7+非肿瘤纯生信，内容不多但思路值得借鉴！

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
5 单细胞结合普通转录组生信分析

目前非肿瘤生信发文的门槛较低，有需要的朋友患者添加小编咨询

生信分析咨询
请关注生信小课堂

研究背景：

扩张型心肌病(DCM)是一种伴有结构和功能异常的非缺血性心肌疾病。炎症反应在扩张型心肌病(DCM)中很重要。然而，炎症反应基因(IRGs)在DCM中的表达及其调控机制尚未得到很好的阐明。DCM的病因包括遗传、感染、炎症、自身免疫疾病、接触毒素以及内分泌或神经肌肉原因。心肌损伤，无论是遗传或环境来源，诱导炎症和免疫细胞募集到心脏。对DCM中炎症反应的细胞特异性和调节机制的描述可能有助于识别新的生物标志物或治疗靶点。

利用scRNA (GSE145154)和bulk RNA测序数据(GSE141910)进行生物信息学分析，流程图如图1所示。

研究结果：

一、单细胞转录组分析显示DCM的异质性

1、在对scRNA-seq数据集进行数据处理和过滤后，共保留27,665个CD45+细胞用于进一步分析。每个样本的表达式配置文件如图2(a)所示。

2、标准化基因表达和PCA分析，选择20个主成分用于可视化的UMAP(图2(b)和2(c))。

3、根据标记基因或已知细胞谱系将细胞分为23个簇(图3(a)和3(b))。

4、标记基因和前三个DEG的表达水平见点图(图3(c))和小提琴图(图3(d))。

5、展示每个样品中不同细胞团簇的分布(图3(e))，并比较了DCM和健康对照(HC)样品的细胞团簇比例(图3(f))。

二、DCM组织中细胞簇的IRG评分

1、选择IRG集计算每个细胞簇的活性评分，并根据最优阈值确定活性细胞群(图4(a)和4(b))。

2、GO和KEGG分析研究了活性细胞亚群的功能特征。这些生物功能主要与免疫反应相关(图4(c) 4(f))。

三、RNA分析显示DCM具有特异的基因谱。

1、在DCM和HC样品中测定了DEGs的表达谱，共发现了1049个DEGs，其中上调基因735个，下调基因314个(图5(a)和5(b))。

2、对鉴定的DEGs进行GO和KEGG富集分析。与DCM中scRNA测序活性细胞的功能特征一致，我们发现共有72条共同通路，主要集中在免疫反应，如免疫球蛋白受体结合(图5(c)- 5(f))。

四、筛选共同的IRGs和调控网络构建

1、活性细胞簇DEGs、体细胞测序DEGs和炎症反应相关基因之间的交集被定义为常见IRGs(图6(a))。

2、从TRRUST数据库中获取了常见转录因子。鉴定出了48个与常见IRGs相关的转录因子，这些转录因子、活性细胞集群DEGs和RNA测序DEGs之间的交集如图6(c)所示。

3、活性细胞群DEGs中保留了9个转录因子，RNA测序DEGs中保留了的转录因子，包括NFKB1、EGR1、SPI1、ETS1、HIF1A、CEBPB、ETS2、REL、JUN、STAT4和MYB。转录因子的表达式如图6(d)所示。

4、ETS1可能在IRGs的转录调控中扮演着枢纽基因的重要角色(图6(e))。

5、基于ncRNA构建了常见IRG的ceRNA调控网络(图6(f))。

五、潜在的针对常见IRGs的药物

1、利用DGIdb数据库中基于常见IRG的基因-药物相互作用数据确定了候选药物。

2、ALOX5与药物和转录因子的相互作用最多，因此被选为附加的分析(图7)。

总结：
在本研究中，分析了scRNA-seq数据，以表征免疫细胞的分布和IRGs在DCM中的表达谱。DCM组与HC组细胞团簇分布差异有统计学意义。共检出23个细胞群，DCM组dc、B细胞、NK细胞、T细胞比例高于HC组。此外，DCs在DCM中表达更多的IRGs，活性细胞DEGs主要富集于免疫反应途径。研究结果表明，树突状细胞中IRGs活性的增加可能通过调节免疫反应在DCM中发挥重要作用。