毕业文章还没搞定？

不需要太高分要求，能毕业就行？

没有实验条件，得靠生信顶上？

最好是周期短、高性价比的思路？

分析内容不要太复杂，要小白也能看得懂？

······

背着毕业文章这座大山，怎么办？

上面的问题，小云用一个分析方向就能搞定，那就是“双疾病分析”，不拘泥于单一肿瘤或非肿瘤，非肿瘤疾病之间可以用，非肿瘤和肿瘤间可以用，原发疾病和并发症之间也可以用。关键是只需最简单的分析套路就能满足毕业需求，加点创新性思路还能冲击高分（毕业大军们搞快点，一个生信方向一旦火爆起来，发文竞争力可就大多了，把握时机才能赢得先机）。

这样的高性价比方向小云可得给朋友们多多分享，往期“双疾病分析”——墙裂推荐：

• 双疾病生信分析又上新番啦！8+ Frontiers系列，用这个套路毕业发文章，真的很哇塞！

• 双疾病联合分析，轻松上5，生信高手都在玩，确定不看看？
  

• 经验分享！你想知道的双疾病纯生信分析的相关问题都在这里了，建议收藏！
  

• 纯生信小样本量+机器学习SVM+双疾病这种套路，为何能轻松拿捏7分+？

需要复现或定制分析思路的朋友欢迎call小云，风里雨里小云公众号等你！

研究背景

研究表明，COVID-19 和心力衰竭 (HF) 之间较高的共病率会导致死亡率增加。然而，它们之间的共同致病机制仍然难以捉摸。在这里，作者旨在揭示 COVID-19 和 HF 之间的潜在分子机制和遗传相关性，为当前合并症患者的临床管理提供新的视角。

研究流程

主要结果

1. 鉴定 HF 和 COVID-19 之间的共享转录组特征

从 GEO 数据库中检索到HF ( GSE26887 ) 和 COVID-19 ( GSE147507 ) 的基因表达谱，从两个数据集中提取差异表达基因 (DEG)后，取维恩图的交集，共识获得12 个共有DEGs（S100A8、ABCB1、S100A11、COX2、LY96、XCL1、RORA、CCL11、CCL4、S100A12、BCL2 , 和 AQP9)。

图1 HF 和 COVID-19中共同差异基因的识别

2. 分析与两种疾病的共同发病机制相关的功能特征

为了进一步探索这些共同DEGs 的潜在生物学功能，进行 GO、Reactome、KEGG、WikiPathways 和 BioCarta功能富集分析。

图2 共同DEGs 的功能富集分析

3. 共同DEGs的PPI网络构建和hub基因鉴定

为了进一步揭示共同DEGs编码的蛋白质之间的潜在关系并识别hub基因，通过STRING筛选DEGs的PPI网络，使用Degree、MCC、MNC、BottleNeck、Closeness 和 EcCentricity拓扑分析算法预测和探索PPI网络中top 10 hub基因，根据七种排序方法，通过前 10 个基因的重叠确认了四个hub基因（TLR4、TLR2、IL10 和 STAT3 ）。并且基于 GeneMANIA 的功能注释模式，建立了一个共表达网络来描述 10 个hub基因及其共表达基因的遗传相互作用。30 个预测基因中有 17 个与细胞对细菌来源分子的反应高度相关，13 个与对LPS的反应高度相关，因此潜在的肠心轴和肠道炎症被假设为 COVID-19 患者心脏受累发生率高的可能原因之一。

图3 PPI网络和枢纽基因的鉴定

利用Cytoscape的插件MCODE进行模块分析，产生两个关键的聚类模块。module1的得分高于module 2，module1将 XCL1、CCL4 和 CCL11 突出显示为 HF 和 COVID-19 之间的共享 DEG。Cytoscape 中的插件 ClueGo 用于识别功能表征对所涉及的模块化基因进行分析，并深入分析生物学术语的内部相互联系，建立一个注释网络，其中相似的术语聚集在相同的颜色上。

图4 Hub 基因集和关键模块的综合分析

4. 在两个独立的样本队列中验证hub基因的性能

使用 Student t 检验、Weltch t' 检验和 Mann-Whitney U 检验分析中心基因在两个独立的样本队列（GSE164805和GSE9128）中的表达差异。通过 Spearman 相关性分析基因之间的相关性。

图5 验证外部数据集中的hub基因性能

5. 构建Hub基因调控网络并鉴定候选药物

为了探索转录因子 (TF)、miRNA 和基因之间潜在的分子机制和关系，通过 JASPER TF 结合位点概况数据库和 RegNetwork 存储库，构建 TF-基因相互作用网络和 TF-miRNA 共调控网络。利用药物特征数据库 (DSigDB) 用于探索与五个关键基因（CXCL8、STAT3、IL1B、TLR4 和 TLR2）显着相互作用的潜在药物分子。

图6 Hub基因调控网络的构建

文章小结

这篇文章完全就是利用最基本的分析套路，差异分析+富集分析+PPI分析+调控网络构建，只是把PPI之后的蛋白相互作用分析的花样多了些，撑起了部分数据量，但总体来说只是生信基本分析，换种说法就是创新点还是在于双疾病方向（小云悄悄告诉你：如果你不知道什么疾病可以跟自己关注的疾病关联，一个方法是找并发症，另一个小妙招是看看COVID-19，新冠肺炎会引发很多并发症，并且本身也是研究大热门，不妨也去蹭蹭热点。）双疾病方向是一片蓝海，广阔天地大有作为啊！朋友们抓住时机呀，一举搞定毕业文章！