今天分享一篇发表于2021年BMC Pulm Med的文章，影响因子：2.987。题目《Weighted gene co-expression network analysis to identify key modules and hub genes associated with paucigranulocytic asthma》。
Background
哮喘是一种异质性疾病，具有不同的表型，其自然病程、疾病严重程度和对抗炎治疗的反应各不相同。根据气道炎症亚型，哮喘可分为四种不同的炎症表型：嗜酸性粒细胞性哮喘（EA）、中性粒细胞性哮喘（NA）、混合性粒细胞性哮喘（MGA）和少粒细胞性哮喘（PGA）。然而，作为哮喘最常见的表型之一，PGA 仍然知之甚少。所以迫切地需要揭示 PGA 背后的炎症和免疫机制。
Results
共表达网络构建和PGA特定模块识别
18170个基因的表达谱用于进行WGCNA，最终确定了五个模块（图2c）。其中，包含930个基因的蓝色模块与气道炎症类型显着相关（r = -0.67，p = 3e-7）（图 2d），我们选择蓝色模块进行下一次分析。没有发现任何模块与年龄、性别或吸烟状况相关。
图2
DEG与PGA特定模块的交互
PGA和非PGA之间共鉴定出449个DEG（161个上调基因和288个下调基因），DEG的热图和火山图如图3a和b所示。DEG和蓝色模块中基因的交集用于进一步分析（430个基因）（图 3c）。
图3
重叠基因的功能分析
基于DEG和WGCNA的交集，进行了GO和KEGG富集分析。GO分析表明，与免疫和炎症反应调节高度相关的项目显着丰富，如炎症反应调节、免疫效应过程调节和适应性免疫反应调节。KEGG通路富集分析表明，细胞因子-细胞因子受体相互作用、NF-kappa B信号通路、NOD样受体信号通路和趋化因子信号通路显着富集（图4a，b）。
图4
PPI网络构建与枢纽基因分析
将430个重叠基因导入STRING以开发PPI 网络。根据五种算法（MCC、EPC、MNC、Closeness和Radiality）分别计算得分最高的前10个基因的交集，最终确定了6个基因为PGA的中心基因，包括：FPRL1、CXCL1 、ADCY2、ADCY3、GPR109A 和 GPR109B（图 5）。
图5
验证中心基因
在GSE137268中验证了PGA和非PGA之间六个中心基因的差异表达。结果表明，GSE137268中hub基因的表达模式与GSE45111几乎相似。ADCY3 的表达水平上调，而其余五个中枢基因在 PGA 中下调。ROC 曲线分析表明 ADCY2 的 AUC 为 0.85（p < 0.001），其次是 CXCL1、GPR109B、GPR109A、FPRL1 和 ADCY3。表明中枢基因具有对PGA和非PGA的中等区分能力（图 6）。
图6
今天的分享就到这里啦，对上述分析方法感兴趣或者没有研究思路的小伙伴，欢迎扫下方二维码前来咨询哦！先到先得，欲购从速！
微信公众号 | 中科生信
提供“一站式”科研服务