原文公众号：一起试验网
对下述分析方法感兴趣或者没有钻研思路的小伙伴，欢送踊跃探讨！
分享一篇 2022 年 9 月发表在 Front Physiol（IF：4.755）的文章《Identification of hub genes associated with acute kidney injury induced by renal ischemia-reperfusion injury in mice》（PMID: 36246123），作者通过对基因表白数据的综合剖析，为缺血再灌注伤害 - 急性肾伤害的发病机制提供新的潜在生物标志物和见解。该思路同样实用于其余非肿瘤或肿瘤的钻研。
背景 & 办法
背景：
急性肾伤害（AKI）是一种重大的临床综合征，缺血再灌注伤害（RI）是急性肾伤害的重要病因。
办法：
1. 对数据集进行归一化解决；
2. 别离鉴定两个个数据集中的差别表白基因；
3.DEG 的 GO 性能和 KEGG 通路富集剖析；
4.DEG 的基因集富集剖析；
5.DEG 的 PPI 网络构建与 hub 基因的鉴定；
6. 转录因 -hub 基因网络和 miRNA-hub 基因网络的构建；
7.hub 基因相互作用药物的辨认；
8.IRI-AKI 病 hub 基因表白程度。
后果
差别表白基因的鉴定
从 GSE39548 数据集中共筛选出 1580 个 DEG，其中 IRI 组上调 784 个，下调 796 个。在 GSE131288 数据集中，共筛选出 992 个 DEG，其中在 IRI 组中表白上调的有 686 个，下调的有 306 个。两个数据集的 DEG 取交加，失去 323 个独特 DEG，其中在 IRI 组中上调的有 260 个，下调的有 63 个。
323 个 DEG 的 GO 和 KEGG 路径富集剖析
利用 DAVID 数据库，确定了这 323 个 DEG 的潜在性能。
基因集富集剖析(GSEA)
采纳 C2 中的 CP 基因集作为背景基因集，进行 GSEA 剖析。此外，还利用 KEGG-MAP 数据库绘制了与缺血 - 再灌注伤害相干的 4 条信号通路。
蛋白质 - 蛋白质相互作用网络的构建与 hub 基因的鉴定
将上述剖析失去的 323 个独特差别表白基因输出 STRING 数据库，并将所得后果导入 Cytoscape 软件构建 PPI 网络。此外，利用 cytoHubba 插件计算节点连贯的紧密度，确定前 10 个基因为 hub 基因，别离为 Jun、Stat3、Myc、Cdkn1a、Hif1a、Fos、Atf3、Mdm2、Egr1、dit3。
转录因 -hub 基因网络和 miRNA-hub 基因网络的构建
咱们旨在更好地理解 hub 基因在 AKI 发病机制中的调节作用。应用 STRUST 数据库预测了 34 个可能与 10 个枢纽基因相互作用的 TF，并构建 TF-hub 基因调控网络。通过 starBase 数据库预测了能够与 10 个 hub 基因相互作用的 miRNA，并构建 miRNA-hub 基因相互作用网络
辨认与 hub 基因相互作用的潜在药物
应用 DGIdb 数据库对可能与 hub 基因相互作用的药物或分子化合物进行了预测，共筛选出 299 种可能与 hub 基因存在调控关系的药物或分子化合物，其中与 HIF1A 相互作用的药物数量最多。
IRI-AKI 病 hub 基因表白程度
在 GSE39548 数据集中，IRI-AKI 组的 10 个 hub 基因的表白显著高于对照组。同样，在 GSE131288 数据集中，IRI-AKI 组中有 10 个 hub 基因的表白显著减少。
原文公众号：一起试验网
对上述分析方法感兴趣或者没有钻研思路的小伙伴，欢送踊跃探讨！