影响因子：7.31
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
4 基于分型的非肿瘤生信分析
目前非肿瘤生信发文的门槛较低，有需要的朋友患者私信小编咨询
生信分析咨询
请关注“生信小课堂”，全网同名
研究概述：炎症反应在扩张型心肌病(DCM)中非常重要。然而，炎症反应基因(IRGs)在DCM中的表达和调控机制尚未可知。本文利用DCM样本和健康对照(HC)样本的单细胞RNA测序数据集、批量测序数据进行分析，筛选出差异表达的IRGs。通过GO、KEGG分析结合TRRUST、STRING、StarBase、DGIdb等数据库分析其生物学功能、相关转录因子、PPI网络及ncRNA调控网络、靶向药物分析等等内容，探讨了治疗DCM的潜在靶点和治疗药物。
研究流程图：
研究结果：
一、单细胞转录组学分析显示DCM的异质性
1、将单细胞数据集进行可视化分析后发现，根据标记基因和细胞谱系排名前3的DEGs可将细胞分为23个簇。（图2a-c、图3a-b）
2、图3c-d展示了标记基因与排名前3差异基因的表达水平
3、每个样本中不同细胞簇的分布，DCM组中树突状细胞(DCs)、B细胞、NK细胞和T细胞的比例均高于HC组，而单核细胞的比例均低于HC组(图3e-f)
二、DCM组织中细胞簇的IRG评分
1、从MSigDB数据库中获得了4157个炎症反应相关基因，与细胞簇DEGs交集得到1275个IRGs。使用IRG集来计算每个细胞簇的活性评分来识别活性细胞群（图4a-b）
2、IRG表达较高的细胞具有更高的AUC值。GO及KEGG分析显示其主要与免疫反应相关。（图4c-f）。
三、.患者RNA数据分析显示DCM特征基因谱。
1、分析166例患者及166例对照患者的RNA测序数据，筛选出1049个DEGs，其中包括735个上调基因和314个下调基因。（图5a-b）
2、GO、KEGG分析表明，与DCM中scRNA测序活性细胞的功能特征一致，主要集中于免疫反应（图5c-f）
四、共表达IRGs及其调节网络
1、将活性细胞簇DEGs、测序DEGs和炎症反应相关基因之间的共有39个交集基因，定义为常见的IRGs(图6a-b)。
2、从TRRUST数据库中获得与IRGs相关的转录因子，再与之前的关键基因交集筛选出11个转录因子并分析了表达模式。建立转录因子的PPI网络发现，ETS1作为枢纽基因可能发挥重要作用。（图6c-e）
3、使用StarBase数据库评估了ncRNA对常见IRGs的调控（图6f）
五、针对IRGs的潜在药物预测
基于常见IRGs的DGIdb数据库，确定了相关的候选药物，显示了常见的IRGs、潜在药物和TFs之间的调控网络，ALOX5与药物和TFs的相互作用最多。（图7）
研究总结：本文利用DCM患者单细胞测序数据集分析了DCM患者中不同细胞的比例，并结合RNA测序数据、MSigDB数据库筛选出差异表达的常见的IRGs。根据GO和KEGG分析表明其功能主要集中在免疫应答上。通过转录因子预测发现ETS1在IRG表达调控中起重要作用。CeRNA调控网络显示了ncRNA和IRGs之间的关系。药物分析表明，ALOX5在TFs与潜在药物之间发挥着重要作用。综上所述，树突状细胞浸润心肌并参与DCM的免疫应答。转录因子ETS1在调节IRGs中起重要作用。此外，ALOX5可能是DCM潜在的治疗靶点。
网友评论