影响因子:6.5 关于非肿瘤生信,我们也解读过很多,主要有以下类型 1 单个疾病分析 2 单个疾病结合免疫浸润,铁死亡,自噬等相关分析 3 两种相关疾病联合分析,包括非肿瘤结合非肿瘤,非肿瘤结合肿瘤或者非肿瘤结合泛癌分析 目前非肿瘤生信发文的门槛较低,有需要的朋友患者添加小编微信咨询 请扫描下方二维码
没有做不到,只有想不到。最新6+分生信文章教你非肿瘤与单基因泛癌的联合分析 3.9分 非肿瘤生信+实验验证 经典蹭热点思路 不到2个月接收 非肿瘤也分型啦,最新7.5分非肿瘤纯生信,2个月接收,可重复 非肿瘤生信+简单pcr验证 快速发3分+SCI 自噬,铁死亡,焦亡等都可以 最新7.5分非肿瘤纯生信,分析一点不难,这种思路你想到没有? 流程图 研究结果 一、差异表达的坏死性凋亡相关基因(NRDEGs)的筛选 下图a:在GSE153434数据集中发现TAAD和正常样本之间共有2739个差异表达基因(DEGs),其中1253个基因上调,1486个基因下调。 下图b:作者从KEGG通路数据库中收集了与坏死性凋亡相关的159个基因,将其与GSE153434中的DEG重叠,其中18个上调,7个下调。维恩图分析确定25个重叠基因为坏死性凋亡(NRDEGs),包括MLKL和RIPK1。 下图c-d:NRDEGs的火山图和热图。 二、基因集富集分析 下图:使用GSEA分析以识别主要的信号通路。结果显示,坏死性凋亡与TAAD之间存在强烈联系。此外,NOD样受体信号通路、TNF信号通路、Th17细胞分化和Toll样受体信号通路相关基因在AD中显著富集。 三、PPI网络分析与功能模块构建 下图a:使用STRING数据库构建NRDEGs的PPI网络。 下图b:利用Cytoscape软件确定了前10个中心基因,包括TNFRSF1A、BIRC3、RIPK1、TLR4、FADD、TNFAIP3、TNFSF10、MLKL、STAT3和TRAF5。 下图c:利用MCODE插件对PPI网络中的重要模块进行分析,其中RIPK1、TLR4和TNFSF10是网络核心基因。 四、功能富集分析 下图a:作者进行GO/KEGG富集分析以确定NRDEG的功能和相关途径。GO富集分析揭示NRDEGs在生物过程中富集在Toll样受体信号通路、先天免疫反应、TNF信号通路中。 下图b:KEGG分析显示NRDEGs倾向于富集在坏死性凋亡、细胞凋亡、NOD样受体信号通路、脂质和动脉粥样硬化等途径中。 五、转录因子差异表达的坏死性凋亡相关基因调控网络 下图:作者通过基因表达水平的Spearman相关性预测了转录因子和NRDEGs之间的调控关系,并最终构建了一个转录因子-NRDEGs网络,以突出驱动NRDEGs转录控制的关键过程。 六、坏死性凋亡相关基因与免疫浸润 下图a-d:使用ImmuCellAI算法评估TAAD中坏死性凋亡和免疫浸润之间的关联,结果显示,在24种免疫细胞中,有6种细胞类型在TAAD组织中与对照组相比存在显著差异。 下图e:作者进一步评估了免疫细胞和NRDEGs之间的联系和潜在相互作用。结果显示,NRDEGs主要与巨噬细胞和Th17细胞浸润呈正相关,主要与诱导Treg细胞浸润呈负相关。 七、独立数据集验证 下图a-b:利用GSE52093数据集验证结果。结果显示,提取了25个NRDEG的表达数据,其中18个NRDEG与GSE153434中的趋势一致,包括TNFRSF1A、BIRC3、RIPK1、FADD、TNFAIP3、TNFSF10、MLKL、STAT3和TRAF5。 下图c:TAAD组免疫细胞浸润主要是巨噬细胞和Th17和CD8幼稚细胞,而诱导的Treg在正常组中富集。总的来说,训练集和验证集的结果相对一致。 |
|