最新7.5分非肿瘤纯生信,分析一点不难,这种思路你想到没有?
大家好,今天要和大家分享的是2021年7月发表的一篇文章:“Exploration of the Shared Gene Signatures and Molecular Mechanisms Between Systemic Lupus Erythematosus and Pulmonary Arterial Hypertension: Evidence From Transcriptome Data”。
在本项研究中,作者探讨了系统性红斑狼疮(SLE)和肺动脉高压(PAH)的共同基因特征和潜在的分子机制。首先,下载GEO数据库中SLE和PAH的微阵列数据,通过加权基因共表达网络分析(WGCNA)识别与SLE和PAH相关的共表达模块。随后利用ClueGO软件对SLE和PAH中的共享基因进行了富集分析和生物过程分析。此外,作者还通过人类microRNA疾病数据库(HMDD)下载了SLE和PAH中常见的microRNA(miRNA),并通过miRTarbase预测其靶基因。最后用目标基因和共享基因中的重叠基因构建了miRNAs-mRNAs网络。结果显示,高度激活的I型IFN反应是SLE和PAH病理生理学的共同特征,并提出了SLE继发PAH可能机制的疾病模型。miRNA-mRNA网络也表明hsa-miR-146a可能调节共享的IFN诱导基因。本研究揭示了SLE患者的高IFN反应可能是PAH的关键易感因素。
发表杂志:Front Immunol.
影响因子:7.564
研究背景
肺动脉高压(PAH)是一种罕见而严重的心肺疾病,它是由肺小动脉和动脉的细胞增殖和纤维化引起的,导致肺血管阻力(PVR)和肺动脉压(PAP)进行性升高,最终导致在右心衰竭和死亡。PAH可分为特发性PAH(IPAH)和疾病相关PAH(APAH)。在中国、日本和韩国,系统性红斑狼疮(SLE)已成为与PAH最接近的结缔组织疾病。SLE患者中PAH的患病率从0.5%到43%不等。SLE是一种以循环自身抗体形成为特征的慢性自身免疫性炎症疾病。目前已有研究表明,SLE患者的一些自身抗体与PAH高度相关,如抗dsDNA抗体、抗RNP抗体和抗磷脂抗体等。然而,这些研究主要是从血清学角度出发,未能从基因水平揭示SLE继发PAH的机制。
流程图:
分析解读:
数据收集
①在GEO数据库中搜索SLE和PAH基因表达谱。
②选择编号为GSE50772、GSE81622、GSE131793和GSE703的GEO数据集。
结果:
加权基因共同表达网络分析(WGCNA)
①使用R软件中的“WGCNA”包进行WGCNA分析。
②使用“Hclust”函数进行层次聚类分析,排除离群样本。
③使用WGCNA包中的“pickSoftThreshold”函数选择合适的软阈值β。
④利用Pearson分析计算出的所有基因对之间的软实力值β和基因相关矩阵构建邻接矩阵。
⑤拓扑重叠矩阵(TOM)和相应的相异性(1-TOM)从邻接矩阵转换而来。进一步构建层次聚类树状图,将相似的基因表达分为不同的模块。
⑥通过模块特征基因(ME)总结每个模块的表达谱,并计算ME与临床特征之间的相关性。
结果:
下图A:SLE共表达基因的聚类树状图。
下图B:SLE中的模块-特质关系。
下图C:PAH中共表达基因的簇树状图。
下图D:PAH中的模块-特征关系。
鉴定SLE和PAH中的共享基因
①选择与SLE和PAH高度相关的模块。
②使用韦恩图重叠与SLE和PAH正相关的模块中的共享基因。
结果:
基因特征及功能分析
①Cytoscape插件“ClueGO”对共享基因进行生物学分析。
②使用“MCODE”算法和Cytoscape软件进行蛋白质-蛋白质相互作用(PPI)网络和聚类分析。
结果:ClueGO富集分析。
下图A:Cytoscape插件ClueGO进行富集分析。
下图B:每个GO trem在总数中的比例。
结果:PPI网络和聚类分析。
下图A-D:从PAH中的棕色模块中提取的簇1-4。
下图E:从SLE中的粉红色模块中提取的集群。
下图F:PAH中4个基因簇的GO生物学过程分析。
下图G:SLE四个基因模块的GO生物学过程分析。
差异基因分析验证
①对GSE81622和GSE703进行DEG分析,以验证SLE和PAH中共享基因。
②使用分层聚类热图来揭示这些DEG的表达模式。
③使用相同的方法对SLE和PAH中的常见DEG和总DEG进行功能富集分析。
结果:识别常见的DEG。
下图A:GSE81622和GSE703中上调基因的维恩图。
下图B):GSE81622和GSE703中下调基因的维恩图。
结果:ClueGO富集分析
SLE和PAH中的常见miRNA分析
①获得与SLE和PAH相关的miRNA并取交集。
②根据已发表的文献确定miRNA在SLE和PAH中的表达水平,并且进一步分析具有相同疾病类型的miRNA。
③使用DIANA工具中的mirPathv3.0软件进行GO BP分析。
结果:七种常见miRNA的功能富集分析。
构建miRNA-靶基因网络
①利用miRTarbase数据库预测靶基因。
②SLE和PAH中常见miRNA的靶基因与共享基因的交际被用来构建miRNAs-mRNAs调控网络。
③Cytoscape软件用于可视化网络。
结果:miRNA-共享靶基因调控网络。红色三角形代表miRNA,蓝色圆圈代表共享基因,绿色圆圈代表重叠的共享基因。
小结:
本项研究中,作者使用WGCNA确定了SLE和PAH中的共表达模块,并利用ClueGO软件对SLE和PAH中的共享基因进行了富集分析和生物过程分析。此外,作者还通过miRTarbase预测其靶基因,并构建了miRNAs-mRNAs网络。结果表明,干扰素(IFN)诱导的基因存在于与SLE和PAH高度相关的模块中,生物通路“I型IFN信号通路”可能在PAH和SLE中起重要作用。这一结果在另一个队列中通过差异基因分析得到证实。