7+非肿瘤，识别热点的hub基因，并进行标本和建模验证。非肿瘤生信发文就是如此！

影响因子：7.3

研究概述：败血症可导致脑损伤，即脓毒性脑病（SAE），有较高的死亡率且预后较差。目前尚缺乏诊断SAE和评价预后的客观临床标志物。本研究旨在通过研究参与脓毒症诱导的脑损伤的基因和细胞外蛋白来确定SAE的生物标志物。从GEO获取脓毒症患者脑组织的胞外蛋白差异表达基因，并通过蛋白质注释数据库进行评估。利用GO和KEGG研究了差异基因的功能和通路，利用STRING、Cytoscape、MCODE和Cytohubba建立了蛋白质-蛋白质相互作用（PPI）网络，并进一步筛选出关键基因。在31例败血症患者的血液样本和大鼠盲肠结扎和穿刺（CLP）诱导的败血症模型中评估了关键EP-DEG的诊断和预后准确性。通过行为测试评估了CLP后7-11天的认知和空间记忆损伤，进而分析关键的EP-DEGs。本研究发现细胞外蛋白MMP8、CSF3、IL-6和S100A8可能对SAE的病理生理学至关重要。S100A8和MMP8可能是SAE发病和进展的生物标志物。这项研究可能有助于阐明SAE的发病机制，改善该病的诊断和预后。

关于非肿瘤生信，我们也解读过很多，主要有以下类型
1 单个疾病WGCNA+PPI分析筛选hub基因
2 单个疾病结合免疫浸润，热点基因集，机器学习算法等
3 两种相关疾病联合分析，包括非肿瘤结合非肿瘤，非肿瘤结合肿瘤或者非肿瘤结合泛癌分析
4 基于分型的非肿瘤生信分析
5 单细胞结合普通转录组生信分析
生物信息学分析流程如下：

研究结果：

样本信息处理和差异基因识别

进行样本间差异基因表达分析，以评估脓毒症组和危重病对照组之间基因表达的变化。在GSE135838数据集中，24个样本基因的中位数、上下四分位数、最大值和最小值几乎相同（图2A）。在败血症组中，相关性分析显示组内关联更为显著（图2B）。根据GSE135838的样本信息和数据矩阵分析，从脑组织中提取了165个差异表达基因。TM4SF19-TCTEX1D2、CPZ、ADAM6、ZC2HC1B和ART1是而SNORD115-27、RNU11、S100A8、SNORA45、LOC649330、S100A9和IL6是p值最小的前七个上调基因（图2C)。DEGs热图显示，与对照组相比，败血症组的DEGs持续上调或下调（图2D）。

筛选细胞外蛋白差异表达基因

作者利用现有公共库中注释的细胞外蛋白基因从DEGs中筛选出EP-DEGs。将HPA和Uniprot数据库中发现的细胞外蛋白基因与DEGs，进行交叉，筛选出31个EP-DEGs，其中19个上调，12个下调（图3A）。脓毒症组和对照组中对数FC值最高的14个上调细胞外蛋白编码基因包括:S100A8、IL6、MMP8、S100A9、CSF3.S100A12、FCGR3B、CD177、FCN1、ATP6V0A4、CXCL3、SLURP1、CXCL11、和LY96(图3B）。为了进一步分析这些基因，作者总结了这些基因在健康人体内的mRNA和蛋白质水平。三维直方图显示了前14个上调基因的mRNA表达在正常大脑不同部位的变化情况（图3C）。根据HPA数据库，MMP8、CXCL3、SLURP1、CXCL11和FCN1在正常脑组织中的mRNA含量相对较低。但在脓毒症患者的脑组织中，这些水平明显升高。除了CD177和ATP6V0A4没有报告外，前14个上调基因中的12个细胞外蛋白在健康人群的血浆中都有不同程度的表达。其中，FCN1的表达量最高，达到1.7毫克/升。散点图显示了这12种血浆蛋白在不同文献中的浓度分布（图3D）。在细胞外分子CSF3、IL6、MMP8和S100A8中，没有明显的相关性。

