今天跟大家分享的是2020年6月发表在Scand. J. Immunol. (IF:2.717)杂志上的一篇文章“Bioinformatics analysis of gene expression profiles of Inclusion body myositis”.在文章中作者利用GEO数据集,鉴定包涵体肌炎的DEGs,然后功能注释以及PPI网络构建,筛选到潜在的新靶标。
Bioinformatics analysis of gene expression profiles of Inclusion body myositis
包涵体肌炎基因表达谱的生物信息学分析
包涵体肌炎(IBM)是50岁以上患者中最普遍的炎症性肌病类型。IBM是一种预后较差且治疗选择有限的疾病。这项研究旨在探索基因表达谱的变化,研究潜在的机制并确定IBM的新靶标。
作者从GSE39454共鉴定出418s个DEGs,包括407个上调基因和11个下调基因。而从GSE128470中鉴定出192个DEGs,包括183个上调基因和9个下调基因。DEGs的鉴定作者主要使用GEO2R在线分析工具。
图1:进行VENN分析获得DEGs的交集。最后,在两组之间有145个DEGs显著差异表达,其中144个是显著上调的基因,而1个下调。
图1.GEO数据集共有的DEGs的维恩图
使用DAVID对DEGs进行GO功能富集分析。
表1(篇幅原因,截取部分):DEGs的GO富集分析
作者进一步了解筛选出的DEGs的潜在通路。
KEGG通路富集分析发现:显著富集于嫁接抗宿主病,同种异体移植排斥,I型糖尿病,病毒性心肌炎等。
表2(篇幅原因,截取部分):DEGs的KEGG通路富集分析
作者用STRING、Cytoscape工具预测DEGs之间的蛋白质相互作用。
图2.DEGs构建PPI network
表3. 连接度Top10hub基因
小结
作者利用GEO数据库,鉴定IBM的DEGs,然后进行GO、KEEGG富集分析来作功能注释。此外,对PPI网络构建,筛选到可能的新靶标。在构建PPI网络之后,选择了十个具有高度连接性的hub基因,即PTPRC,IRF8,CCR5,VCAM1,HLA‐DRA,TYROBP,C1QB,HLA‐DRB1,CD74和CXCL9。不过不足的是,本次分析的样本量较少,只有五十几例样本。