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？