301重定向手机网站,永久免费网站怎么建,重庆新闻频道,网站建设规划书感受今天给同学们分享一篇生信文章“Analysis and Experimental Validation of Rheumatoid Arthritis Innate Immunity Gene CYFIP2 and Pan-Cancer”#xff0c;这篇文章发表在Front Immunol期刊上#xff0c;影响因子为7.3。 结果解读#xff1a;
DEG筛选和数据预处理
数据在…今天给同学们分享一篇生信文章“Analysis and Experimental Validation of Rheumatoid Arthritis Innate Immunity Gene CYFIP2 and Pan-Cancer”这篇文章发表在Front Immunol期刊上影响因子为7.3。 结果解读
DEG筛选和数据预处理
数据在箱线图中进行了标准化不同的颜色代表不同的数据集行代表样本列代表样本中的基因表达值图1A。图1B展示了批次去除前多个数据集的PCA结果不同的颜色代表不同的数据集。如图所示三个数据集分别分开没有任何交集。图1C展示了批次去除后的PCA结果图。如图所示三个数据集的交集可以作为后续分析的一批数据。根据P-adjustment 0.05和log2 fold-change (FC) | 0.5的标准鉴定出了891个差异表达基因DEGs其中427个基因上调464个基因下调。图1D展示了DEGs的火山图以及前50个基因的热图图1E。 DEGs功能富集分析
所有DEG在功能上都得到了富集根据p0.05GOCircle图中显示了15个GO关键词。研究结果表明生物过程BP富集主要与阳性细胞-细胞粘附调节、T细胞活化、淋巴细胞分化和细胞-细胞黏附调节有关。富集分子功能MF与细胞因子受体结合、细胞因子结合和细胞因子受体活性有关。细胞成分CC富集与质膜外侧、膜筏和膜微区有关。在KEGG分析中造血细胞谱系、人类T细胞白血病病毒1型感染、Th1和Th2细胞分化以及趋化因子信号通路是相关的。 加权基因共表达网络构建
从GEO数据中检索到GSE1919和GSE55457数据集并选择了15个正常样本和18个RA样本来对样本进行聚类并通过设置阈值来排除明显异常的样本如图2A所示。然后如图2B所示当R 0.9且平均连接性较高时作者将软阈值设置为7。通过使用0.25的聚类高度限制合并强相关的模块图2C共鉴定出24个模块进行进一步研究。最终在聚类树下显示了经过调整和合并的模块图2D。接下来对模块之间的相关性进行了检查结果显示它们之间没有显著的关联图2E。通过模块内的转录相关性分析证明了模块划分的可靠性结果显示模块之间没有实质性的联系图2F。使用ME值和临床特征之间的前额相关性来研究模块与临床症状之间的关联。蓝色模块与正常样本呈正相关r 0.79, p 5e−08与RA样本呈负相关r −0.79, p 5e−0。8)而蓝绿色模块与正常情况呈负相关r 0.8p 3e−08与RA呈正相关r −0.8p 3e−08图2G。临床上有意义的模块被确定出来。结果显示蓝色和蓝绿色模块在对照组MM与GS散点图图2H以及RA MM与GS散点图图2I中与RA高度相关。进一步研究了这两个模块中的所有基因。 关键模块基因的DEGs和功能分析
在使用维恩图交集关键模块基因和差异表达基因DEG基因后作者发现了490个交集基因图3A。作者进行了功能分析以了解模块中DEG基因的生物学功能。DO分析的结果显示这些DEG与淋巴母细胞白血病、肝炎、生殖细胞癌和造血系统疾病有关图3B。GO富集分析显示模块DEG基因具有T细胞激活、细胞间粘附调节、细胞激活的正调节、负向调节细胞激活、细胞外质膜、膜漂浮区、膜微区、细胞因子受体结合、抗原结合和免疫受体活性图3C。KEGG分析与细胞因子-细胞因子受体相互作用、趋化因子信号通路和人类免疫缺陷病毒1型感染有关图3D。 特征基因的选择
作者使用了三种机器算法来识别特征基因SVM-RFE图4ABLASSO回归分析从统计学上显著的单变量中选择了19个预测基因图4C以及RandomForest结合特征选择来确定错误率、分类树数量之间的关系图4DE以及31个具有相对重要性的基因。作者使用Venn图找到了通过上述三种方法的交集交集的四个基因图4F。 特定基因表达的验证
