15天接收！！！4种RNA甲基化修饰整合分析，非肿瘤诊断模型构建+分型分析+免疫分析=4.

提到 “RNA甲基化”，小伙伴们的第一反应估计是“m6A甲基化”

m6A 确实是“RNA甲基化”的当家花旦，不管是实验类还是生信分析，研究最多的也是m6A，但小伙伴们千万不要局限于做“RNA甲基化”方向就一定要选m6A···

因为除了m6A，RNA甲基化修饰还有m5C、m7G、m1A等，每一个修饰模式单拎出来都是一个做生信分析的好苗子，广阔天地大有可为！小云之前也推荐过m6A、m5C、m7G相关生信思路，性价比都很高！

小云之前分享的都是单个RNA甲基化修饰方向的生信思路，这次来个升级版——集结了RNA甲基化修饰最热门的4种模式m6A、m5C、m7G、m1A，来一次整合分析（ps：小云分享的思路一直在更新，突破内卷从我开始，所以想看最新生信思路的朋友，跟紧小云别掉队哦）。在非肿瘤疾病中建立诊断模型+聚类分型分析，再联合免疫分析，轻松拿下4.8分+文章。纯生信发文15天就接收，可见这创新性相当厉害了吧！并且思路很容易复现哦，有兴趣的朋友抓紧上车啦，下一个快速发文的就是你！

l 题目：m7G、m6A、m5C和m1A调节因子介导的RNA甲基化修饰模式参与干燥综合征的免疫微环境调节

l 杂志：Cellular Signalling

l 影响因子：IF=4.85

l 发表时间：2023年3月

研究背景

干燥综合征(SS)是一种自身免疫性疾病，SS的发病机制复杂，是由表观遗传、环境和免疫因素共同作用的结果，其中免疫因素在整个过程中起着至关重要的作用。7-甲基鸟嘌呤(m7G)、N6-甲基腺苷(m6A)、5-甲基胞嘧啶(m5C)和N1-甲基腺苷(m1A)是新发现的表观遗传机制参与SS的发生，还需要进一步深入探索。本研究旨在研究m7G、m6A、m5C和m1A修饰对SS免疫微环境的影响。

数据来源

研究思路

59 个RNA甲基化调控因子来自String数据库，比较健康样本和SS样本之间59种m7G、m6A、m5C和m1A调节因子的差异表达。使用LASSO回归对59个SS相关的m7G、m6A、m5C和m1A调节因子进行特征选择和降维，最终选择7个调节因子建立诊断模型，进行模型评估和验证。分析59 个RNA甲基化调控因子与免疫浸润细胞的相关性。基于59个m7G、m6A、m5C和m1A调节因子的表达对SS样品进行聚类分析，分为2个亚型，分析两亚型间的免疫浸润情况。分析两亚型间的差异基因，并进行功能富集分析，基于DEGs进行WGCNA分析，以鉴定m7G、m6A、m5C和m1A调节因子修饰模式相关的常见基因和基因模块。

主要结果

1. m7G、m6A、m5C和m1A调节因子的表达分析和诊断模型构建

在GEO数据集中分析了m7G、m6A、m5C和m1A调节因子在健康和SS样本间的差异表达，获得3个有显著差异表达基因（图1E）。应用了使用LASSO回归对59个SS相关的m7G、m6A、m5C和m1A调节因子进行特征选择和降维，最终选择7个调节因子建立诊断模型（图1A, B）。利用ROC曲线评估诊断模型的准确性（图1C），分析健康样本和SS样本之间的风险评分分布（图1D）。（ps：差异基因分析、火山图、模型构建、ROC曲线分析也可以用小云新开发的零代码生信分析小工具实现，云生信分析工具平台包含超多零代码分析和绘图小工具，上传数据一键出图，感兴趣的小伙伴欢迎来尝试哟，网址：http://www.biocloudservice.com/home.html）。 

图1 RNA甲基化调节因子的表达分析和诊断模型构建

2. m7G、m6A、m5C和m1A调节因子与免疫浸润细胞相关性分析

采用使用CIBERSORT算法评估SS样本和健康样本之间的22种免疫细胞浸润情况，分析m7G、m6A、m5C和m1A调节剂与免疫细胞浸润之间的Spearman相关性（图2A），并比较高、低评分亚组之间免疫细胞浸润差异（图2D）

图2 免疫浸润分析

3. 基于m7G、m6A、m5C和m1A调节因子的分型分析和免疫浸润分析

基于59个m7G、m6A、m5C和m1A调节因子的表达对SS样本进行聚类分析，SS患者被准确地分成两个亚型（图3C, D），比较两亚型间m7G、m6A、m5C和m1A调节因子的表达差异（图3E）。使用CIBERSORT算法比较了两亚型间浸润免疫细胞的丰度差异（图3F）。（ps：多种免疫浸润分析也可以用云生信平台分析工具实现哦，网址：http://www.biocloudservice.com/home.html，欢迎朋友们来探索~ ~）

图3分型分析和免疫浸润分析

4. 功能富集分析和WGCNA分析

作者分析了两个亚型间的差异表达基因（图4F），并进行GSEA、GO和KEGG富集分析以进一步了解参与m7G、m6A、m5C和m1A调节基因的分子机制（图4G, A, C）。基于DEGs进行WGCNA分析，以鉴定m7G、m6A、m5C和m1A调节因子修饰模式相关的常见基因和基因模块，发现m7G、m6A、m5C和m1A调节子修饰模式C2亚型与红色模块中的基因密切相关（图4I）。

图4 功能富集分析和WGCNA分析

小结

这篇文章整合4种RNA甲基化修饰调节因子构建非肿瘤诊断模型，并疾病聚类分型分析，发到4.8分+的纯生信，并且15天就接收了，所以说这个思路在非肿瘤疾病中的创新性很高的！目前多种RNA甲基化修饰整合分析的生信文章并不多，尤其是在非肿瘤疾病中，发文空间还是相当大的，并且思路简单好复现，快用上这个思路，文章在向你招手啦！