每日文献
分享一篇2022年7月发表在Front Genet（IF：4.772）《Identification of Immune-Related Hub Genes in Parkinson's Disease》（PMID: 35938039），作者利用生物信息学分析，探索了帕金森病中免疫相关hub基因和免疫浸润模式。该研究方法同样适用于其他肿瘤或非肿瘤的研究，有相关需求的老师欢迎联系我们。
背景&方法
背景：
帕金森病（PD）是一种常见的，与年龄相关的进行性神经退行性疾病。免疫功能障碍在PD的致病过程中起着至关重要的作用。
方法：
1、WGCNA分析鉴定与临床特征（PD）相关的模块基因；
2、ssGSEA免疫细胞浸润分析；
3、免疫相关关键基因的鉴定;
4、免疫相关关键基因的GO和KEGG通路富集分析；
5、LASSO筛选免疫相关Hub基因；
6、Hub基因与免疫细胞的相关性分析；
7、免疫相关Hub基因的ROC曲线分析；
8、Hub基因的表达验证。
结果
基因共表达模块的鉴定
从总共66个样本中选择前5198个变化最大的基因来构建共表达网络。所有样本进行层次聚类（图2A）。软阈值功率为5，无标度R2值为 0.98，斜率为-1.7（图2B，C）。最后，确定了四个共表达模块（图2D）。turquoise模块有3734个基因，blue模块有521个基因，brown模块有343个基因，gray模块有600个基因。
图2
模块-特征相关性的计算
根据模块的ME值，计算这些模块与临床特征（PD vs. control）之间的相关性。turquoise模块显示与PD的相关性最高，被选为关键模块（图3A）。 MM和GS之间的关系在关键模块中进行了评估（图3B）。图3C表明turquoise模块与临床特征状态高度相关。
图3
PD中的免疫浸润分析
通过ssGSEA算法计算PD和对照样品之间28种免疫细胞类型的浸润丰度（图4A）。PCA图表明PD组的免疫细胞浸润与对照组有显着差异（图4B）。
图4
免疫关键基因的鉴定和功能富集分析
免疫相关基因和关键模块基因（turquoise模块）重叠共获得129个免疫关键基因（图4C）。 然后，对免疫关键基因进行GO富集和KEGG通路富集分析（图5B）。
图5
免疫相关Hub基因筛选及Hub基因与免疫细胞的相关性分析
为了识别PD的免疫相关hub基因，129个免疫关键基因的表达水平和临床特征（PD与对照）被用于构建LASSO模型（图6A）。根据lambda最小标准的值，选出四个免疫相关hub基因：SLC18A2、L1CAM、S100A12和CXCR4（图6B）。免疫相关hub基因之间的关系如图6C。还评估了4个免疫相关hub基因和11种差异免疫细胞类型之间的相关性（图6D）。
图6
免疫相关Hub基因的ROC曲线分析
与对照样品相比，PD样品中SLC18A2和L1CAM的表达水平显着下调，S100A12和CXCR4显着上调（图7A）。 图7B所示，四基因模型的AUC值为0.92。 每个免疫相关中枢基因（SLC18A2、L1CAM、S100A12和CXCR4）的AUC值分别为0.81、0.78、0.78和0.76（图7C-F）。
图7
GSE20164中免疫相关Hub基因的验证
在GSE20164中验证了免疫相关中枢基因的表达水平。图8显示PD患者中SLC18A2和L1CAM的表达显着下调，CXCR4显着上调。 S100A12无显着差异。
图8