掃碼聯系客服
大家對于流行性感冒一定不陌生，每個人一不注意就會感染流感病毒。盡管醫學技術取得了進步，但流感仍然導致許多人住院甚至是死亡。因此尋找重癥流感相關的標志物就變的十分重要。今天和大家分享一篇2022年10月15日，發表在BMC GENOMICS（IF：4.547）的一篇文章，看看是如何作者使用WGCNA，尋找重癥流感相關的hub基因的吧！
利用共表達網絡識別需要有創機械通氣的重癥流感患者中的潛在候選hub基因
Co-expression network analysis identifies potential candidate hub genes in severe influenza patients needing invasive mechanical ventilation
研究概述
流感是一種影響所有年齡段人群的傳染性疾病，在流行和偶爾爆發期間都會導致相當高的死亡率。闡明病因和防治重癥流感都需要有效的免疫生物標志物。因此，作者篩選在需要有創機械通氣(IMV)的流感患者中，與疾病嚴重程度相關的hub基因。在GEO數據庫中下載了來自流感患者血樣的三個數據集(GSE101702、GSE21802和GSE111368)，合并GSE101702和GSE21802數據集作為訓練集，GSE111368作為測試集。在訓練集中使用差異表達分析和加權相關網絡分析(WGCNA)確定了IMV重癥流感患者的hub基因。ROC用于評估測試集hub基因的診斷準確性。使用ssGSEA富集分析評估了表達譜中不同免疫細胞的浸潤水平，計算免疫細胞與hub基因的相關性。本研究共篩選出447個差異基因；WGCNA鑒定了8個共表達模塊，其中紅色模塊與IMV患者的相關性最強。將上述兩步得到的基因取交集，最后得到3個hub基因，即HLA-DPA1、HLA-DRB3和CECR1。使用LASSO方法，將鑒定的基因作為需要IMV治療的嚴重流感患者的潛在標志物進行研究。ROC曲線顯示三個hub基因在確定流感嚴重程度方面的診斷價值。ssGSEA分析發現，hub基因的表達與中性粒細胞活化呈負相關，與適應性細胞免疫應答呈正相關。
主要結果
在IMV and NIMV組間差異表達基因的鑒定，以及功能分析
在訓練集中進行差異表達分析。共發現447個差異表達基因（DEGs）（261個上調基因和186個下調基因）(圖1)。
針對差異表達基因，進行富集分析。GO富集分析結果顯示，DEG主要參與抗原加工和呈遞(如通過MHC II類抗原加工和呈遞外源肽抗原，MHC II類蛋白復合物組裝，肽抗原與MHC II類蛋白復合物組裝)及細胞間粘附(如調節T細胞活化)，（圖2A）。KEGG富集分析顯示，DEGs顯著富集在感染和細胞分化相關的通路(如Th1、Th2和Th17細胞分化、金黃色葡萄球菌感染)(圖2B)。這些發現表明，在需要IMV治療嚴重流感的患者中，免疫和炎癥相關通路與流感嚴重程度相關。
WGCNA以及hub基因分析
在訓練集中，使用WGCNA構建共表達網絡，篩選與流感嚴重程度相關的重要模塊。當軟閾值等于6和切割高度為0.25時，共得到8個模塊（圖3A-C）。模塊特征基因(ME)值與樣本性狀之間的相關性用于量化模塊與臨床樣本性狀之間的相關性。分析發現，紅色模塊與疾病嚴重程度的關系最為密切(R = 0.53，P = 7e-12)(圖3D)。隨后，與DEG取交集，篩選出3個hub基因即：CECR1、HLADPA1和HLA-DRB3(圖3E)。LASSO分析進一步證實了3個hub基因與IMV的關系(圖3F-G)。
hub基因的表達和診斷價值的評估
箱線圖用于展示三個hub基因的表達情況。 IMV患者的CECR1、HLA-DPA1和HLA-DRB3 表達水平明顯低于訓練集中的NIMV患者（圖4A）。此外，在來自測試集的患者中觀察到了類似的結果（圖4C）。 來自訓練集的ROC分析顯示，對于CECR1，ROC曲線下面積(AUC)為0.862 ，HLA-DPA1的AUC為 0.866 ，HLA-DRB3的AUC為0.821（圖4B）。同時，來自測試集的三個hub基因的 AUC 為0.700-0.800，表明具有較好的診斷準確性（圖 4D）。
hub基因與免疫細胞浸潤的聯系
ssGSEA算法用于評估IMV和NIMV組之間免疫細胞浸潤（ICI）的差異。 從ssGSEA 分析的結果顯示，IMV組中中性粒細胞和樹突狀細胞的浸潤顯著升高，活化的CD8 T 細胞、記憶CD8 T細胞、記憶CD4 T細胞和自然殺傷細胞的浸潤較低。hub基因的免疫細胞相關性分析表明，三個hub基因與活化的CD8 T細胞、T濾泡輔助細胞、記憶CD8 T細胞和記憶CD4 T細胞呈正相關，而與活化的樹突狀細胞呈負相關。 此外，HLA-DPA1 和 HLA-DRB3 與中性粒細胞呈負相關（圖 5A、B）。
文章到這里就要接近尾聲了，這個篇文章采用差異表達分析結合WGCNA篩選hub基因，使用ssGSEA評估IMV與免疫的關系。整篇文章的思路非常清晰明了！純生信也可以發4+的文章，屏幕前的你是不是很心動呢？那就趕快學起來吧！
