銅死亡、鐵死亡可是生信圈的大熱點

距離初次提出過去半年仍熱度不減！

目前已經(jīng)發(fā)布的銅死亡研究有銅死亡腫瘤分析、非腫瘤分析、銅死亡單基因泛癌分析+免疫浸潤等等等等。

想看看還有沒有新的銅死亡、鐵死亡分析思路嗎？

想在生信圈如魚得水的發(fā)文章嗎

快來布小谷這里看看吧

今天的文章選題方向可是大為熱門，快跟布小谷一起來探索其中的奧秘吧~文章關(guān)鍵詞為：GEO數(shù)據(jù)庫+WGCNA分析+差異性表達(dá)分析，運用了多種生信分析技術(shù)，學(xué)會了可以讓你在生信領(lǐng)域獨當(dāng)一面！

并且本研究鑒定了膿毒癥誘導(dǎo)的心肌病中涉及的hub基因，并揭示了鐵死亡和銅死亡的潛在作用。而且數(shù)據(jù)量尤為充實，一定是高質(zhì)量文章啦，快快上車上車，布小谷帶你在生信的世界里暢游咯

題目：膿毒癥誘發(fā)的心肌病中銅死亡和鐵死亡相關(guān)基因的新型特征梳理

雜志：FRONRIERS IN GENETICS

影響因子：IF=4.772

發(fā)表時間：2023.03

研究背景

膿毒癥是全球死亡和病重癥的主要原因，而膿毒癥常見的并發(fā)癥膿毒癥誘導(dǎo)性心肌?。⊿IC）與其高死亡率相關(guān)。鐵死亡、銅死亡與心血管疾病的發(fā)病率和死亡率密切相關(guān)。這些信息可以用于SIC的早期診斷和疾病新治療方法的開發(fā)。而利用生物信息學(xué)技術(shù)快速鑒定SIC中銅死亡與鐵死亡相關(guān)基因的研究還寥寥無幾。

數(shù)據(jù)來源

研究思路

分析GEO數(shù)據(jù)庫中非衰竭心臟和SIC心臟基因表達(dá)的差異，并進(jìn)行了WGCNA分析。使用GO和KEGG分析來確定DEG的功能。此外，GSEA被應(yīng)用于進(jìn)一步分析通路調(diào)節(jié)。利用STRING網(wǎng)站將銅下垂相關(guān)基因和鐵下垂相關(guān)基因結(jié)合起來構(gòu)建一個新特征（CRF）。通過重疊DEG、WGCNA的hub基因和CRF基因獲得SIC hub基因，并使用ROC曲線分析來確定hub基因診斷價值，基于miRnet數(shù)據(jù)庫構(gòu)建了microRNA-hub基因網(wǎng)絡(luò)。最后，基于藥物——基因相互作用數(shù)據(jù)庫預(yù)測SIC的潛在治療化合物。

主要結(jié)果

1. 差異基因表達(dá)分析

圖一A中對數(shù)據(jù)歸一化和交叉可比性進(jìn)行了評估，使用R軟件中的limma軟件包進(jìn)行差異表達(dá)分析，p<0.05和|log2-FC|>1條件下，SIC心肌病患者的心肌組織中有173個基因差異表達(dá)，67個DEG上調(diào)，106個DEG下調(diào)。鐵死亡相關(guān)基因（NOX4、HMOX1、POR、SAT1等）在敗血癥誘導(dǎo)的心肌病模型中高度表達(dá)。圖1B為DEG聚類分析的火山圖。數(shù)據(jù)集的熱圖（圖1C）表明樣本聚類更好，置信度更高。

2. SIC中DEG的功能途徑富集分析

對GSE79962數(shù)據(jù)集中上調(diào)和下調(diào)的DEG進(jìn)行了KEGG和GO富集分析。圖2A為上調(diào)DEG的GO富集分析，圖2B為上調(diào)DEG的KEGG富集分析，圖2C為下調(diào)DEG的GO富集分析，圖2D為下調(diào)DEG的KEGG富集分析。接著在圖3中，應(yīng)用基因集富集分析（GSEA）進(jìn)一步分析通路調(diào)節(jié)

3. WGCNA鑒定樞紐模塊和樞紐基因

根據(jù)GSE79962衍生出的22828個基因進(jìn)行樣本聚類分析，無異常值。結(jié)果如圖4A所示。圖4B中，合理選擇軟域值，計算無標(biāo)度擬合指數(shù)平均連通性。鑒定37個不同顏色代表的轉(zhuǎn)錄模塊（圖4C），并在圖4E中關(guān)聯(lián)臨床特征數(shù)據(jù)。與臨床性狀相關(guān)的樞紐模塊用于確定模塊成員關(guān)系和基因顯著性的相關(guān)性，以確定SIC的hub。圖4F-I中鑒定出411個hub。? ? ? ? ? ?

4. 樞紐基因的篩選及其在SIC中的作用

將數(shù)據(jù)庫與文獻(xiàn)中鐵死亡和銅死亡的基因使用STRING數(shù)據(jù)庫創(chuàng)建了一個蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)，鑒定出128個與銅死亡相關(guān)基因密切相關(guān)的鐵死亡相關(guān)基因。因此，我們通過將銅死亡相關(guān)基因與鐵死亡相關(guān)基因相結(jié)合，構(gòu)建了一種新的信號（CRF），圖5A使用STRING數(shù)據(jù)庫分析，Cytoscape進(jìn)行可視化。圖5B中，DEG、WGCNA樞紐基因、CRF交叉確定三個SIC重疊基因，分別為POR、SLC7A5和STAT3。進(jìn)行ROC和AUC分析（圖5C）。圖6A-C中GSEA顯示，這三個基因的標(biāo)志性基因集是脂肪酸代謝。

5. SIC的TF miRNA中樞基因網(wǎng)絡(luò)的構(gòu)建

圖7中，研究三個hub在SIC中的調(diào)控機(jī)制。確定了三個hub的靶miRNA和TF，然后基于miRnet由45個邊緣構(gòu)建的TF–miRNA?hub網(wǎng)絡(luò)，包括三個hub、19個TF和21個miRNA。

6. SIC治療藥物的篩選

使用DGIdb篩選與三個中樞基因相關(guān)的潛在SIC治療化合物（表1）。確定15種藥物作為SIC的潛在治療藥物。

? ? ? ? ? ??

文章小結(jié)

本研究使用生物信息學(xué)方法分析了膿毒癥誘導(dǎo)心肌病與鐵死亡和銅死亡聯(lián)系起來。文章即使分析內(nèi)容簡單，數(shù)據(jù)量不是很大，但以前的研究只關(guān)注WCGNA來識別關(guān)鍵基因；然而，我們應(yīng)用了特征基因挖掘和WCGNA，從而鑒定了三個樞紐基因，發(fā)到5分+絕對名副其實！其亮眼之處為，運用了大勢所趨的干濕結(jié)合分析模式。本文為預(yù)測生物標(biāo)志物和藥物靶點提供了一個工作流程，可廣泛用于其他疾病，感興趣的朋友，碼住這個思路行動起來吧！