公共数据集太少怎么办？只用1个数据集，线粒体相关基因的简单分析+实验也能拿下8分+，
从小云分享的这么多文献大家应该能看出，各种数据分析的文章层出不穷，分析内容多种多样。多数据集的整合分析、测试集/验证集的划分都离不开丰富的可用数据集。
那么如果某种疾病的可用数据集很少，这种可以做分析吗？怎么样才能发高分了？选择新的热点+干湿结合思路瞬间提升性价比！
线粒体是细胞中生产能量的主要场所，参与多种细胞生命活动，线粒体稳态对维持正常的细胞功能至关重要。线粒体常与多种细胞死亡，比如自噬、铁死亡等国自然热点相关联，在高分文章和国自然基金项目中出镜率很高，是近年来的主要热点。
小云今天找到1篇8分+分析线粒体基因与肝纤维化的文章，在选定了线粒体这个热点后，又选用了GEO数据库中的1个动物模型高通量测序的数据，利用了干湿结合原则，充分克服了可用数据集少、分析内容简单等问题，通过实验的添加，提高了文章的创新性。大家快来学学吧（对线粒体生信分析或者课题设计有意向的小伙伴，欢迎留言或私信小云哦，总有一款创新性思路适合你）。
题目：基于生物信息学和实验验证鉴定线粒体内膜Timm13蛋白转位酶作为肝纤维化的潜在途径
杂志：Journal of translational medicine
影响因子：8.44
发表时间：2023年3月
数据信息
研究思路
小鼠肝纤维化芯片数据来源于GEO数据库，通过GEO2R筛选差异表达基因(DEGs)，并进行GO和KEGG通路分析。通过STRING构建蛋白质-蛋白质相互作用（PPI）网络，并通过MCODE插件计算PPI网络的中枢基因。从中筛选出待研究基因，并使用纤维化动物和细胞模型验证了相关基因的转录和蛋白表达。最后在细胞模型中，验证关键基因与肝纤维化的作用。
主要结果
1. 肝纤维化中的DEGs和功能富集分析
在GSE167033数据集的正常对照（5个样本）和肝纤维化样本（16天CCl4给药，6个样本）进行DEG分析（图1A、B），根据所选标准识别出178个DEG（图1C）。对差异基因进行GO功能分析发现，这些基因的生物学过程主要与线粒体、核碱基代谢过程、血管内皮生长因子受体信号通路、心脏传导、葡萄糖跨膜转运调控、DNA复制、细胞质微管组织等相关、微管聚合的调节和微管解聚的调节（表1）（ps：差异基因分析和火山图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.DEGs的获取
表1.DEGs的GO富集分析
2. 差异基因的PPI调节网络构建
使用STRING数据库构建了PPI网络。以TOP200的DEG在STRING中进行分析，并通过Cytoscape中的MCODE插件计算出PPI网络的hub基因（图2）。共获得了五个网络簇。其中，得分最高的簇网络A，包括Timm8a1、Timm17a、Timm13和Hspa9等基因（图3A）。由于Timm13在肝纤维化中的作用尚未报道，因此我们选择Timm13进行以下实验。
图2.DEGs的PPI网络构建
图3. Timm13处在得分最高的簇网络，且缺乏与肝纤维化的进一步文献报道
1. Timm13在体内和体外肝纤维化中的表达验证
在CCl4诱导小鼠肝纤维化体内模型和TGF-β1刺激AML12小鼠肝细胞构建的体外模型中，Timm13的mRNA（图4 A-B）和蛋白表达（图5 A-B）均显著降低。
图5.Timm13在体内和体外肝纤维化中的蛋白表达验证
4. Timm13与肝纤维化的功能验证
在AML12小鼠肝细胞中沉默 Timm13 可减少纤维化和凋亡基因的表达。沉默 Timm13 后，纤维化基因（α-SMA、COL-1、MMP9、TIMP1）和凋亡基因（BAX、BAD）的表达降低（图6）。
图6. Timm13与肝纤维化的功能验证
总结
这篇文章的分析内容比较简单，主要的亮点是在获取备选线粒体相关基因后，在体内和体外模型中进行了表达量检测，并进一步在体外简单验证了基因功能，从实验层面确认了生信分析的结果。能发到8分+，就可以看出线粒体在非肿瘤中的强劲表现！
这种干湿结合的方式可以学习起来，是现在发文的趋势哦！而且筛选出关键基因后，后面可以设计“关键基因通过线粒体调控疾病”等的课题思路。
