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！