最新6分+非肿瘤的免疫浸润纯生信思路！3种机器学习算法齐上阵，筛选线粒体自噬相关诊

2023-03-04 19:00 作者:尔云间 0人读过 | 我要投稿

你见过如此简单的分析流程图吗？

2个月就接收的6分+纯生信！

只能说“线粒体自噬”这个热点牛！

“我是细胞的，属于细胞器，细胞器老大，叫做线粒体。

能量代谢中心，专注生产ATP，关联多种疾病，延伸方向很广。

研究现状是这样的：论文发表强劲，数量逐年递增。国自然立项攀升，研究热点坐实，地位不言而喻，神一样的存在！”

可是万万没想到，研究线粒体的其中一个切入点——线粒体自噬，要比线粒体本身的热度还高！不信看图：

线粒体自噬是一种线粒体质量控制机制，在缺氧和代谢应激等的作用下被激活，通过选择性地清除掉功能障碍的线粒体维持细胞内环境的稳定。

近年来，线粒体自噬已经成为国自然的热点方向之一，相关的发文数量和国自然中标数量逐年增长，而且线粒体自噬参与了多种疾病的发生发展（言外之意就是多种疾病都可以分析线粒体自噬~）

（心动不如行动~没有思路、不知道怎么创新的找小云，超多个性化、创新性高的分析思路供你选择！）

话不多说，今天小云就借用一篇6分+非肿瘤的纯生信文章，带你看看性价比超高的线粒体自噬分析思路。

题目：鉴定ULK1在糖尿病肾病中作为新的线粒体自噬相关基因

杂志：Frontiers in Endocrinology

影响因子：6.055

发表时间：2023年1月

数据信息

研究思路

从GEO数据库中获取5个数据集，分为训练集和验证集。然后筛选差异表达的线粒体自噬相关基因（MRGs），并进一步分析GO和KEGG的富集情况。接下来，采用SVM-RFE、LASSO和RF三种机器学习算法对识别hub基因。根据hub基因绘制ROC曲线。然后，使用CIBERSORT算法评估了22种免疫细胞的浸润，并分析了hub基因与免疫细胞之间的相关性。最后，使用Nephroseq V5工具分析DN患者中hub基因与GFR的相关性。

分析流程图

主要研究结果

1. 糖尿病肾病(DN)中分析差异表达的线粒体自噬相关基因(MRGs)

29种MRGs的相互作用如图1A所示。从PCA图可以看出，归一化后两个样本组的聚类更加明显，说明样本来源是可靠的（图1B、C）。在肾小球样品中鉴定出18个MRG, 12个基因在DN和健康对照组之间表现出显著的表达差异（图1D）。在小管间质样品中鉴定出的18个MRG中只有5个表达存在差异（图1E）。在肾小球样本中观察到最显著的差异，因此选择肾小球样本进行进一步研究。

图1. DN中线粒体自噬相关基因分布

图2A显示了12个DE-MRGs的表达，但在肾小球样本中只有MFN1基因上调，其他基因均下调。图2B的热图显示了DE-MRGs在肾小球样品中的表达。在相关性分析中发现这些基因密切相关(图2C)，表明它们可能共同发挥作用。

图2. DN中线粒体自噬相关基因的方差分析。

2. DE-MRGs的GO和KEGG分析

GO富集结果发现巨自噬、自噬、线粒体自噬、蛋白跨膜转运蛋白活性和泛素蛋白连接酶结合显著富集(图3A-B)。在KEGG分析中，DE-MRGs主要参与线粒体自噬和神经退行性变-多种疾病的通路(图3C, D)。

图3. 12种DE-MRGs的GO富集和KEGG分析

3. hub基因的鉴定

使用三种不同的机器学习算法构建DN诊断的预测模型。使用LASSO算法筛选出7个基因(图4A, B)。基于SVM-RFE确定5个基因作为DN的最佳候选基因(图4C, D)。使用随机森林选择前8个基因作为诊断基因(图4E,F)。将从SVM-RFE、LASSO和RF模型中获得的候选基因取交集获得3个hub基因(图4G)。

图4. 3个DE-MRGs被鉴定为DN的诊断基因

4. 训练集和验证集中hub基因诊断糖尿病肾病的表现

在训练集中，与对照组相比，MFN1在DN中显著过表达，ULK1和PARK2在DN中表达降低(图5A-C)。ROC曲线显示MFN1的AUROC为0.839，特异性为95.8%，敏感性为71.1%(图5D,G)。ULK1的AUROC为0.906，敏感性和特异性分别为95.8%和73.7%(图5E,G)。PARK2的敏感性、特异性和AUROC分别为87.5%、71.1%和0.842(图5F, G)。

图5. 训练集中三个hub基因诊断DN的表现

图6显示了验证集中三个有线粒体自噬相关hub基因在DN诊断中的价值。ROC曲线显示ULK1在DN诊断中表现优异，AUROC为0.894(图6E)。

图6. 验证集中三个hub基因诊断DN的表现

6. 免疫浸润分析

使用CIBERSORT算法评估DN的免疫浸润。PCA聚类分析显示，DN和对照样品在免疫细胞浸润方面存在巨大差异(图7A)。使用par函数计算免疫细胞百分比并绘制堆叠直方图(图7B)。通过绘制相关热图评估22种免疫细胞浸润之间的相关性(图7C)。从22种免疫细胞浸润差异的小提琴图(图7D)可以看出，与对照样品相比，DN中的γδT细胞、M1巨噬细胞、M2巨噬细胞和静息肥大细胞浸润率较高，而静息CD4记忆T细胞、活化肥大细胞和中性粒细胞浸润率较低。