作者使用GSE1919和GSE55447的数据确认了这四个基因在类风湿关节炎中的表达并发现BTN3A2、CYFIP2、ST8SIA1和TYMS在类风湿关节炎中都显著升高。此外验证数据集GSE48780和GSE55235表明BTN3A2、CYFIP2、ST8SIA1和TYMS在类风湿关节炎中也有显著表达。基因相关性也进行了检查如图5所示BTN3A2、ST8SIA1、TYMS和CYFIP2呈正相关表明这四个基因具有显著的功能相似性。 使用GSEA分析特征基因
为了更好地理解RA中的特征基因的作用作者使用GSEA将RA组织根据特征基因的中位数表达分为两类。核苷酸代谢、原发性免疫缺陷、嘧啶代谢和视黄醇代谢在高BTN3A2亚组中显著富集而醛固酮调节的钠重吸收、HIF-1信号通路、氮代谢和肾细胞癌在低BTN3A2亚组中显著富集。可卡因成瘾、甘油脂质造血细胞系谱、免疫网络生产和原发性免疫缺陷在高CYFIP2亚组中显著富集而移植排斥、肠道IgA产生的免疫网络、烟酸和烟酰胺代谢以及原发性免疫缺陷在低CYFIP2亚组中显著富集。铁死亡、亚油酸代谢、氮造血细胞系谱、肠道免疫网络对IgA产生、原发性免疫缺陷、Th1和Th2细胞分化在高ST8SIA1亚组中显著富集而铁死亡、亚油酸代谢、氮造血细胞系谱、肠道免疫网络对IgA产生、原发性免疫缺陷、Th1和。高TYMS亚组在免疫缺陷、Th1和Th2细胞分化方面富集而低TYMS亚组在ABC转运体、昼夜节律、糖酵解/糖异生和近曲小管碳酸氢盐回收方面显著富集。 特征基因互作分析
作者使用GeneMANIA数据库为特征基因创建了一个PPI网络图6A。为了进一步研究这些特征基因的功能对20个基因进行了GO/KEGG分析。在这个数据集中肌动蛋白聚合或解聚、Rac蛋白信号传导以及对Arp2/3复合物介导的肌动蛋白核化的控制是最丰富的生物过程。细胞前缘、薄片状突起和须状突起是最丰富的细胞组分CC。此外Rho GTP酶结合、Ras GTP酶结合、小GTP酶结合和Rac GTP酶结合与富集的分子功能MF相关联图6B。根据KEGG分析主要富集的通路包括肌动蛋白细胞骨架的调节、致病性大肠杆菌感染和沙门氏菌感染图6C。 RA诊断柱状线图的建模与测试
作者使用Rms软件包为特征基因BTN3A2、CYFIP2、ST8SIA1和TYMS构建了RA诊断柱状线图模型图7A并使用校准曲线评估其预测能力。校准曲线显示实际RA风险与预测风险之间的差异非常小表明柱状线图模型RA非常准确图7B。ROC曲线分析也可以确认模型的正确性图7C。在决策曲线分析DCA中“柱状线图”曲线高于灰线而“BTN3A2、CYFIP2、ST8SIA1和TYMS”曲线意味着患者可以在0到1的高风险阈值下从柱状线图模型中获益。柱状线图模型提供了比“BTN3A2、CYFIP2、ST8SIA1和TYMS”曲线更大的临床益处图7D。在验证集GSE48780和GSE55235中进行的验证也证实了这些发现图7E、F。为了进一步验证BTN3A2、CYFIP2、ST8SIA1和TYMS的诊断价值作者使用受试者工作特征ROC分析。BTN3A2AUC0.841、CYFIP2AUC0.928、ST8SIA1AUC0.889和TYMSAUC0.发现844)具有类似的AUC值图7G。验证数据集GSE48780和GSE55235也证实了以下发现TYMSAUC741BTN3A2AUC0.858CYFIP2AUC0.867ST8SIA1AUC0.744图7H。这些发现表明所有主要基因都参与了RA。 使用ssGSEA分析免疫相关性研究类风湿关节炎组和健康对照组的免疫浸润情况
进一步使用ssGSEA研究了类风湿关节炎RA患者和健康对照组之间的免疫浸润关联。结果显示在排除非统计学显著性的情况下肥大细胞和RA中的免疫细胞浸润低于对照组并且其余RA组中的免疫细胞浸润和免疫相关途径高于对照组图8A。作者知道CYFIP2与aDCs、CCR、CD8 T细胞、检查点、细胞溶解活性、DCs、促炎、MHC I类、中性粒细胞、T细胞共抑制、T细胞共刺激、Tfh、Th1细胞、Th2细胞、TIL和I型干扰素反应相关并且使用“corrplot”包计算特征基因之间的相关性结果显示显著正相关图8B。BTN3A2与APC共刺激呈负相关。CD8 T细胞、细胞溶解活性、iDCs、促炎、Tfh、TIL和I型干扰素反应与ST8SIA1均呈强正相关图8B。这些特征基因可能在RA进展过程中调节免疫过程。 CIA小鼠滑膜组织中CYFIP2和ST8SIA1的表达增加
