- 题目：Identification of essential genes and immune cell infiltration in rheumatoid arthritis by bioinformatics analysis
- 影响因子：IF=4.997
- 发表时间：2023.02
数据来源
研究思路
主要结果
1. 数据与差异表达基因（DEGs）鉴定：
对RA患者和对照患者进行了差异表达分析，共鉴定出184个DEG。图1的热图为RA前20个上调和下调的基因。
2. 功能分析与初步筛选
将DEG进行GO功能分析和KEGG途径富集分析，结果发现DEGs在免疫应答过程和通路中显著富集（图1-2）。随后，使用GeNets（是一个基于网络的遗传数据分析网络平台）对DEG进行了网络分析，将DEG聚类为三个不同的群落（图3中），分析出20个候选基因。
3. WGCNA共表达模块分析
根据条件筛选合适的DEG作为WGCNA的输入数据，对有生物学意义的基因模块进行识别。图1为样本聚类检测异常值分析，图2为特征基因的平均连接性分析，图3为特征基因的尺度独立性分析。接着进行DEG聚类树状分析，如图4所示。在基因共表达模块中确定12个RA相关模块（图5-6）。WGCNA分析中确定hub基因，结果表明蓝色模块与RA显著相关(图7)。
4. 中枢基因的鉴定和诊断疗效验证：
将PPI和WGCNA关键模块基因中的前20个候选基因重叠，确定4个枢纽基因（图1）。进行ROC曲线分析以评估四个中枢基因的预测能力，结果表明四个基因都具有良好的预测能力（图2）。进一步验证关键基因的预测能力，外部验证数据中也进行了ROC分析（图3）。结果表明，四个关键基因可能是RA诊断的有效生物标志物。
5. 生物标志物基因与免疫相关特征之间的相关性
使用免疫评分和基质评分来评估RA和对照样本之间的免疫状态，包括ESTIMATE评分、免疫评分、基质评分和肿瘤纯度（图A-D）。RA患者的免疫和基质评分以及ESTIMATE评分均显著高于对照组。
通过“GSVA”包使用ssGSEA方法分析免疫细胞浸润，与对照样品相比，RA样品的T细胞、aDC和B细胞的浸润比例明显更高（图A）。接着进行生物标志物基因与免疫细胞浸润之间的相关性分析，发现有11个免疫细胞与标志物相关（图B）。
文章小结
这篇文章介绍了一篇发表于《Scientific Reports》（IF=4.997）的纯生物信息学文章，其核心方法是结合PPI网络和WGCNA分析来快速筛选类风湿性关节炎（RA）中的关键基因。文章展示了一个高效且分析内容相对简单的生信分析流程（PPI + WGCNA + 免疫浸润），即使没有湿实验验证，也能快速筛选出关键生物标志物并发表4分以上的SCI论文，为类似研究提供了可借鉴的策略。