尔云间 一个专门做科研的团队

欢迎点赞+收藏+关注[给你小心心]

朋友们，应该都关注到6月底最新发布的期刊影响因子了吧？

整体变化趋势就是大多数期刊IF都下降了（ps：可不止生信友好期刊，很多top期刊的IF也有下降），IF上涨的期刊不多。

但小云在找生信文献的时候发现了一个影响因子“万绿丛中一点红”的期刊——Apoptosis，它的影响因子真是一路高涨，那小云可得看看这本神刊里的文章有什么魔力！（ps：获取最新发文思路的最便捷途径就是关注【云生信】呀，小云找生信新方向、新热点、新思路可是专业的！）

不看不知道，一看竟然挖到了一个超级简单、适合生信小白复现的非肿瘤生信思路，选题定位于“内质网应激”这个等热点，既有一定的热点加成，发文竞争又不会太大。同时联合免疫进行分析，增加数据量并提高创新性，一举发到7分+的纯生信，性价比真的相当高啦！想要入门生信的小伙伴看过来，学会这个思路你也可以发高分纯生信啦！

题目：基因综合分析揭示扩张型心肌病纤维化中内质网应激相关的免疫反应

杂志：Apoptosis

影响因子：IF=7.2

发表时间：2023年7月

研究背景

扩张型心肌病(DCM)是一种结构性心脏病，其特征是持续性心力衰竭、室性心律失常和心脏性猝死。过度的心肌纤维化(MF)和DCM的神经体液激活可导致电生理和结构重塑，进而导致传导系统异常和心律失常。MF的机制仍不清楚，内质网应激（ER stress）是扩张型心肌病相关MF的重要病因和病理过程。目前，对MF没有有效的医学干预来抑制ER应激。然而，抑制内质网应激被认为是一种有前途的治疗MF的方法；因此，迫切需要确定新的药物干预靶点，以增加获得更好治疗的机会。

数据来源

研究流程

作者从GeneCards数据库中收集了7159个内质网应激相关基因（ERSRGs）。首先整合2个GEO数据集中的DCM和对照样本，利用CIBERSORT算法评估了MF患者的免疫细胞浸润水平。基于免疫组化特征进行聚类分析，MF患者被分为两个亚组。分析两亚型间的差异基因，将DEGs与内质网应激基因取交集，获得103个DEERSRGs，并进行GO和KEGG富集分析。随后，基于DEERSRGs进行PPI分析，获得15个hub基因并比较其在两亚型间的差异表达情况。然后进一步分析内质网应激相关hub基因和MF中免疫细胞浸润水平之间的相关性，并比较两亚型间的免疫浸润情况。最后，作者针对hub基因进一步分析了它们与其他小分子的相互调控关系，包括与转录因子(TFs)的调控网络关系、与miRNAs的网络关系以及基因和药物之间的网络关系。

主要结果

1.免疫浸润分析及免疫亚型的构建

作者首先整合2个GEO数据集中的DCM和对照样本，利用CIBERSORT算法评估了MF患者的免疫细胞浸润水平，发现T细胞亚群代表了浸润性免疫细胞的主要比例（图1A）。随后利用ssGSEA分析每份样本28 种免疫细胞的浸润水平，结果显示多种免疫细胞群在 MF 患者中富集（图1C）。然后基于免疫组化特征进行聚类分析，MF患者被分为两个亚组（图2A）。分析两个亚型间的差异基因，获得了196个DEGs（图2B），将DEGs和内质网应激相关基因取交集，确定了103个DEERSRGs（图2D）。（ps： 各种免疫浸润分析可以用小云新开发的零代码生信分析小工具实现哦，感兴趣的小伙伴欢迎来尝试，网址：http://www.biocloudservice.com/home.html）。

图1 MF中的免疫浸润分析

图2 免疫相关亚型的鉴定和分析

2.功能富集分析

作者针对以上DEERSRGs进行GO、KEGG和疾病本体(DO)富集分析。GO分析表明DEERSRGs与细胞凋亡和纤维化过程密切相关（图3A），KEGG途径分析表明，DEERSRGs主要富集于“代谢途径”、“内吞作用”、“细胞色素P450对异生物质的代谢”等途径（图3E）。DO分析结果显示，DEERSRGs对诸如延髓征、足背屈无力和反射缺失等疾病也有重要影响（图3F）。

接下来，作者将DCM患者与对照组进行差异分析，将差异基因与内质网应激相关基因取交集后得到3731个基因，针对这些基因进行GSEA和GSVA富集分析。GSEA的结果表明，内质网应激相关差异基因与 “糖酵解和糖异生”、“NOD样受体信号通路”等5个途径显著相关（图4A, B）。GSVA的结果表明，内质网应激相关差异基因可能参与九个信号通路的调节（图4F）。

图3GO、KEGG和DO富集分析分析

图4 GSEA和GSVA富集分析

3.PPI网络构建和hub基因分析

作者基于DEERSRGs践行进行PPI网络分析（图5A），利用“cytoHubba”插件获得了15个hub基因（图5B）。随后在两个免疫亚型间比较15个hub基因的差异表达（图5C-E）。然后，作者又进一步分析了这些hub基因与其他小分子的相互调控关系，包括与转录因子(TFs)的调控网络关系（图6A）、与miRNAs的网络关系（图6B）以及基因和药物之间的网络关系（图6C）。

图5 PPI分析和hub基因的鉴定

图6 hub基因相关调控网络构建

4.hub基因与免疫浸润的相关性分析

作者又分析了内质网应激相关hub基因和MF中免疫细胞浸润水平之间的相关性，发现AK1与CD8相关+T细胞，ARPC3与M2巨噬细胞，GSN与嗜酸性粒细胞显著正相关（图7A-C）。此外，还分析了两种免疫亚型之间浸润水平差异，发现记忆B细胞、活化的NK细胞和滤泡辅助性T细胞的浸润程度在cluster1中较高(图8A, C, F)，而活化的肥大细胞、浆细胞和CD8 +T细胞的浸润程度在cluster2中较高(图8B, D, E)。

图7 hub基因与免疫浸润的相关性分析

图8 免疫浸润细胞与免疫亚型的相关性分析

小结

这篇文章定位于非肿瘤疾病，选题方向选择了中等热点“内质网应激”，分析方法非常简单，很适合生信小白上车学习。并且文章是7分+的纯生信，如果能复现出来那性价比真的相当高了！同时，Apoptosis这个杂志还是个生信友好期刊，影响因子一直上涨，所以想发生信文的朋友，可以把这个期刊作为备选，提前占位继续坐等涨分~ ~

如果你还苦恼于生信分析没有思路，或者嫌分析方法太过简单、太过老套，想要创新思路的，或者对单细胞分析、多组学联合分析等方向感兴趣的小伙伴快来联系小云吧！

小云持续为大家带来最新生信思路，更多创新分析思路请点击链接。需要复现或了解更多分析思路的朋友欢迎call小云，风里雨里小云等你！

1. 1区15.9分单细胞分析佳作！6张主图，贴近临床问题“转移”+蛋白质组学筛靶点，提升生信文章level！

2. 别只盯着双硫死亡、铜死亡了！细胞死亡生信方向又上新喽，与线粒体通透性有关！现成的基因集还不快冲~

3. 13分+纯生信，40天接收！SEER数据库+临床试验数据+其他数据库，只做生存分析就能发到13分+，性价比太惊人了！

4. 川大华西医院陈永平团队：1区Top 11分“孟德尔随机化”新鲜出炉，纯数据挖掘，高性价比发文途径快上车！