7+非肿瘤，双疾病寻找共同hub基因+pcr验证。成本最低的干湿结合文章，值得学习！

影响因子：7.3

研究概述：皮肌炎（DM）是一种自身免疫性炎症性疾病，可影响肺部，导致间质性肺病（ILD）。然而，DM-ILD的确切病理生理机制尚不清楚。特发性肺纤维化（IPF）属于范围更广的ILD，有证据显示IPF和DM-ILD之间可能存在共同的病理途径。作者从GEO数据库中检索了DM和IPF的基因表达谱，并利用加权基因共表达网络分析（WGCNA）揭示了它们的共表达模块。然后，作者进行了差异分析以确定共同的DEGs，并用富集分析来揭示隐藏的生物通路。此外，作者还进行了PPI网络分析和聚类分析，成功找到了枢纽基因，并在DM-ILD患者中进一步验证了这些基因的表达水平。随后作者还研究了DM和IPF中枢纽基因与免疫细胞丰度之间的关系。最后，作者通过NetworkAnalyst进行了常见转录因子（TFs）-基因网络分析。

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

目前非肿瘤生信发文的门槛较低，有需要的朋友欢迎交流

研究流程如下：

研究结果：

通过WGCNA识别DM和IPF中的关键基因

在GSE143323数据集中，通过WGCNA筛选出7个不同颜色的模块。随后，利用相关性分析评估了每种疾病与模块之间的关系（图2A、C），发现模块"MEcyan"与DM的相关性最强，因此被指定为DM相关模块。同样，在GSE150910数据集中，通过WGCNA获得了11个模块。其中，"Meyellowgreen"和"Meorangered4"这两个模块分别与IPF呈最高的正相关和负相关（图2B、D）。为确保与GSE143323保持一致，包含731个基因的"Meyellowgreen"模块被指定为IPF相关模块（图2D）。通过交叉与DM（Mecyan）和IPF（Meyellowgreen）正相关的基因模块，共筛选出258个共同基因（图2E）。接下来，使用STRING方法构建了这些基因的PPI网络，得到了一个包含184个节点和810个链接的网络（图2F）。随后，利用MCODE插件提取了一个紧密相连的基因簇模块（图2G）。为了探索这些基因可能具有的生物学功能，作者进行了GO富集分析，发现这些基因主要与ECM和结构、细胞-基质粘附以及胶原代谢有关（图2H）。此外，根据KEGG分析，这组基因在磷酸肌醇-3-激酶-蛋白激酶B/Akt（PI3K-Akt）信号通路、ECM-受体相互作用和病灶粘附方面表现出很强的富集性（图2I）。

DM和IPF中的DEGs鉴定

随后，作者进一步对GSE128470和GSE134692数据集进行了DEG分析。在GSE128470数据集中发现了463个DEGs（322个上调基因和141个下调基因），而在GSE134692数据集中发现了2109个DEGs（1397个上调基因和712个下调基因）。热图和火山图被用来直观显示这些DEGs（图3A-D）。维恩图显示，两个数据集共有66个基因（36个基因共同上调，6个基因共同下调，26个基因表达不一致）（图3E）。作者还构建了这些基因的PPI网络，得出45个节点和111个链接（图3F）。随后，使用MCODE插件提取了一个11节点和35链接的聚类（图3G）。对这些DEGs进行了类似的GO或KEGG富集。GO分析显示，这四个基因主要与中性粒细胞/粒细胞迁移、中性粒细胞和粒细胞趋化有关（图3H）。KEGG分析表明，它们在病灶粘附、趋化因子信号通路和ECM-受体相互作用中明显富集（图3I）。

枢纽基因的选择和验证

用Cytoscape插件cytoHubba（24）进行PPI网络分析，确定了共有的枢纽基因。通过使用MCC算法，前30个基因被确认为潜在的中心基因。将WGCNA和DEG数据集中的前30个基因交叉后，确定了四个枢纽基因（POSTN、THBS2、COL6A1和LOXL1）（图4）。这些基因的表达水平随后在四个数据集中得到了验证。值得注意的是，与对照组相比，所有基因在DM和IPF中的表达均有所升高（图5A）。这四个基因在DM和IPF中都表现出了很高的诊断价值，尤其是POSTN和THBS2，两者的曲线下面积（AUC）值都超过了0.8（图5B）。进一步量化这四个基因的mRNA丰度发现，它们在DM-ILD患者的全血中都有活跃的转录（图6）。

DM和IPF免疫浸润微环境的比较

为了探索DM和IPF的共同致病机制和免疫微环境，作者应用ssGSEA算法全面评估了两种疾病的免疫细胞浸润程度。出乎意料的是，结果与最初的假设相左，DM和IPF的免疫细胞浸润模式明显不同。如图7A所示，各种免疫细胞类型在DM中都表现出明显的活化，包括B细胞、T细胞、树突状细胞(DC)、巨噬细胞和自然杀伤细胞(NK)。与此相反，IPF的免疫细胞活化受到限制，这表现在显著活化的免疫细胞数量有限，包括活化的B细胞、效应记忆CD8T细胞、髓源抑制细胞(MDSC)、单核细胞、自然杀伤T细胞、T滤泡辅助细胞和17型T辅助细胞（图7B）。此外，所有确定的中枢基因都与DM中免疫细胞的丰度呈正相关（图7C），而除了活化B细胞和嗜酸性粒细胞外，这四个基因与IPF中大多数免疫细胞类型之间的统计相关性并不显著（图7D）。

预测TF

为了预测与四个枢纽基因相互作用的TF，作者使用了NetworkAnalyst，并用Cytoscape可视化了由此产生的TF基因调控网络。如图8所示，MYC与所有四个中心基因都有相互作用，这表明它们的表达可能受到调控。

研究总结：

作者将DM与IPF两种疾病联合分析，从共性出发，利用WGCNA和差异分析以及Cytoscape鉴定出4个关键基因。随后，ssGSEA揭示了DM和IPF的不同的免疫浸润模式。在DM中，这四个基因都与免疫细胞的丰度呈正相关，而在IPF中则不然。最后，作者确定了一个可能的关键转录因子MYC，它与所有四个枢纽基因都有相互作用。这为了解这些疾病的复杂机制提供了宝贵的信息，并为诊断和治疗干预提供了潜在靶点。