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。