双疾病升级版之非肿瘤泛癌分析！WGCNA筛选免疫细胞相关基因+机器学习，如此简单的纯生

2023-02-06 14:00 作者:尔云间 0人读过 | 我要投稿

肿瘤的泛癌分析已经很常见了，但是你知道非肿瘤疾病也能做泛癌分析吗？

肿瘤和非肿瘤疾病均与免疫细胞相关，以此为桥梁岂不是将非肿瘤疾病与肿瘤联系起来了吗？

双疾病是一种性价比很高的生信分析思路，不仅非肿瘤之间可以用，非肿瘤和肿瘤之间也可以用。

但这句话说的并不全面，应该加一句：不仅单个非肿瘤疾病与单个肿瘤之间可以用，就连单个非肿瘤疾病与多个肿瘤之间也可以用。。。

因为非肿瘤疾病也能做泛癌分析！！！

（没有思路、不知道怎么创新的找番茄君，超多个性化的分析思路供你选择！）

今天给大家分享的这篇文章有3个亮点：

（1）使用WGCNA结合免疫浸润分析，识别类风湿关节炎(RA)中与CD8+T细胞相关的差异基因；

（2）利用机器学习筛选关键基因；

（3）针对CD8+T细胞相关的关键基因进行泛癌分析。

让我们看看这篇文章具体是如何进行分析的。

题目：类风湿关节炎中CD8+T细胞相关生物标志物的鉴定及其泛癌分析

杂志：Frontiers in immunology

影响因子：IF=8.786

发表时间：2022年11月

研究思路

通过多个类风湿关节炎(RA)数据集、CIBERSORT和WGCNA算法，筛选出与RA中CD8+T细胞相关的基因。进一步利用机器学习分析确定与RA最密切相关的CD8+T细胞基因。分析三个关键基因与33种癌症之间的关系。针对关键基因的相关性分析、转录因子分析、单基因GSEA和PPI网络的构建。

主要研究结果

1. WGCNA筛选与CD8+T细胞相关的hub模块，并进行功能富集分析

使用CIBERSORT分析GEO中RA相关数据集，确定数据集中每个样本中各种免疫细胞亚型的百分比。然后选择7个T细胞亚型的比例作为WGCNA的特征数据。采用WGCNA构建基因共表达网络，计算平均关联系数和Pearson相关系数，对数据集中所有样本进行聚类分析。将功能相同的模块组合成一个大模块，形成37个模块。

在37个模块中，蓝色模块与CD8+T细胞的关系最为显著。因此，将蓝色模块作为hub模块。从中筛选出10个关键基因。然后对蓝色模块中的基因进行GO和KEGG分析。

图1.模块-性状相关性和功能富集分析

2. hub基因的筛选与验证

对上述10个关键基因进行LASSO和随机森林（RF）分析，通过LASSO分析共获得6个基因。从RF分析结果中选取重要度为0.6的7个基因。用维恩图(Venn diagram)对LASSO和RF的交集基因进行可视化，共得到4个关键基因。

图2. Hub基因的筛选

用5个GEO验证数据集验证4个关键基因（CD8A、TNS3、GZMA、PRF1）水平与CD8+T细胞浸润之间的相关性。发现其中三个基因与CD8+T细胞浸润程度呈显著正相关。

图3.在三个不同的数据集中hub基因表达与CD8+T细胞浸润水平的散点图

3. 关键基因的泛癌分析

采用CIBERSORT、McP-counter、QUANTISEQ、TIMER、XCELL等方法分析关键基因在不同癌症中与CD8+T细胞浸润的关系。发现3个关键基因在各种恶性肿瘤中与CD8+T细胞浸润呈正相关。说明所鉴定的hub基因在肿瘤免疫微环境中起着重要作用，并与CD8+T细胞浸润程度高度相关。

图4. 不同癌症中CD8A表达水平与CD8+T细胞浸润程度的关系

4. Hub基因的相关性分析

在不同数据集中验证了hub基因之间的相关性，发现CD8A、GZMA、PRF1三者之间存在显著正相关。

图5. 3个hub基因在3个不同基因集中表达水平的关系

然后检测CD8A、GZMA和PRF1在各种恶性肿瘤中的关系。除THYM、CD8A和GZMA在所有肿瘤中呈正相关外，CD8A和PRF1在33种肿瘤中呈正相关，GZMA和PRF1在33种肿瘤中呈正相关。正常组织分析结果显示，CD8A与GZMA在各正常组织中呈正相关，GZMA与PRF1在各正常组织中呈正相关，CD8A与PRF1在骨髓中呈负相关，其余均呈正相关。