一、研究背景多发性硬化症(MS)是一种慢性自身免疫性疾病,与中枢神经系统(CNS)白质脱髓鞘有关。目前,多发性硬化症的诊断主要依靠其临床表现和MRI图像,所以难免会出现诊断上的错误。因此,我们需要在血液中寻找可靠的生物标志物。已有研究表明miRNAs与MS之间存在着相关性,miRNAs在人体液体中也呈现出很高的稳定性,miRNAs在血液中的可检测性也比在细胞中的可检测性高得多,所以,细胞外miRNAs有望作为MS的潜在诊断和预后生物标志物。 二、分析流程三、结果解读1. 筛选文献首先,需要筛选包含miRNA的MS的文章。作者于是从PubMed、Web of Science和Google Scholar数据库中查阅了104篇文章来筛选与MS有关的miRNA,最终确定了9篇符合条件的文章(表1)。 筛选标准为:(以后大家筛选文献也可以效仿这个标准来筛)
2. 从文献中获取与MS有关的miRNA及其在人类染色体上的位置然后需要从已得到的文献中筛选miRNA,筛选的标准为:
作者从符合上述标准的文献中筛选出28个差异表达的miRNA(表2)。作者发现:
3. 通过GO分析获取miRNA下游的靶基因并得到其功能接下来需要寻找miRNA的靶基因并探究其功能。 作者利用miRSystem和miRTarbase数据库找到了数千个靶基因。接着进行GO富集分析,发现889个基因富集在已知的免疫相关通路,于是把这些基因作为探索集基因。此外,作者还列举了GO分析的结果(图1):
此外,作者还将这些基因与MS相关的miRNAs的匹配结果列举了出来(图2),发现:
4. KEGG富集分析确定与MS有关的通路作者使用KEGG富集分析,确定了60条与MS相关的重要通路(表3)。其中,HSA04010(MAPK信号通路)、HSA04722(神经营养素信号通路)、HSA04660(T细胞受体信号通路)、HSA04210(细胞凋亡通路)、HSA04012(ErbB信号通路)、HSA04662(B细胞受体信号通路)和HSA04664(Fc epsilon RI信号通路)为前7条MS风险通路。 5. 确定枢纽基因并构建PPI网络作者使用Cytoscape软件构建了通过KEGG富集分析筛选到的7个MS通路与这些通路的富集基因之间的网络(图3)。结果作者通过该网络确定了3个枢纽基因:
作者使用STRING数据库和上面已经筛选得到的889个基因建立PPI网络,并使用Cytoscape软件将结果可视化(图4):网络一共有37个节点,其中中心性最高的枢纽基因是MAPK8。 根据上面构建的MS风险通路-基因网络以及PPI网络分析的结果综合得到MS的枢纽基因是PIK3R2、 PIK3R1、PIK3CA和MAPK8。 6. 使用高通量转录组数据集对靶基因进行评估最后一步就是对上述实验所得结果的验证(至关重要)。 作者从GEO数据集中选择了6组高通量转录组数据集,使用limma包对差异表达基因DEGs进行筛选,并将MS相关基因(这里指的是上面那富集到889个免疫相关通路的基因)与每组的差异表达基因进行了比较(表4),发现枢纽基因PIK3CA在GSE21942(fold change= 0.81,p = 0.0035)和GSE117935(fold change= 1.29,p = 0.019)中差异表达,而PIK3R1、PIK3R2和MAPK8无统计学意义。 小结 文章到这里已经介绍完了,作者首先在网络上筛选与MS有关的文献,并从中找到与MS有关的miRNA;接着作者进行GO分析来寻找miRNA下游的免疫相关基因;然后作者利用KEGG富集分析和PPI网络分析筛选枢纽基因并利用GEO数据库对结果进行验证。 |
|