wǎng)址：http://www.biocloudservice.com/home.html）。

?圖5模型特征基因的選取

圖6?列線圖的構(gòu)建與評(píng)價(jià)

5. CAVD免疫細(xì)胞浸潤(rùn)分析

作者使用CIBERSORT算法獲得免疫細(xì)胞的特征，并探索CAVD的免疫調(diào)節(jié)以及診斷生物標(biāo)志物與免疫細(xì)胞浸潤(rùn)的相關(guān)性。結(jié)果顯示，與對(duì)照組相比，CAVD顯示較高比例的巨噬細(xì)胞M0、T細(xì)胞CD8和Tregs 細(xì)胞（圖7 B）。兩個(gè)樞紐基因的表達(dá)和差異浸潤(rùn)免疫細(xì)胞類型的比例之間的相關(guān)性分析顯示，hub基因SLPI和MMP9都顯示出與CAVD的免疫細(xì)胞浸潤(rùn)顯著相關(guān)（圖7 D）。

圖7 免疫浸潤(rùn)分析

6.?Hub基因表達(dá)驗(yàn)證和列線圖模型診斷性能的評(píng)估

收集人類鈣化(n = 7)和非鈣化對(duì)照(n = 5)主動(dòng)脈瓣活檢組織，以及來(lái)自健康對(duì)照個(gè)體(n = 24)、CAVD患者(n = 24)、患有CAVD 的CKD患者(n = 10)和不患有CAVD (n = 22)的CKD患者的人血清樣品。在組織樣本中進(jìn)行RT-qPCR檢測(cè)，結(jié)果顯示，與對(duì)照主動(dòng)脈瓣樣品相比，鈣化主動(dòng)脈瓣樣品中兩個(gè)hub基因的表達(dá)一致上調(diào)（圖8A）。在血清樣本中進(jìn)行ELISA檢測(cè)，顯示SLPI和MMP9在CKD和CAVD患者以及CKD伴CAVD患者中水平顯著升高（圖8B）。隨后作者在自有隊(duì)列中開(kāi)發(fā)了一個(gè)CAVD診斷諾模圖模型(命名為諾模圖A )，以預(yù)測(cè)對(duì)照組和CAVD組出現(xiàn)CAVD的可能性（圖8C），并利用ROC曲線、校準(zhǔn)曲線和DCA曲線評(píng)估列線圖預(yù)測(cè)性能（圖8D-F）。此外，還構(gòu)建了另一個(gè)診斷諾模圖模型(名為諾模圖B )，以區(qū)分有或無(wú)CAVD的CKD患者（圖8G），同樣利用ROC曲線、校準(zhǔn)曲線和DCA曲線評(píng)估列線圖預(yù)測(cè)性能（圖8H-J）。?

圖8 Hub基因表達(dá)驗(yàn)證和列線圖模型診斷性能的評(píng)估

文章小結(jié)

這篇文章利用機(jī)器學(xué)習(xí)算法建立CKD相關(guān)CAVD的診斷模型，并且還利用自有隊(duì)列進(jìn)行表達(dá)驗(yàn)證實(shí)驗(yàn)和模型評(píng)估來(lái)進(jìn)一步提升創(chuàng)新性。文章集合了選題新穎、分析創(chuàng)新、自有隊(duì)列實(shí)驗(yàn)驗(yàn)證的多重創(chuàng)新點(diǎn)，絕對(duì)算的上高分文章的絕佳思路！目前雙疾病也逐漸內(nèi)卷了起來(lái)，想做雙疾病方向的小伙伴動(dòng)作得放快些了喲！