纯生信审稿人要求补验证实验,咋办?用孟德尔随机化就对了!0实验验证生物标志物,照样发TOP刊!

文摘   2024-11-21 10:00   上海  

做生信分析的小伙伴都知道,光靠挖掘公共数据库来发文章,或多或少得补点湿实验,就算有再多验证集,也没有实验验证来得靠谱。所以,近两年纯生信分析才会那么让人眼前一亮!

不过,今天生信湾可不跟你们聊那些常规套路。咱今天走个捷径,教你们一个不用做实验就能发公共数据库-转录组分析的绝招!让你在科研路上弯道超车,轻松拿下SCI,卷死同行!

纯生信分析之所以难发文章,主要缺乏信服力,所以才要求补实验验证。其实除了做湿实验,咱还可以通过孟德尔随机化来验证生信分析得到的生物标志物与疾病的因果关系,在遗传角度验证生物标志物的可靠性,这样一套做下来一样可以说服审稿人。你不信?下面我们以文章为例!

这是近期发表在医学top刊《Journal of Affective Disorders》上的研究论文,作者基于GEO数据库的数据,利用富集分析、机器学习、免疫浸润等方法筛选抑郁症(MDD)中与衰老相关的生物标志物,剖析了其在 MDD中的潜在诊断价值;最后利用孟德尔随机化验证了生物标志物与疾病的因果关联,思路严谨,逻辑链完整,值得学习借鉴,一起来看看吧!    

PS:孟德尔随机化就是一个大鲨器,指哪打哪!哪里有用就往哪里挪!本文利用MR代替湿实验验证转录组分析结果,你也可以试试~

不知道怎么创新的小伙伴可以来找生信湾!这里有新鲜出炉的生信热点方向,还有一大波的可复现的创新思路,感兴趣的直接来找我噢!

定制生信分析

生信服务器

(加微信备注66领取试用)

l题目:衰老相关基因和免疫微环境与重度抑郁症的相关性

l杂志:Journal of Affective Disorders

l影响因子:IF=4.9

l发表时间:202410

(注:公众号后台回复“123”获取文献全文!文献编号:20241121

研究背景

抑郁症是常见精神障碍,发病率高且危害大,其发病机制不明,探究其发病机制和生物标志物意义重大。研究发现抑郁症与衰老、免疫系统失调有关,但因果关系不清,故该研究利用生物信息学和机器学习,探究衰老相关基因、免疫微环境与抑郁症的关联。

研究思路

本研究从GEO数据库获取三个抑郁症数据集及衰老相关基因,进行差异表达基因和功能富集分析,用多种方法确定关键基因,构建风险预测模型,分析免疫浸润情况和调控网络,最后用孟德尔随机化研究确定关键基因与抑郁症的关系。    

主要结果

1. 差异表达基因(DEGs)及相关通路分析

从数据集GSE98793中获得216个DEGs,包括122个上调和94个下调基因。KEGG通路分析显示造血细胞谱系、补体等通路富集,GO分析表明在生物过程、细胞组成和分子功能方面有多项显著富集,为研究抑郁症发病机制提供了基因表达和功能信息。    

图1 DEGs的火山图、热图及相关通路和功能富集分析结果

2. 衰老相关差异表达基因(ARG - DEGs)及通路分析

通过整合衰老相关基因与DEGs,确定了8个ARG - DEGs,涉及G6PD、MMP9等基因。KEGG分析发现其与膀胱癌、前列腺癌等通路相关,GO分析显示在生物过程、细胞组成和分子功能方面有特定富集,为后续关键基因筛选提供基础。

图2 ARG - DEGs的热图及相关通路和功能富集分析结果    

3. 关键ARG - DEGs的确定

对8个ARG - DEGs进行PPI网络分析,结合MCODE、CytoHubba - MCC插件及LASSO、SVM - RFE、Random Forest算法筛选,最终确定MMP9、IL7R、S100B和EGF为关键ARG - DEGs,这些基因在抑郁症发病机制中可能具有重要作用。

图3 PPI网络、各算法筛选结果及关键基因确定的韦恩图

4. 风险预测模型构建与诊断价值评估

基于GSE98793数据集,发现MMP9和EGF在抑郁症样本中上调,IL7R和S100B下调。构建的诊断列线图可量化抑郁症风险,训练集校准曲线决策曲线分析显示模型有优势,ROC分析表明关键ARG - DEGs和列线图在不同数据集有一定预测能力。    

图4 关键ARG - DEGs在训练集的表达、列线图模型及ROC曲线分析结果

5. 抑郁症患者免疫微环境分析

通过ssGSEA分析,发现抑郁症患者与健康对照在CD8(+) T细胞、巨噬细胞等免疫细胞及细胞溶解活性、II型IFN反应等免疫功能方面存在差异,且关键ARG - DEGs与多种免疫细胞和功能相关,提示这些基因可能通过免疫微环境在抑郁症中起作用。    

图5 免疫细胞和功能的ssGSEA分析结果及关键ARG - DEGs与免疫细胞和功能的相关性

6. miRNA - TF - mRNA调控网络构建

预测了调控关键ARG - DEGs的miRNAs和TFs,构建的调控网络包含40个miRNAs、8个TFs和4个基因,揭示了关键ARG - DEGs的复杂调控机制,为进一步研究其在抑郁症中的作用提供了方向。    

图6 miRNA - TF - mRNA调控网络

7. MMP9与抑郁症关系的孟德尔随机化研究

MR研究发现MMP9与抑郁症风险相关,EGF和IL7R与抑郁症无因果关系,且结果无明显异质性和水平多效性,提示MMP9可能在抑郁症发生中有潜在作用。

   

图7  MMP9与抑郁症关系的MR分析结果

文章小结

文章看完了,思路学到没?本文的分析基本上都是咱们最常见的,最后加入了孟德尔随机化验证因果关系,0实验照样可以冲击顶刊!对于这种可行性高的方案大家记得收藏哈~生信湾持续给大家带来生信创新思路分享,需要思路设计、生信分析的小伙伴,记得call我哦!

合集 · 推荐

机器学习

孟德尔随机化

网络药理学

临床公共数据库分析

注:本文为原创编译,非声张版权,侵删!

生信湾
持续分享最新生信热点思路,提供专业生信分析服务:思路设计、生信分析、文献复现、数据库搭建等。助力您的科研之路!欢迎朋友们沟通交流与合作~
 最新文章