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

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!

生信精讲 管理员 233℃ 0评论
IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图

今天给同学们分享一篇关于多数据集联合分析的非肿瘤纯生信文章 “ Screening of Key Genes of Sepsis and Septic Shock Using Bioinformatics Analysis ”,这篇文章于今年发表在 J Inflamm Res杂志上,影响因子=6.922。本研究通过对GEO数据进行分析,利用共表达分析、差异基因分析、富集分析、单样本基因集富集分析、PPIN分析、STEM分析、甲基化分析等生信分析手段,筛选出脓毒症相关的关键基因。

1.脓毒症相关基因的共表达网络 

作者计算了GSE13904(儿童)中基因表达的方差,然后筛选了TOP20%最大方差基因中的4093个基因,以确定共表达模式。WGCNA鉴定出一个包含2550个基因的共表达网络(图2A)。这些基因聚集成八个共表达模块:棕色模块与脓毒症休克的正相关最强,而粉红色模块与脓毒症休克的负相关最强(图2B)。通过计算不同临床样本中各模块的表达谱,作者确定了脓毒症发展中每个模块的表达趋势(图2C)。棕色模块显示逐渐上调,而粉红色模块显示逐渐下调,顺序为:脓毒症患者<对照组<脓毒性休克患者。

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图1

图2 WGCNA分析

2.脓毒症中的差异基因

在作者获得的四组脓毒症数据中,GSE13904(儿童)和GSE154918(成人)的样本最大(图3A)。在GSE13904(儿童)中,作者在脓毒症和对照样本之间获得了7850个差异基因(图3B)。在GSE154918(成人)中,作者在脓毒症和对照样本之间获得了12496个差异基因(图3B)。通过比较成人和儿童败血症之间的差异基因,作者发现5638个基因是两者共有的,2212个可能是儿科疾病特异性的,6857个可能是成人疾病特异性的(图3C)。交叉点的基因可能与成人和儿童的脓毒症密切相关。此外,作者还筛选了GSE13904(儿童)和GSE154918(成人)中同时上调或下调的5143个差异基因。将这些基因与模块基因的交集分析产生了1274个基因,用于后续分析(图3D)。

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图2

图3 脓毒症交集基因的鉴定

3.基因的生物学功能

富集分析表明,基于上述常见基因,脓毒症患者对defensive responses to bacteria, complement-dependent cytotoxicity, canonical glycolysis显著上调,而interleukin-17 production, B cell activation, T cell receptor signaling显著下调(图4A)。KEGG结果显示,Hypoxia-Inducible Factor 1 (HIF-1) signaling pathway, Tumor Necrosis Factor (TNF) signaling pathway, glycolysis/gluconeogenesis在败血症中显著上调,而Th1, Th2 cell differentiation, Th17 cell differentiation, T cell receptor signaling pathways显著下调(图4B)。GSEA中的KEGG结果同样发现,代谢相关通路上调,而免疫相关通路下调(图4C)。

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图3

图4 交集基因中富集的生物学功能和KEGG富集通路

4.脓毒症中的免疫细胞浸润

在富集结果中,作者发现脓毒症样本中大量免疫相关生物学功能明显下调。因此,作者评估了脓毒症患者的免疫细胞浸润(图5A)。不出所料,脓毒症与大多数类型的免疫细胞浸润的显着减少有关,除了macrophages, mast cells, neutrophils的浸润升高。根据基因标记定义细胞毒性T细胞类型,将CD8 + T细胞视为具有不同基因标记的T细胞的一个亚型。这些不同亚型的ssGSEA评分用于产生免疫细胞相互作用网络。作者将差异浸润的免疫细胞分为四个簇(图5B)。

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图4

图5 脓毒症患者的免疫细胞抑制

5.交集基因的PPI网络

此外,作者对交集基因进行了PPI网络分析,并对网络中基因之间的连接程度进行了排名(图6A)。作者筛选了连接性最大的前100个基因(图6B)。通过计算GSE13904(儿童)和GSE154918(成人)中这些基因的AUC值,作者在两组数据中鉴定出AUC值大于0.9的基因,作者将其定义为关键基因(图6C)。其中MAPK14,FGR,RHOG在脓毒症中上调,而LAT,PRKACB,UBE2Q2,ITK,IL2RB和CD247下调(图6D)。重要的是,这些关键基因的差异表达模式在GSE13904,GSE154918,GSE25504和GSE9960中是一致的。相关性分析发现,上调基因与免疫细胞的负相关较强,而下调基因与免疫细胞,特别是T细胞的正相关较强(图6E)。

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图5

图6 鉴定潜在的败血症关键基因

6.与脓毒症发展相关的基因

为了确定从败血症到脓毒性休克的发育过程中基因表达的变化,作者利用STEM软件鉴定了712个在脓毒症进展过程中表现出进行性失调的基因。这些基因分为五个重要的簇(图7A)。有趣的是,作者上面发现的所有关键基因都在这些簇中检测到(图7B)。MAPK14,FGR,RHOG的表达从对照到脓毒症再到脓毒性休克逐渐上调,而LAT,PRKACB,UBE2Q2,ITK,IL2RB和CD247的表达逐渐下调(图7C)。GSEA的通路热图显示,在脓毒症的发生过程中,淀粉等逐渐上调,而Th1 and Th2 cell differentiation, IgA production,  antigen processing and presentation呈递逐渐下调(图7D)。

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图6

图7 鉴定进展过程中持续失调的基因

7.脓毒症中的甲基化标记

为了确定在疾病中甲基化可能被修改的败血症关键基因,作者首先分析了GSE138074(成人)脓毒症样本和对照组之间的差异甲基化位置(DMP)(图8A)。过滤β值与普通差异基因表达值相反的DMP,并鉴定为甲基化标记。共鉴定出1313个甲基化标记(图8B)。其中包括MAPK14,FGR和CD247。脓毒症中MAPK14(cg18213931)和FGR(cg16922167)的甲基化水平低于对照组,脓毒症中CD247(cg21161394)的甲基化水平较高(图8C)。

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图7

图8 筛查脓毒症的关键甲基化标志物

小结

在这项研究中,作者将脓毒症相关的测序数据进行生物信息学分析,以探索脓毒症相关的分子失调机制。作者确定了与脓毒症进展相关的九种潜在生物标志物。发现有证据表明MAPK14,FGR和CD247的表达被甲基化修饰,这可能有利于败血症和脓毒性休克的诊断对非肿瘤多数据集+多分析点思路感兴趣的老师,欢迎扫码咨询。

生信分析定制服务

请扫描下方二维码

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图8
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

IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!插图9

转载请注明:智汇基因 » IF=6.922,非肿瘤纯生信+多数据集+全面分析,解锁你的生信发文密码!

喜欢 (0)
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