生信学习,咨询,代做,请关注公众号:生信风暴。或添加客服微信:ShengxinBoss1

8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!

生信精讲 管理员 287℃ 0评论
8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!插图

今天给同学们分享一篇关于非肿瘤lncRNA模型结合免疫生信分析的生信文章 “ Development of an immune-related lncRNA–miRNA–mRNA network based on competing endogenous RNA in periodontitis ”,这篇文章于今年发表在 JOURNAL OF CLINICAL PERIODONTOLOGY 杂志上,IF=8.728。本研究探讨了lncRNAs与免疫反应的关系,为进一步研究lncRNAs在牙周炎免疫反应中的生信调节作用提供了新的参考,发现LncRNA MIAT可竞争性结合miR-1246、miR-1260b、miR-3652和miR-4286以促进mRNA的表达,从而影响 B cells 的增殖、分化和活化。

1.差异表达lncRNAs的鉴定和分类模型的构建

在训练集中检测到12个差异基因。其中,牙周炎样本中有四个上调,八个下调基因(图1A)。为了进一步缩小品种范围并构建分类模型,作者进行了LASSO logistic回归分析。随着参数lambda的变化,基因的相应系数减小到零。最后,七个lncRNAs(CDC42-IT1、LINC00592、MIAT、MIR210HG、MBNL1-AS1、SOX21-AS1和LINC01133)形成了分类模型(图1B)。ROC曲线分析表明,七种lncRNAs的组合比单个lncRNAs更可靠(图1C)。ROC曲线下面积(AUC)为0.976。对于单个lncRNAs,最高AUC值为0.907(MIAT)。通过计算训练集中的Youden指数,确定每个品种的最佳截止水平。与ROC分析结果类似,分类模型的Youden指数最高,达到0.880(图1D)。根据最佳截止水平,将验证集中的样本分为牙周炎组和健康组,七种lncRNAs的组合比单个lncRNAs有更高的分类效果(图1E)。进一步的ROC分析表明,内部和外部验证集(GSE106090)的AUC值分别达到0.878和0.833,表明分类模型具有良好的预测能力(图1F)。这些结果表明,该模型可以有效的区分牙周炎样本和健康对照组。

8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!插图1

图1.lncRNA分类模型的构建和验证

2. 七个选定的lncRNAs与免疫特征之间的关联

由于lncRNAs在免疫系统中起着至关重要的作用,作者探讨了lncRNAs与免疫细胞之间的关系。使用R软件包“gsva”计算单个样本的免疫特征。如小提琴图所示,牙周炎样本中的大多数免疫特征显著增加,CD56 cells和Th2 cells除外(图2上半部分)。相反,牙周炎样本中的效应记忆CD4 T cells 表达下调。接下来,作者进行了Spearman的相关分析,以探索七个选定的lncRNAs与免疫特征之间的关系。热图显示lncRNA MIAT与三种先天免疫特征(浆细胞样树突状细胞、髓源性抑制细胞和自然杀伤细胞)和六种适应性免疫亚群正相关(activated B cells, immature B cells, central memory CD4 T cells, effector memory CD8 T cells, regulatory T cells, and Th1 cells)相关系数>0.6。活化B细胞与lncRNA MIAT的相关性最强,相关系数为0.82。除CDC42-IT1外,其他lncRNA与七个先天性免疫细胞和七个适应性免疫细胞呈负相关,相关系数<-0.6(图2下半部分)。这些结果表明,分类模型中的七个lncRNAs与免疫有很强的相关性。

8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!插图2

图2.免疫亚群的富集分析及其与七个lncRNAs的关系

3. 评估lncRNAs对基因表达的潜在调节作用

基于观察到由七个lncRNAs组成的分类模型具有显著的分类能力并与免疫密切相关,作者进一步进行WGCNA分析,以评估七个lncRNAs对基因表达的潜在调节作用。选择调整后p值小于0.05的差异表达mRNAs。最后,确定了七个mRNA模块,其中每个模块与一个lncRNA至少有一个显著相关性,表明这些与特定mRNA模块相关的lncRNA对基因表达具有类似的调节作用(图3A)。

