【原】你也能轻松学会的2020年纯生信大热门！

2020年非肿瘤的免疫浸润肯定是一个大热门！还没有做的小伙伴就参考着这篇文章可以开始设计自己的课题了。

Elucidating the molecular pathways and immune system transcriptome during ischemia-reperfusion injury in renal transplantation
阐明肾移植缺血再灌注损伤的分子通路和免疫系统转录组

一.研究背景

缺血再灌注损伤（IRI）是肾移植的主要挑战。进行这项研究以探讨参与肾脏IRI的机制和潜在的分子靶标。

二.分析流程

三.结果解读

1.缺血和再灌注肾组织之间的DEGs的鉴定

作者从两个GEO数据集（GSE43974和GSE126805）收集到199对匹配的局部缺血和再灌注肾脏组织的样本数据。

图1A–B：GSE43974（图A）和GSE126805（图B）数据集中的缺血性肾脏组织和再灌注肾脏组织之间潜在差异表达基因的热图。

图1C–D：GSE43974和GSE126805数据集中的缺血性肾脏组织和再灌注肾脏组织之间潜在差异表达基因的火山图。显示了Top10显著差异的基因。

• 在GSE43974数据集中总共识别了77个DEGs（上调76个，下调1个）。

• 在GSE126805数据集中观察到323个DEGs（312个上调和11个下调）。

图1.差异表达的基因

2.DEGs的功能注释

图2A-B：分别对GSE43974和GSE126805数据集进行GO富集分析。

• 可以看到两个数据集在BP、CC、MF三项中最显著富集的功能通路是一致的。表明两个数据集之间具有良好的同质性和可靠性。

图2.GO分析

作者也进行了KEGG通路分析来研究相关的信号通路。

图3A-B：分别显示了来自GSE43974或GSE126805的DEG中显着富集的KEGG通路。

• 其中富集的“ MAPK信号传导通路”，“ Toll样受体信号传导通路”，“ NOD样受体信号传导通路”都是众所周知调控IRI机制的通路。

图3C：构建了蛋白质-蛋白质相互作用（PPI）网络。

• 从PPI网络分析中鉴定出10个hub基因（表S3）。

图3D：对筛选到的10个hub基因作KEGG富集分析。

• “ MAPK信号传导通路”是最显著富集的通路。

图3.KEGG通路富集和蛋白质-蛋白质相互作用网络分析

表S3.PPI网络分析筛选到的hub基因

3.GSEA和GSVA分析

图4A–B：热图分别显示了GSE43974数据集（A）和GSE126805数据集（B）样本富集的KEGG基因集的GSVA score。

• “NOD样受体信号通路”在两个数据集中显著富集。

图4C：再灌注组织中显著富集通路的GSEA分析。

• MAPK和NF-kb通路中的基因显著上调（MAPK和NF-kb通路中的基因也是“NOD样受体信号通路“的关键下游节点）。

图4.缺血和再灌注肾脏组织的GSVA和GSEA

4.免疫和基质细胞去卷积分析

作者使用xCell来确定IRI中涉及的细胞类型。

图5A–D：A-D依次分别为GSE43974数据集中淋巴细胞，髓样细胞，干细胞以及基质细胞的小提琴图。

图5.GSE43974数据集中的缺血和再灌注肾脏组织之间的64种细胞类型的xCell score

图6A–D：A-D依次分别为GSE126805数据集中淋巴细胞，髓样细胞，干细胞以及基质细胞的小提琴图。

图6.GSE126805数据集中的缺血和再灌注肾组织之间的64种细胞类型的xCell score

图7：对GSE43974数据集和GSE126805数据集中差异细胞类型取交集。

图7.VENN取交集

5.NOD样受体信号通路与免疫细胞的相关性

图8A：展示了与“NOD样受体信号通路”、“MAPK信号通路”、“NF-kb信号通路”显著相关的免疫细胞（表1）。

• 其中类转换B细胞和HSC（造血干细胞）具有更显著的相关性。

图8B–G：类转换B细胞和HSC，与“NOD样受体信号通路”、“MAPK信号通路”、“NF-kb信号通路”的相关性分析。

图8.关键通路与免疫细胞之间的相关性

表1.通路与免疫细胞之间的相关性

小结

 在文章中作者基于GEO获得的缺血和再灌注肾组织相关数据集，鉴定了缺血和再灌注肾组织的DEGs。其后通过GO、KEGG分析对DEGs作了功能注释。又通过GSVA和免疫浸润分析，发现NOD样受体信号传导通路是参与IRI反应的主要通路，并且该通路与特定免疫细胞类型的浸润之间有着密切的关系。