每日文献分享
分享一篇Computational and mathematical methods in medicine在2021年6月发表的文章《Identification of Hub Genes in Tuberculosis via Bioinformatics Analysis》，作者使用生物信息学分析研究了结核病（TB）的hub基因。该研究方法同样适用于其他肿瘤或非肿瘤常见病的研究，有相关需求的老师欢迎联系我们！
背景&方法
背景：结核病（TB）是由结核分枝杆菌（MTB）引起的流行性多因素疾病。
方法：
1、使用GEO2R识别TB的差异基因；
2、DEG的GO和KEGG富集分析；
3、PPI网络构建与hub基因鉴定；
4、GSEA富集分析。
结果
DEG的识别
从GSE11199数据集中鉴定了98个DEG，包括91个上调基因和7个下调基因（图1）。
图1
GO和KEGG通路富集分析
GO分析结果表明，在BP中，上调的DEG在细胞因子介导的信号通路、对干扰素-γ的反应、肽基-酪氨酸自磷酸化、酶联受体蛋白信号通路等过程中富集。在CC中，上调的DEG在内质网腔、纺锤极、纺锤极中心体等富集。在MF中，上调的 DEG 在 β-半乳糖苷酶活性、组蛋白苏氨酸激酶活性、半乳糖苷酶活性等方面富集（图2a）。此外，在KEGG分析结果中，上调的DEGs在JAK-STAT信号通路、细胞因子-细胞因子受体相互作用、麻疹、细胞凋亡、EB病毒感染、细胞周期等通路中显着富集（图2b）。
图2
PPI网络建设
上调DEG的PPI网络由89个节点和96个边组成（图3）。以degree≥9为筛选标准，筛选出4个hub基因，CTLA4、GZMB、GZMA和PRF1。CTLA4、GZMB、GZMA和PRF1在肺结核样本中的表达水平显着高于对照组。
图3
图4
GSEA
使用GSEA检测数据集中所有基因，这些基因在蛋白酶体途径和原发性免疫缺陷中显着富集（图5）。
图5
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！
中科生信