在这些模块中,蓝色模块与lncRNA MIAT有最高相关性(相关系数=0.82)。选择蓝色模块中的mRNAs进行进一步的富集分析。结果表明,它们参与了许多免疫相关的生物学过程,包括activation and degranulation of neutrophils、neutrophil-mediated immunity、proliferation of leukocytes、mononuclear cells, lymphocytes、B cells、 B-cell activation、 regulation of leukocyte、B-cell proliferation(图3B)。结合lncRNA MIAT与活化B细胞正相关的观察,作者重点研究了与B细胞活化和增殖相关的mRNA。55个相关mRNA参与了B细胞活化过程,其中25个参与调节B细胞增殖,30个参与B细胞增殖(图3C)。如KEGG富集分析结果所示,细胞受体相互作用,趋化因子信号途径,蛋白质输出,内质网中的蛋白质加工,B细胞受体信号途径,白细胞跨内皮迁移,自然杀伤细胞介导的细胞毒性,NF-κB信号途径,破骨细胞分化与蓝色模块的mRNA显著相关(图3D)。因此,与这些富集基因形成的蓝色模块具有最强正相关的 lncRNA MIAT 可能参与多种免疫过程。

8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!插图3

图3.WGCNA和功能富集分析

4. ceRNA网络的构建与分析

基于 lncRNA MIAT与蓝色模块之间有较强相关性,作者进一步构建了基于MIAT、差异表达miRNA(GSE54710)和蓝色模块mRNA的ceRNA网络。在ceRNA网络中,作者确定了5个miRNA节点和100个mRNA节点(图4A)。在牙周炎组中,miR-1246、miR-1260b和miR-4286表达下调,miR-3652和miR-1202表达上调(图4B)。此外,进行相关分析以筛选与lncRNA MIAT高度相关的mRNA(|ρ|>0.6,图4B)。在27个mRNA中,POU2F2、IFNAR2、LAX1和XBP1与lncRNA MIAT有较强的相关性,相关系数超过0.80。此外,27个经筛选的mRNAs构建了一个亚ceRNA网络(图4C)。KEGG富集分析表明,它们与B细胞的各种生物学过程相关,包括B细胞活化、增殖和分化以及免疫球蛋白的分泌和产生(图4D和E)。这些结果进一步表明,在牙周炎的进展过程中,MIAT和基于它的ceRNA网络与免疫反应,特别和体液免疫密切相关。

8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!插图4

图4.建立ceRNA网络

小结

综上所述,作者发现ceRNA网络可能在牙周炎的进展过程中参与调节B细胞的增殖、分化和活化。在该网络中,lncRNA MIAT可能与miR-1246、miR-1260b、miR-3652和miR-4286竞争性结合以促进mRNA的表达,从而影响B细胞的生物学过程。本研究旨在阐明lncRNAs与免疫之间的联系,为牙周炎的免疫治疗提供新的机制和潜在的参考。非肿瘤+ceRNA结合免疫思路感兴趣的老师,欢迎扫码咨询。

8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!插图5
扫码或添加微信沟通:ShengxinBoss1
往期回顾:
最强攻略1:史上最全单细胞数据库汇总解读
最强攻略2:史上最全非编码RNA数据库汇总解读
最强攻略3:史上最全外泌体数据库汇总解读
最强攻略4:史上最全甲基化表观调控数据库汇总解读
最强攻略5:史上最全转录调控数据库汇总解读
最强攻略6:史上最全网络药理学数据库汇总解读

8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!插图6

转载请注明:智汇基因 » 8+非肿瘤lncRNA预测生信模型!学会这套组合拳就够了!

喜欢 (44)
发表我的评论
取消评论
表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址