原创不易
目前,免疫浸润已成为研究热点之一。然而,非肿瘤公共数据量少,想发7 的文章还是相对比较困难的。小编在查文献过程中,发现一篇近期发表在Frontiers in immunology(IF: 7.561)的非肿瘤纯生信文章“Identifying Immune Cell Infiltration and Effective Diagnostic Biomarkers in Rheumatoid Arthritis by Bioinformatics Analysis”,这篇文章挖掘了RA相关的关键基因和免疫浸润细胞类型,评估了关键基因的诊断效能及其与免疫细胞的相关性,进而揭示RA的免疫分子机制。结构非常清晰,思路也很简单,非常值得我们学习哦~
思
路
设
计
一、分析流程
图1分析流程图
二、主要结果
1.RA与正常滑膜组织的免疫细胞浸润
本文筛选了5个微阵列原始数据集,包括56个RA和41个正常滑膜组织,用于免疫细胞浸润的研究。去除批次效应后,共有55个RA和29个正常滑膜组织符合CIBERSORT分析条件。首先,每个样品中22种免疫细胞的组成以直方图(图2A)和热图(图2B)的形式呈现。在直方图中,颜色代表每个样本中不同免疫细胞的百分比,总和为1。在热图中,在热图中,每个样品中的免疫细胞都以标准化的绝对丰度显示。结果表明,M2巨噬细胞、CD8 T细胞、静息肥大细胞、naive B细胞、Tfh细胞、MO巨噬细胞和MI巨噬细胞是主要的浸润免疫细胞。然后评估RA滑膜组织中22种免疫细胞的相关性(图2C)。例如,Tfh细胞与记忆激活的CD4 T细胞和Ml巨噬细胞呈正相关。yò T细胞与记忆激活的CD4 T细胞和naive B细胞呈正相关。中性粒细胞与静息NK细胞、单核细胞和原始CD4 T细胞呈正相关。M2巨噬细胞与naive B细胞呈负相关。第三,基于滑膜组织中的免疫细胞浸润,通过PCA分析可以完全区分RA和HC(图2D)。
图2 RA和正常滑膜组织的免疫细胞浸润
采用Wilcoxon检验和LASSO回归两种不同的算法来识别RA和HC中免疫细胞浸润的显著差异。Wilcoxon检验结果显示,13种免疫细胞有显著差异(图3A)。LASSO分析结果显示,12种免疫细胞有显著差异(图3B, C)。交集分析得到10种免疫细胞。与HC MI巨噬细胞相比,RA滑膜组织中Tth细胞、记忆激活CD4 T细胞和浆细胞数量显著增加,而调节性T细胞、活化树突状细胞、活化NK细胞、记忆静息CD4 T细胞、静息肥大细胞、激活的肥大细胞在RA滑膜组织中显著降低。
图3 鉴别RA中显著差异的免疫细胞
2.DEGs识别
基于5个微阵列数据集,包括57个RA和41个正常样本,使用两种方法筛选DEGs。使用“批量校正”方法共获得360个DEGs,其中上调基因335个,下调基因25个。使用RRA方法共获得461个DEGs,其中上调基因298个,下调基因163个。图4A中显示了一些DEGs。将两种方法筛选的DEGs进行交集分析,共获得202个DEGs,其中上调基因179个,下调基因23个(图4B)。通过火山图(图4C)和热图(图4D)对最终的DEGs可视化。
图4 DEGs识别
3.功能相关性分析
将DEGs转化为基因ID后,对DEGs进行GO和KEGG分析。DEGs主要富集到免疫细胞的生物活性,如淋巴细胞分化、T细胞活化、白细胞(图5A,B)。DEGs主要富集到免疫细胞相关信号通路,例如趋化因子信号通路、类风湿关节炎、原发性免疫缺陷(图5C,D)。总之,DEGs的功能与免疫细胞显著相关。
图5 功能相关性分析
4.关键基因的鉴定与验证
基于STRING获得了DEGs的PPI网络结果,进一步使用10种算法计算每个节点的得分,最后通过R包“UpSet”筛选了5个关键基因(CXCR4、CCL5、CD8A、CD247和GZMA)(图6A)。合并后的微阵列数据通过heatmap显示了5个关键基因的表达水平(图6B)。为了使结果更加可靠,本研究使用RNA-Seq数据集GSE89408进行验证。热图显示了CXCR4、CCL5、CD8A、CD247和GZMA的表达水平(图7A)。如图7B-F所示,这5个基因在RA早期和已建立RA中的表达均显著高于HC。GZMA和CD8A在早期RA中的表达水平显著高于建立期RA。与上述结果一致,数据集GSE89408中CXCR4、CCL5、CD8A、CD247和GZMA在RA中的表达也明显高于骨关节炎(图7G)。因此,GZMA和CD8A可以作为早期RA的诊断标志物,CXCR4、CCL5和CD247可以作为RA的诊断标志物。
图6 关键基因的识别图7 关键基因的验证
5.生物标志物对RA的诊断效果
采用GSE89408数据集,通过ROC分析验证生物标志物对RA的诊断有效性。如图8A所示,CCL5、CXCR4和CD247的AUC值为0.835(95% CI 0.758-0.913)、0.900(95%CI 0.847-0.953)和0.797(95% CI 0.724-0.871)。CCL5和CXCR4联合AUC达到0.905(95%CI 0.852-0.957)。如图8B所示,GZMA和CD8A的AUC值为0.887(95%CI 0.819-0.956)和0.821(95%CI 0.725-0.918)。GZMA和CD8À联合AUC达到0.900(95%CI 0.837-0.963)。因此,CCL5 CXCR4和GZMA CD8A分别具有诊断RA和早期RA的能力,且具有良好的特异性和敏感性。
图8 RA生物标志物的诊断有效性
6.RA中生物标志物与差异免疫细胞的相关性
图9A展示了四种有效的生物标志物(CCL5、CXCR4、GZMA和CD8A)与10种显著差异免疫细胞在RA滑膜组织中的相关性。结果表明,CCL5与M1巨噬细胞呈正相关(R = 0.47, p = 0.00038);CXCR4与记忆激活CD4 T细胞(R = 0.44, p = 0.00089)和Tfh细胞(R = 0.70, p = 5 e-09)呈正相关;GZMA与Tfh细胞呈正相关(R = 0.53, p = 5 e-05)(图9B-E)。
图9 RA中生物标志物与差异免疫细胞的相关性
三、结语
有话要说...