文章标题：Identification of NETs-related biomarkers and molecular clusters in systemic lupus erythematosus
中文标题：系统性红斑狼疮中 NETs 相关生物标志物和分子簇的鉴定
发表期刊：Frontiers in Immunology
发表时间：2023年4月
影响因子：5.7/Q1
研究方法
结果分析
1. DEGs 的功能注释和通路富集
2.DE-NRGs 的基因表达模式和 PPI 网络
差异表达基因（DEGs）与核受体基因（NRGs）相互作用产生了 8 个差异表达核受体基因（DE-NRGs），并给出了它们在染色体上的位置。基因关系网络图展示了这些DE-NRGs之间的相关性。此外，构建了一个DE-NRGs网络，包括多个基因，它们主要参与PID_INTEGRIN2_PATHWAY。
3. 鉴定 SLE 的 NETs 相关枢纽基因
使用 LASSO、SVM 和 RF 三种方法，利用差异表达核受体基因（DE-NRGs）的表达水平来区分系统性红斑狼疮（SLE）与健康对照。在 RF 分类器中确定最佳树数并获得 DE-NRG 的尺寸重要性，选出前五个基因作为候选枢纽基因。在 LASSO logistic 回归中，所有 DE-NRGs 被识别为候选枢纽基因。在 SVM 模型中，四个候选基因情况下具有最小分类误差，最后 HMGB1、ITGB2 和 CREB5 被三种算法共同选择为枢纽基因。
4. NETs 相关枢纽基因的性能
基于三个与中性粒细胞胞外陷阱（NETs）相关的枢纽基因构建了列线图模型来计算患系统性红斑狼疮（SLE）的几率，并通过校准曲线和决策曲线分析（DCA）证实了列线图的性能。对三个枢纽基因进行联合 ROC 分析，AUC 高达 0.983，表明诊断效率突出，单个枢纽基因也显示出作为诊断生物标志物的效力。此外，利用三个验证数据集通过 ROC 曲线、校准曲线和 DCA 独立评估该模型性能，发现其在验证集中表现良好。
5. SLE 中 NET 相关子集群的识别
使用 CREB5、HMGB1 和 ITGB2 的表达谱，通过共有聚类算法对 292 个系统性红斑狼疮（SLE）样本进行分组。根据标准确定 k 值为 3 时给出最稳定的聚类数，同时主成分分析（PCA）图显示基因表达模式在子簇中具有特异性。
6.三个 NETs 亚组的功能富集和免疫细胞浸润分析
GO 分析显示，簇 1 高表达的差异表达基因（DEGs）富集于细胞杀伤等功能；簇 2 高表达的 DEGs 富集于对 I 型干扰素的反应、对病毒的反应等；簇 3 中高度表达的 DEGs 富含 CD4 阳性等相关的功能，如细胞因子产生、免疫反应激活信号转导等。KEGG 富集分析表明，聚类 1 高表达的差异表达基因（DEGs）主要存在于丙型肝炎等多种通路中；聚类 2 高表达的 DEGs 多富集于丙型肝炎等通路；聚类 3 高表达的 DEGs 主要与金黄色葡萄球菌感染等通路有关。
文章小结
这项研究首次探索 SLE 中 NRG 的分子特征，确定了三个潜在的生物标志物，HMGB1、ITGB2 和 CREB5，以及基于这些枢纽生物标志物的三个不同的集群。这些发现可能有助于诊断和管理 SLE，最终目标是改善患者预后。（如果你正寻求思路复现、实验设计或定制化的数据分析服务，那么请不要错过我们哟~）
