6分+多组学免疫研究新鲜出炉！Bulk+单细胞测序数据+干湿结合，思路简单，发文不愁！

2023-06-07 19:00 作者:生信鸟 0人读过 | 我要投稿

多组学分析有多好发文？Pubmed数据一看便知，今年还未过半就有1600+文章出炉！更别说单细胞数据分析和免疫方向的热度啦~今天布小谷就给大家分享一篇集这些热点于一身的文章~

仔细一看，作者的分析思路并不复杂，无外乎关键基因筛选+风险模型的建立与验证，但布小谷认为，作者轻松拿下6.9分的关键在于多个组学数据和干湿实验的联合使用！从数据来源就能看出作者的良苦用心了，Bulk RNA-seq+单细胞数据+DNA甲基化数据+非编码RNA数据，光是关键基因在这些数据集中的表达分析就能让人眼花缭乱，快跟着布小谷来看看吧！

题目：综合分析多组学数据以确定颅内动脉瘤形成和进展中的三个免疫相关基因

杂志：Inflammation Research

影响因子：IF=6.9865

发表时间：2023年5月

研究背景

颅内动脉瘤 (IAs) 是大脑动脉的异常隆起，全球患病率为 3%，而IA 破裂是蛛网膜下腔出血的重要原因，患者死亡率高且预后较差。然而，IAs 形成和破裂的机制仍不清楚，最近的研究显示炎症参与了IA的发展，免疫细胞浸润影响了IA的形成与破裂，但免疫相关基因在病程中的作用尚未阐明。

数据来源

研究思路

分别使用常规DEGs方法与WGCNA方法分析IA发展中相关基因，结合免疫相关基因数据库ImmPort初步确定IA中免疫相关基因（IRG），并使用xCell算法分析不同疾病组中的免疫环境。使用SVM-RFE算法和LASSO算法识别出三个关键IRGs，并建立风险模型指数公式，ROC曲线分析验证了模型的有效性。通过PT-qPCR实验、IHC实验、单细胞数据分析等多种方法多方面验证了关键基因在不同风险组中的差异表达。最后使用数据库预测了关键基因的潜在靶向miRNA和靶向药物。

主要结果

1. 不同疾病组DEGs与免疫微环境分析

对于训练数据集GSE122897，使用 limma R 包分析动脉瘤组和正常动脉组之间（图1A、B）以及破裂动脉瘤组（RIA）和未破裂动脉瘤组（UIA）之间（图1C、D）的差异表达基因（DEGs）。使用xCell算法分析动脉瘤进展过程中的免疫微环境，发现从对照组到UIA组和RIA组，B 细胞、CD4 记忆 T 细胞、巨噬细胞、肥大细胞和单核细胞的丰度依次增加（图2A、B），但基质细胞水平依次下降（图2C、D），且ssGSEA 分析结果显示，免疫评分和免疫细胞浸润也依次升高（图2E）。

2. WGCNA分析确定IA免疫相关基因（IRGs）

使用WGCNA 包构建加权基因共表达网络，获得十个聚类共表达模块，通过计算模块与动脉瘤进展的相关性，确定了Brown和Turquoise两个关键模块（图3C）。使用STEM软件分析关键模块中的基因，得到六个具有进行性失调的重要簇（图3B），将这些基因与上述DEGs相交及来自 ImmPort 数据库的免疫相关基因（IRG）相交，共得到21个IRG（图3D）。

3. 机器学习识别3个关键IRG

使用SVM-RFE算法和LASSO算法确认了3个具有非零回归系数的关键IRG（OSM、S100B 和 CXCR4）（图4C），使用 LASSO 分析的回归系数计算诊断模型指数，获得以下模型指数公式：指数 = 1.110630 + OSM*0.002892 + S100B*(− 0.16 3594) + CXCR4*0.081439。ROC曲线分析显示，该模型对于动脉瘤的预测具有良好的诊断能力（图4E）。训练和测试数据集中基因表达分析结果显示，OSM 和 CXCR4 在动脉瘤样本中上调，而 S100B下调，这一结果在RT-qPCR湿实验中也得到了验证（图5A），但在IHC实验中，OSM 基因的表达无统计学差异（图5B）。

4. 关键IRGs的功能分析

sgGSEA分析显示，上调基因（OSM 和 CXCR4）与抗原加工和呈递、吞噬体和 Th17 细胞分化等免疫相关通路呈正相关，而下调基因与之呈负相关（图6A-C）。ssGSEA分析显示，OSM 和 CXCR4 与大多数免疫细胞呈正相关，而 S100B则相反（图6D-F）。

5. 关键基因的甲基化分析

对于甲基化数据集GSE75434，根据delta beta值识别出不同疾病组间的差异甲基化位点（DMPs），结果显示OSM (cg02026204) 和 CXCR4 (cg23374992) 的甲基化水平在动脉瘤样本中显着低于对照，而 S100B (cg19434199) 的甲基化水平在动脉瘤样本中显着较高（图7E）。

6. 潜在miRNA和药物预测

对于非编码RNA数据集GSE50867，识别出动脉瘤和正常对照间差异表达的miRNA，与miRWalk数据库中预测的关键基因的miRNA相交，鉴定出20个miRNA。根据关键基因，使用DGIdb数据库识别出能预防IA发展的潜在药物，miRNA-Gene-Drug 网络如图 8所示。

7. scRNA-seq数据分析关键基因在小鼠IA模型中的表达

对于scRNA-seq数据集GSE193533进行降维聚类与标注，分析关键IRG在不同细胞簇中的表达水平（图9C），结果表明S100B主要表达于成纤维细胞，OSM和CXCR4主要表达于单核细胞和巨噬细胞(Mo/Mφ)，且在 Mo/Mφ 中，OSM 和 CXCR4 从非破裂IA到破裂IA显着上调，二CXCR4 的表达从正常对照到IA组显着下调（图9D-F）。