差异基因的功能和通路富集分析

为了理解在脑组织数据集中筛选出的31个EP-DEGs的功能，作者使用DAVID进行了功能和通路富集分析。如图4A所示，这些基因主要富集在锌离子结合、钙依赖蛋白结合和细胞因子活性等生物过程中。炎症反应、先天性免疫反应和中性粒细胞趋化主要富集在这些基因中。所有基因都富集在细胞外空间。所有基因都富集在IL-17信号通路、细胞因子-细胞因子受体相互作用和其他信号通路的KEGG通路中。富集分析展示了最显著的前5条通路，GDF15、LY96、CSF3、IL6、CD177、CXCL3、S100A8、S100A9、S100A12和FCN1在至少两个BPs、CCs和MFs中富集（图4B）。

基因群鉴定和蛋白质-蛋白质相互作用网络分析

作者利用STRING数据库建立了一个PPI网络，以研究31个差异基因之间如何相互作用。利用细胞视图应用程序，可以看到PPI网络（图5A）。通过计算与31个核心DEGs相关联的分子通路和过程，PPI网络由86条边和26个节点组成。作者使用Cytoscape的MCODE插件开发了工作模块。结果显示一个模块包含16个基因（图5B）。利用Cytoscape中CytoHubba插件的十项拓扑技术，筛选出了前10个枢纽基因。两种方法都包含了MMP8、CSF3、IL-6和S100A8这四个基因（图5C）。GeneMANIA的结果还显示，31个EP-DEGs的功能主要与骨髓白细胞、白细胞迁移、中性粒细胞迁移和对细菌来源分子的反应有关（图5D）。

MMP8和S100A8的诊断和预后功效

研究人员招募了31名败血症患者，包括10名SAE患者和21名非SAE患者，以确认发现的主要细胞外蛋白。采集了患者的血清样本，以测量MMP8、CSF3、IL-6和S100A8的水平。与非SAE组相比，SAE患者的IL-6、MMP8和S100A8水平更高（图6A）。采用ROC曲线研究MMP8和S100A8在SAE诊断和预后中的预测作用，得出S100A8和MMP8对SAE诊断的准确性都很高（图6B）。对这四种细胞外分子与临床指征进行相关性调查得到四种分子与GCS评分关系显著（图6C）。根据四种细胞外分子与临床预后指标的相关性分析，S100A8水平与28天死亡率呈显著相关，IL-6水平与机械通气时间呈正相关（图6D）。此外，还比较了31例败血症患者的临床病理特征，如败血症来源、病史、合并症和其他变量。

建模成功后，开展了行为实验并采集血液和脑脊液样本（图7A）。评估了CLP模型大鼠的新物体识别指数水平（图7B）、定位目标孔前的错误率（图7C）。研究人员还对建模六天后获得的大鼠血液和脑脊液样本中S100A8和MMP8蛋白的浓度进行了测定，以确认研究中确定的关键细胞外蛋白。与SHAM组相比，CLP大鼠的血清MMP8水平显著升高，CSF水平也有所升高（图7D）。同样，与SHAM组相比，CLP大鼠的血清S100A8水平更高，CSF水平也显著增加（图7E）。

研究总结：

这项研究结合了临床和生物信息学证据，以确定潜在的SAE生物标志物。通过研究脓毒症患者脑组织的基因表达谱，筛选出31个EP-DEGs，并分析了它们参与生物过程和途径。确定了四种核心血浆分泌蛋白：MMP8、CSF3、IL-6和S100A8。临床血液样本用于验证这四种蛋白的浓度。利用临床外周血样本、CSF和败血症大鼠模型中的行为实验对MMP8和S100A8的诊断和预后准确性进行了评估。S100A8和MMP8可能是SAE发病和发展的生物标志物。这项研究可能有助于阐明SAE的发病机理，改善对该疾病的诊断。提高疾病诊断水平。