非肿瘤生信结合实验原来这么简单
导语
今天跟大家分享的是2020年1月发表在Peer J 杂志（IF=2.379）上的一篇文章：“Identification of key biomarkers and immune infiltration in the synovial tissue of osteoarthritis by bioinformatics analysis”。文章中作者根据GEO数据中骨关节炎和正常患者的数据，筛选出与OA密切相关的关键基因，并对关键基因进行了通路富集、PPI网络构建、模块分析等常见分析，最后通过CIBERSORT算法探讨骨关节炎滑膜中的免疫浸润情况，使用RT-PCR进一步验证关键基因，确定了关键基因与骨关节炎之间的关系。
Identification of key biomarkers and immune infiltration in the synovial tissue of osteoarthritis by bioinformatics analysis
通过生物信息学分析鉴定骨关节炎滑膜组织中的关键生物标记物和免疫浸润概况
一、研究背景
骨关节炎（OA）是最常见的慢性关节疾病，主要特征是软骨变性，骨赘形成和关节间隙狭窄。最近的研究表明，滑膜炎也可能是OA的重要病理改变。然而，OA中滑膜炎的分子机制仍然不很清楚。作者研究旨在通过生物信息学分析鉴定骨关节炎滑膜组织中的关键生物标志物以及相关免疫浸润情况。
二、结果解读
01 OA相关差异表达基因的筛选
作者从GEO数据库中下载了GSE12021，GSE55235和GSE55457的芯片结果后，共检测出106个差异表达基因，包括68个下调基因和38个上调基因。
图1 DEGs的热图与火山图
02 差异基因的GO和KEGG分析
作者使用clusterProfiler对DEGs进行GO和KEGG通路富集分析。GO功能富集分析表明DEGs主要参与抗原结合，肽聚糖结合，糖胺聚糖结合，细胞因子受体结合，铵离子结合，细胞因子活性等通路。KEGG通路分析显示DEGs主要富集IL-17信号通路，类风湿性关节炎，病毒蛋白与细胞因子和细胞因子受体，TNF信号通路，NF- κB信号通路等。
图2 DEGs的GO和KEGG富集分析
表1 GO分析结果
表2 KEGG分析结果
03 PPI网络构建及模块分析
作者通过使用STRING数据库分析DEG相关PPI网络，使用Cytoscape的MCODE插件获得了14个关键基因，其中上调基因以红色表示，下调基因以蓝色表示。根据MCODE评分将TNFSF11判断为核心基因,该基因编码肿瘤坏死因子（TNF）细胞因子家族的成员，并作为破骨细胞分化和激活的关键因子起作用。
图3 差异基因PPI网络和功能模块
04 关键基因的GO和KEGG分析
GO结果显示，关键基因主要涉及抗原结合，肽聚糖结合，糖胺聚糖结合，细胞因子受体结合通路。KEGG通路分析表明，关键基因在类风湿性关节炎，IL-17信号通路，Kaposi肉瘤相关疱疹病毒感染等通路富集。
图4 关键基因GO和KEGG富集分析
表3 关键基因的GO分析
05 免疫细胞浸润全景图
本研究使用CIBERSORT算法，研究了22个免疫细胞亚群中OA与正常滑膜组织之间免疫浸润的差异。通过PCA分析，将来自OA患者组织和正常对照组的免疫细胞比例显示出明显的群体聚类和个体差异。与正常组织相比，OA组织通常包含更高比例的记忆B细胞，幼稚CD4 + T细胞，幼稚CD4 + T细胞，调节性T细胞，静息树突状细胞和静息肥大细胞，而幼稚CD4 + T细胞，活化性NK细胞的比例更高，活化的肥大细胞和嗜酸性粒细胞相对较低。
图5骨关节炎和正常组织之间的免疫浸润情况
06 关键基因的RT-PCR验证
作者进一步对14个关键基因进行RT-PCR验证。结果表明，CCL20，CD44，CX3CR1，CXCL2，CXCL8，IL6，JUN，MMP1，PTGS2，TNFSF11和VEGFA等11个关键基因的表达水平与芯片数据一致。
图6 关键基因的RT-PCR验证
三、小结：
在本研究中，作者首先鉴定出106个DEG，利用PPI网络确定了14个核心基因，并结合免疫浸润以及RT-PCR确认了11个关键基因的表达水平。非肿瘤研究结合实验确实不难，并且仍可以增加其他分析使结果更饱满，感兴趣的欢迎咨询。