看到别人肿瘤类预后模型生信文章那么多，你是否因为自己的研究方向是非肿瘤而无法用预后思路来做而苦恼？今天呢小编跟大家分享一篇非肿瘤纯生信文章：“Exploring the Pathogenesis of Psoriasis Complicated With Atherosclerosis via Microarray Data Analysis”，小编在看非肿瘤类文献时，竟然还可以这样做来发文章，对两种相关疾病进行联合研究，轻轻松松7分 文章到手，大家可以借鉴下该思路，换个疾病则可发文。
银屑病炎症反应诱导的胰岛素抵抗可导致动脉粥样硬化。研究表明，在银屑病患者的血液中可检测到多种炎症标志物，证实在银屑病发病过程中机体处于全身炎症状态，诱发胰岛素抵抗，减少血管扩张因子的释放，进而提供形成动脉粥样硬化斑块的环境基础。越来越多的证据表明，银屑病会增加动脉粥样硬化的相对风险（约 25%），并且与吸烟、肥胖和高脂血症等风险因素无关。银屑病病程超过8年的患者比非银屑病患者更容易发生动脉粥样硬化。
动脉粥样硬化和银屑病有许多重叠的炎症环境因素，包括局部和全身免疫过程、炎症细胞因子/趋化因子，如血清TNF-α、血管
内皮生长因子、IL12、单核细胞趋化蛋白1、S100A8/A9和显着升高的IL17A等。尽管银屑病被认为是发展为动脉粥样硬化的危险因素，但解释这两种疾病共存的确切机制仍不清楚。
有现象，可以是临床观察到和思考到的问题
比如CABG和PCI再狭窄？
GSE30999银屑病、GSE28829动脉硬化、GSE14095、GSE100927
首先鉴定了DEG（GSE30999 中的 3318个和GSE28829中的338个），取维恩图的交集后，得到了105个共有 DEG。随后，在排除GSE30999和GSE28829中具有相反表达趋势的基因后获得了94个DEG。
GO分析结果显示，94个DEGs主要富集于蛋白结合、中性粒细胞脱粒、免疫反应、趋化性和细胞因子介导的信号通路。KEGG Pathway富集结果显示，最显著富集的三个通路是趋化因子信号通路、细胞因子-细胞因子受体相互作用和白细胞跨内皮迁移。这些结果有力地证明趋化因子和细胞因子共同参与了这两种炎症性疾病的发生和发展。
使用 Cytoscape对综合得分大于0.4的DEG构建PPI网络，该网络包含72 个节点和230个关系对。通过Cytoscape的MCODE插件获得三个紧密相连的基因模块，包括 24 个DEG 和 59 个关系对。GO分析表明这些基因与炎症和免疫反应有关。KEGG Pathway分析显示它们主要参与TNF信号通路、细胞因子-细胞因子受体相互作用和白细胞跨内皮迁移。
通过插件 cytoHubba 的 7 种算法，计算出了前 20 个 hub 基因（表1）。通过维恩图分析发现了16个枢纽基因，包括 LYN、CSF2RB、IL1RN、RAC2、CCL5、IRF8、C1QB、MMP9、PLEK、PTPRC、FYB、BCL2A1、LCP2、CD53、NCF2 和 TLR2。基于GeneMANIA数据库分析了这些基因的共表达网络和相关功能。这些基因显示出复杂的 PPI 网络，共表达率为 80.18%，物理相互作用为 11.58%，共定位率为 4.81%，预测率为 2.45%，通路为 0.99%。
GO分析表明，这些基因主要参与蛋白结合、脂多糖介导的信号通路、免疫反应、细胞因子介导的信号通路和细胞对干扰素-γ的反应。这些结果强调了脂多糖和细胞因子在这两种疾病中的重要作用。此外，KEGG Pathway分析显示它们主要参与FcεRI信号通路、FcγR介导的吞噬作用、白细胞跨内皮迁移和趋化因子信号通路。有趣的是，三个基因（NCF2、RAC2 和 MMP9）也与流体剪切应力和动脉粥样硬化有关。
五、验证其他数据集中的 Hub 基因表达
通过简单比较
为了验证这些枢纽基因表达水平的可靠性，作者选择了另外两个包含银屑病病变和动脉粥样硬化斑块的数据集，并分析了这些中枢基因的表达水平。结果表明，与正常皮肤和皮损附近的正常组织相比，所有hub基因在银屑病皮损中均显着上调。同样，动脉粥样硬化斑块中所有基因的表达（GSE100927动脉硬化中缺失PLEK的表达值）也高于正常血管组织。
基于TRRUST数据库，发现了11个TFs可能调节这些基因的表达。进一步验证，作者发现四种TF在银屑病病变和动脉粥样硬化斑块中高表达，他们协同参与了四个枢纽基因（CCL5、NCF2、MMP9和BCL2A1）的调控。
本文分析到此就结束了，可以看到整个分析其实是比较简单的，但是该文章很好得结合双疾病的思路来进行研究，因为双疾病思路研究相对较少，且需要有相应的背景知识，所以套用的话需要了解拟研究的2种关联疾病的背景再进行思路设计。
