影响因子：8.78
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WGCNA+PPI分析筛选hub基因。
2 单个疾病结合免疫浸润，铁死亡，自噬等基因集，机器学习算法等。
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，生信小课堂欢迎交流
研究概述：
唯支持细胞综合征(Sertoli cell-only syndrome, SCOS)是非梗阻性无精子症最严重和常见的病理类型。迄今为止，SCOS的病因尚不清楚。本文根据6个数据集的睾丸组织样本基因表达，在SCOS和OA睾丸组织样本之间检测出1441个DEGs。对这些DEGs进行分析获得了9个枢纽基因并分析了其调控网络中的转录因子和激酶。最后，本文还分析了OA和SCOS样本间免疫浸润水平的差异。以上分析可能与SCOS发病机制有特异性关联，能为SCOS的发病机制提供了新的见解。
研究流程图：
研究结果：
一、鉴定差异表达基因
1、采用PCA分析对样本进行可视化处理及批量校正和数据融合。（图2A-C）
2、火山图表示了SCOS及OA样本间不同基因表达水平，热图表示排名前50的上调及下调DEG（图2D-E）。
二、差异基因的富集分析
1、使用GO分析发现，其下调的DEGs主要参与细胞器裂变、多细胞生物生殖、核分裂等过程，KEGG分析显示还包含了细胞周期与生殖相关的通路（图3A-H）
2、上调DEGs的GO及KEGG分析显示其主要参与细胞黏附、响应脂多糖等过程，主要参与黏附、NOD样受体信号通路、脂质及粥样硬化等通路。（图4A-H）
三、PPI网络与Hub基因的筛选
1、构建差异基因的PPI网络，模块1和4中的基因均属于下调基因，3中的基因均属于上调基因，2和5中既有上调又有下调的基因。并且对这些模块进一步分析发现，其与细胞周期事件相关程度较高，与下调基因富集事件相似。（图5）
2、通过对PPI网络进行分析，从中获得了9个Hub基因，包括CCNB1、CCNA2、BIRC5、TYMS、UBE2C、OIP5、AURKA、CDC20和TOP2A，并且这些基因均为下调基因。（图6）
四、共识及SCOS特定模块分析
1、首先利用OA及SCOS样本数据构建了OA特异性、SCOS特异性和共识基因共表达网络，分别获得了OA组和SCOS组的12个和20个基因共表达模块(图7A-C)。并且，基于这两组建立了共识基因共表达网络中的6个共识模块(图7D)。还确定了OA特定/SCOS特定模块和共识模块的对应关系(图7E，F)。
2、对共识模块和SCOS特异性模块进行GO及KEGG分析发现，SCOS特异性模块的富集产生了各种细胞周期相关的通路，细胞因子-细胞因子受体相互作用也被确定为显著富集的KEGG通路。
五、上游调控网络分析
1、利用下调基因来预测SCOS发病机制中的上游调控网络。预测了转录因子、激酶及中间蛋白。预测的上游TFs包括E2F4、FOXM1、NFYA、NFYB、E2F6、SIN3A、CREB1、NRF1、BRCA1、KLF4等。相关性最显著的激酶包括CSNK2A1、CDK1、MAPK14、CDK4等。（图8A-C）
六、免疫细胞浸润和调节相关分析
1、考虑到许多上调基因的DEGs富集与炎症相关，推测免疫细胞浸润可能在SCOS中发挥重要作用。比较OA/SCOS组织样本间的关系发现，SCOS组的免疫细胞浸润程度明显高于OA组，且在9个枢纽基因中，自然杀伤(NK)细胞和CD56+NK细胞分别与7个和6个枢纽基因显著相关。（图9A-C）
2、分析SCOS中富集的标志通路发现，SCOS组的大多数标志性通路显著上调，而OA组则有相反的趋势。（图10A-C）
3、不同分析方法还显示，SCOS中富集的三个最显著的标志通路，包括E2F靶点、G2M检查点和精子发生；通过cnetplot绘制了四种最显著富集的标志通路的富集基因。将这两种方法预测的标志通路交集，最终得到30个标志通路上调和4个标志通路下调(图10D-F)。
研究总结：
本文通过挖掘OA/SCOS样本数据，筛选出其中差异的DEGs，并对DEGs进行GO、KEGG、PPI等一系列分析，最后结合WGCNA模块、枢纽基因、富集通路、上游TFs和激酶以及浸润免疫细胞，以及可能与SCOS发病机制有关的浸润免疫细胞进行分析，最终获得了9个hub基因。这些发现为理解SCOS的发病机制提供了新的见解，并推动了该疾病治疗的未来进展。
网友评论