生信分析，生信分析公司，医学sci，生信分析学习，tcga数据库，geo数据库，单细胞测序，转录组分析，甲基化，医学sci写作，论文解读简单易懂的7+非肿瘤生信思路，轻松复现！非肿瘤生信

导语

今天给同学们分享一篇非肿瘤的生信文章“AKAP12 and RNF11 as Diagnostic Markers of Fibromyalgia and Their Correlation with Immune Infiltration”，这篇文章于2022年10月4日发表在Oxid Med Cell Longev期刊上，影响因子为7.31。纤维肌痛（FM）是一种慢性非关节风湿性疾病，主要特征为弥漫性播散性骨骼肌疼痛，伴有焦虑、睡眠障碍和疲劳等多种症状。FM由于其病因和发病机制不明，在临床实践中容易被忽视，导致诊断不明，治疗困难。研究旨在调查AKAP12和RNF11是否可以用作诊断FM的生物标志物，并确定它们与免疫浸润的相关性。

1. DEGs的鉴定

DEG显示在火山图中（图1）。与健康对照组相比，FM患者有26个上调的DEGs和43个下调的DEGs。

图1 DEG的火山图

2. 功能富集分析

为了更好地了解这些基因的功能，我们使用了富集分析。GO分析结果表明，DEGs主要与对病毒的防御反应、病毒基因组复制的调节、I型干扰素（IFN）信号通路和细胞对I型IFN的反应有关（图2（a）和2（b））。此外，KEGG富集分析表明，与健康对照相比，单纯疱疹病毒1(HSV-1)感染的map05167通路可能是FM患者发生改变的生物学通路（图2(c)和2(d)）。

图2 DEG的GO和KEGG功能富集分析

3. 诊断标志物的筛选和验证

我们首先使用随机森林算法从DEGs中识别出4个基因作为FM的诊断标记（图3(a)），并制作了ROC曲线（图3(b)）。然后通过LASSO回归算法筛选了19个DEG（图3(c)和3(d)）。将两种算法得到的标记基因进行重叠，得到4个诊断特征基因，分别为AKAP12、CCR9、IL3RA和RNF11。为进一步检验上述基因的诊断效能，采用测试集对其进行验证。通过R软件进行ROC分析预测生物标志物的诊断有效性，只保留AUC>0.6的基因作为***终的标志基因。结果表明，AKAP12（AUC=0.628）和RNF11（AUC=0.663）具有较高的诊断价值。我们结合基因，观察到当CCR9与RNF11(AUC=0.643)结合以及AKAP12与IL3RA(AUC=0.617)结合时，AUC也大于0.6（图4）。

图3 诊断基因筛选过程

图4 ROC曲线验证候选基因的诊断效能

4. FM中的免疫细胞浸润及其与诊断标志物的关系

首先评估了FM患者血液中22组免疫细胞的相关性（图5（a））。结果显示，M1巨噬细胞、活化肥大细胞、静息肥大细胞、浆细胞、调节性T细胞、M2巨噬细胞、活化树突细胞、记忆B细胞、Th细胞、活化NK细胞、静息树突细胞呈显着正相关。静息CD4记忆T细胞与中性粒细胞呈显着负相关。然后使用Wilcoxon检验评估FM患者和对照组之间外周血中免疫细胞浸润的显着差异。图5（b）显示了FM患者和健康对照者外周血中不同的免疫细胞占据。与对照组相比，FM患者的CD8+T细胞显着减少，证实了减少这种细胞类型在FM免疫微环境中的重要性。此外，四种有效生物标志物（AKAP12、CCR9、IL3RA和RNF11）与一种显着差异的免疫细胞（CD8+T细胞）之间的相关性如图6(a)所示。相关性分析表明，AKAP12与CD8+T细胞呈正相关（R=0.33，P=0.0012），而RNF11与CD8+T细胞呈负相关（R=-0.34，P=0.00066）（图6(b)和6(C））。