非肿瘤疾病分析+药物筛选：3分+纯生信文章助你毕业结题！

前两天小云收到了某位粉丝大大的私信“小云，我是做中药的，毕业要发篇SCI，可是我还没有开始实验，有没有又快又好做的思路推荐？”

这位粉丝大大的要求很明确（主要想做疾病分析，但是又要满足毕业要求的中药相关方向），又快又好做的思路那必须是我们云生信团队擅长的生信分析啦！这可难不倒小云，咱这就推荐一篇非肿瘤疾病分析+药物筛选，双管齐下的生信思路，完全满足了粉丝大大的需求，换上自己研究的疾病，直接复现就OK了

研究背景

骨质疏松症是一种普遍的骨病，每年影响数百万例。骨质疏松症进展背后的潜在机制仍然不完全清楚，这限制了生物标志物和治疗靶点的检测。因此，本研究旨在探索枢纽分子，以更好地了解骨质疏松症的发展机制，并发现中药潜在的骨质疏松症药物。

数据来源

表1. miRNA分析数据集

表2. mRNA分析数据集

主要结果

1. 骨质疏松症相关 miRNA 的鉴定

首先对GSE74209和GSE93883数据集的 miRNA 进行组合和标准化后，共获得了 1810条 miRNA，并进行 WGCNA以构建 miRNA 共表达网络。随后进行差异分析获得132个差异miRNA（DEM），选择与骨质疏松症最强相关的 turquoise 模块中的55 个 miRNA与132 个 DEM之间的重叠基因作为与骨质疏松症相关的 miRNA。

2. 骨质疏松症相关基因的鉴定

对GSE7158和GSE35956数据集中鉴定出的mRNA进行 WGCNA 分析，darkolivegreen 模块包含 3344 个与骨质疏松症相关性最强的 mRNA。鉴定了 1572 个 DEG，比较3344个基因和1572个DEGs后，得到222个与骨质疏松症相关的共享基因。

3. KEGG通路分析与构建miRNA-基因相互作用网络

接下来，使用 DIANA 工具探索了 17 种骨质疏松症相关 miRNA 的生物学功能，获得了 3 条共享的 KEGG 通路，包括粘着斑、PI3K-Akt 信号通路和间隙连接。在 3 个共享通路中鉴定了 14 个 miRNA 和 13 个基因，筛选得到 6 个hub miRNA，构建了一个miRNA-基因相互作用网络。为了确定hub miRNA 和基因的预测性能，绘制hub miRNA 和hub基因的 ROC 曲线，并评估这些关键基因与骨质疏松症关键调控因子的相关性。

4. 筛选潜在药物

基于6个hub基因在TCMSP中筛选潜在的骨质疏松药物。3 个基因（NTF3、IFNAR2 和 THBS1）被 3 种天然化合物（海藻酸、尿苷和槲皮素）靶向，它们是 192 种草药的活性成分。然后，开发了一个目标-化合物-草药网络来可视化 3 种基因、3 种化合物和 192 种草药之间的关系，并进行了分子对接以研究化合物与靶标之间的关系。

文章小结

看完这篇文章有没有觉得思路很简单又有新意，把筛选miRNA-mRNA网络与一点点中药网络药理学结合了起来。生信分析部分既可以单独成文，分析结果又可以作为毕业论文或者课题的实验基础，大大增加了选基因和选中药的可靠性，后续也可以做“中药单体通过调控miRNA-mRNA影响XX疾病”实验课题，一举多得，可谓“小分值大作用”呀