干嘛死磕一种疾病，交叉融合才是王道！8+ Frontiers系列的双疾病纯分析文章
今天分享的这个“双疾病生信分析”套路，分析手段都是比较常规的方法，也比较好复现，还能发表到Frontiers 8+的期刊上，性价比相当高啊！
发表时间：2022年7月
发表杂志：Frontiers in Immunology
影响因子：IF=8.786
文章题目：COVID-19感染和原发性干燥综合征潜在致病机制的生物信息学分析
公众号回复“123”获取原文
研究背景
临床统计发现，原发性干燥综合征（PSS）患者中COVID-19的患病率显著较高。然而，其中的机制仍不完全清楚。本研究旨在通过对公共 RNA 测序数据库的生物信息学分析，进一步研究这种并发症的分子机制。
分析思路
主要结果
1. 共同差异基因的识别
基于GEO2R工具在GSE157103和GSE40611进行差异基因分析，并对差异基因取交集，共获得40个共有基因（图1）。
图1 COVID-19和PSS中共同差异基因的识别
2. GO 和 KEGG 通路分析
为了进一步探索这些共同DEGs 的潜在生物学信息，使用 R 包中的“cluster profiler”包进行 GO 分析和 KEGG 通路富集。GO-BP显示DEGs主要富集于蛋白结合细胞质、胞质、细胞核和核质（图2A）。在KEGG途径富集分析中，前五个重要术语是代谢途径、嘧啶代谢、细胞周期、丙型肝炎和细胞因子-受体相互作用。这些结果有力地表明，细胞成分和代谢途径共同参与了两种炎症性疾病的发展和进展（图2B）。
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。PPI网络包括40个节点和149条边，其中PPI富集P值低于1.0e− 16（图3）。
图3 PPI网络和枢纽基因的鉴定
4. Hub基因的鉴定及功效评价
通过应用插入式cytoHubba的七种算法，我们筛选了前20个hub基因。通过维恩图的交叉，最终确定了12个常见的中枢基因，包括CMPK2、TYMS、RRM2、HERC5、IFI44L、IFI44、IFIT2、IFIT1、IFIT3、MX1、CDCA2和TOP2A（图4A）。根据GeneMANIA数据库，构建了一个复杂的基因相互作用网络来解读这些中枢基因的生物学功能，共表达为60.37%，物理相互作用为33.91%，共定位为3.46%，预测为2.15%，路径为0.10%（图4B）。确定了与12个hub基因相关的20个基因，结果表明它们主要与I型干扰素应答、病毒应答、病毒基因组复制调控、病毒生命周期调控、病毒寿命周期调控、脱氧核糖核酸代谢过程和腺苷酸转移酶活性相关。
图4 CD 和 PAD 中hub基因的鉴定及功效评价
5. TF基因相互作用协同调控网络
Networkanalys工具预测可与12个hub基因相互作用的TFs，并绘制了TF基因调控网络，并通过Cytoscape可视化（图5）。该网络包含124个TF、134个节点和165个边缘。这些TFs调控网络中的多个hub基因，这表明TFs与hub基因的高度相互作用。
图5 12个hub基因相互作用的TFs网络构建
文章小结
看完这篇文章是不是发现并没有什么高难度分析手段，简简单单常规分析也可以发文，关键得选好方向，目前看来，双疾病关联分析是个好思路，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可以用，可谓用途相当广泛。并且多个疾病就能多些数据集，数据多了才能做更多的分析内容，这是个良性循环，所以综合来讲，双疾病方向是一片蓝海，广阔天地大有作为啊！有想法的朋友尽快上车，一个方向一旦火爆起来，发文竞争力可就大多了，时不我待呀！
想复现这种思路或者定制更多创新性思路欢迎直接call小云，云生信团队竭诚为您的科研助力！