为了验证CYFIP2和ST8SIA1在类风湿性关节炎滑膜中的表达情况作者使用免疫组化方法处理小鼠滑膜并发现CYFIP2和ST8SIA1CIA小鼠在滑膜中高度表达图9。 泛癌症CYFIP2表达
免疫基因从InnateDB数据库中提取并交叉四个标志基因以产生两个交集基因CYFIP2ST8SIA1。在合并ssGSEA结果后作者将CYFIP2基因提升到下一个分析水平。由于免疫反应不仅在类风湿性关节炎中至关重要而且在癌症中也很重要作者使用交集的免疫基因来查看这两种疾病之间是否存在联系。根据TCGA数据图10A发现CYFIP2在BRCA、CHOL、HNSC、PRAD、THCA中高表达在BLCA、BRCA、COAD、ESCA、GBM、KICH、KIRC、KIRP、LUAD、LUSC和PAAD中低表达。作者还从GTEx数据库下载了正常组织数据并发现CYFIP2在BRCA、CHOL、COAD、DLBC、ESCA、HNSC、OV、PAAD、PCPG、PRAD、READ、SKCM、TGCT、THCA和THYM中强烈表达而在BLCA、CESC、GBM、KICH、KIRC、KIRP、LGG、LIHC和LUAD中表达较弱图10B。正如数据所示CYFIP2在细胞系中表达图10C。 CYFIP2在泛癌中的预后价值
作者研究了CYFIP2表达与全癌症患者预后之间的关系包括总生存期OS、疾病特异性生存期DSS和无进展生存期PFS。在OS分析中对33种肿瘤进行的Cox回归显示CYFIP2表达与6种癌症的OS显著相关KIRC、LGG、PAAD、SKCM和THYM作为保护因素而UCEC作为风险因素图11A。在PFS研究中对33种肿瘤进行的Cox回归显示CYFIP2表达与6种恶性肿瘤的PFS显著相关BRCA、HNSC、KIRC、LGG和PAAD为保护因素而UCEC为风险因素图11B。在DSS分析中对33种肿瘤进行的Cox回归显示CYFIP2表达与5种癌症的DSS显著相关BLCA、KIRC、LGG和PAAD为保护因素而UCEC为风险因素图11C。 免疫浸润分析
为了更多了解CYFIP2在肿瘤免疫应答中的作用使用TIMER数据库计算了CYFIP2表达与不同水平的免疫细胞浸润之间的关联。根据研究结果18个肿瘤中的T细胞CD8、20个肿瘤中的T细胞CD4、23个肿瘤中的中性粒细胞、19个肿瘤中的髓样树突状细胞、12个肿瘤中的髓样树突状细胞以及23个恶性肿瘤中的B细胞显示出强烈的关联。HNSC、LUSC、PAAD、SKCM、STAD、THCA和THYM显示出显著的正相关而KICH和LGG显示出显著的负相关图12A。使用xCELL算法图12B、QUANTISEQ算法图12C、MCPCOUNTER算法图12D和EPIC算法图12E也证明了CYFIP2水平与浸润的免疫细胞之间的关联。使用ESTIMATE算法计算了基质评分和免疫评分的估计分数研究结果显示免疫评分与13种癌症相关而基质评分与16种肿瘤相关。其中免疫学评分与HNSCR 0.64、LGGR -0.59和STADR 0.5最为密切相关。HNSCR 0.42LGGR −0.45和UVMR 0.48与基质评分之间有最强的相关性。CYFIP2水平和免疫检查点在多种癌症中显示高度相关其中UVM大多数呈正相关而BLCA、BRCA、COAD、HNSC和PRAD大多数呈负相关这些在UVM中大多数呈负连接。 总结
为了探索免疫浸润与RA以及泛癌症之间关联的特定关键基因作者进行了全面深入的分析以分析相关基因和途径。作者发现的2个关键基因CYFIP2和ST8SIA1将拓宽我们对分子机制的理解并为临床治疗带来更多潜在的治疗靶点这也需要更多的研究来验证和开发。对于进一步的泛癌症分析CYFIP2被认为是RA和33种肿瘤中最潜在的靶点这可能为人类免疫相关疾病甚至癌症的治疗带来希望。
