博客

厉害了,我的作者!用常见生信软件就能发纯生信文章!

上篇文章“公共数据挖掘丨实例解析告诉你,怎样用别人的数据,发自己的文章!”中,有人想要完全不做实验的生信分析文章,这不就来了!

今天小编就给大家介绍这篇新鲜出炉的文章,于2018年10月16日发布于International Journal of COPD(IF=2.9),特别适合做临床研究的小伙伴参考。文章全篇没有耗时费力的实验,均是通过生物信息学方法来分析研究疾病。

背景介绍

  1. 慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)是一种以持续的呼吸道症状和气流受限为特征,与肺部对有害气体或有害颗粒的异常炎症反应有关的疾病,是全球第三大死亡原因。
  2. 肺气肿和小气道阻塞的病理表型被认为是COPD的潜在亚型,而许多研究表明肺气肿的发病机制和进展机制复杂多样,需要进一步阐明。
  3. 作为测量形态指数的非侵入性工具,定量计算机断层扫描(QCT)是确定COPD严重程度和区分上述亚型的有效方法。研究者根据QCT数据,将患者分为轻度肺气肿组和严重肺气肿组。

研究思路

在搜索了世界上最大的基因表达数据库之一的Gene Expression Omnibus(GEO)数据库后,研究者发现了具有QCT指数记录的原始基因表达谱GSE76925。

为了研究COPD肺气肿亚型的固有分子机制,通过使用几种生物信息学方法,研究者构建了该谱中差异表达基因(DEG)和已知COPD驱动基因的相互作用网络,以鉴定促进肺气肿进展的新候选基因。

▲分析流程及所用工具

无奖问答

分析工具中的Gene Radar是什么工具?

研究结果

两组间DEGs和驱动基因列表

与轻度肺气肿组相比,研究者在严重肺气肿组中鉴定出了57个基因,包括15个上调基因,30个下调基因和12个假基因。

根据所涉及的途径,将检索到的135个COPD驱动基因分类置于表中。

候选基因直接与驱动基因相互作用

选取180个基因(45个DEG+135个驱动基因)构建网络,其中7个鉴定失败,147个被发现具有相互作用,8个DEG与驱动基因有相互作用:GPR65,GNB4,P2RY13,NPSR1,BCR,BAG4,IMPDH2和TP53。

这是第一项将CT指数用于分类肺气肿以分析DEGs的研究,并且检索已知的COPD驱动基因以构建具有DEGs的相互作用网络。

 

间接PPi和驱动PPi

对于DEG的分析,难以解释所鉴定的单基因在致病机制中的生物学作用,且对所有DEG进行外部和实验验证较麻烦、低效。

因此,研究者选用了直接和间接网络分析方法,将驱动基因纳入与DEG的直接网络分析,有助于快速突出致病性DEG并排除由协变量引起的随机DEG,使得鉴定的DEGs的作用更可信。

通过检索STRING数据库v10.5选取375个蛋白质构建间接PPi网络(protein–protein interaction network)。根据拓扑网络中每个节点边缘的数量,对间接PPi中的375种蛋白质进行排序,PIK3CA,TP53和MAPK1是间接PPi拓扑结构中排名前三位的基因,分别有86,74和72个相互作用的节点,这些节点在肺气肿进展机制中具有潜在的主导和相互联系的作用。下图中所示的合并网络显示了构成两个网络的交叉网络的总共10个基因:TP53,IL8,CCR2,CXCR2,PIK3CA,ELANE,HSPA1A,HSPA1B,HSPA1L和ADRB2

 

研究结果

研究者通过DEGs和COPD驱动基因的网络分析鉴定了8个新的候选基因(GPR65,GNB4,P2RY13,NPSR1,BCR,BAG4,IMPDH2和TP53)促进肺气肿的进展,这可能有助于内部COPD领域的知识空白。

作者这么6的操作,你学到了吗?

本文由 GCBI学院 作者:乞嘚咙咚呛咚呛 发表,转载请注明来源!

热评文章

发表评论