文献详解丨看完这篇就能轻松修炼衰老研究生信发文宝典!_免疫_相关...(文献 a)

原标题：文献详解丨看完这篇就能轻松修炼衰老研究生信发文宝典！

撰写： 生信小师妹 来源：小张聊科研平台的“ i生信”公众号，微信公众号搜索“ i生信”即可关注/扫描关注见文末

#生信分析# #衰老# #公共数据库# #泛癌#

前两天给大家分享了以衰老这一研究热点进行肿瘤预后研究（看13+文章如何利用大数据解析衰老在泛癌中的作用）和生殖障碍单细胞数据分析（简单实验搭配单细胞分析的高分文章！不学后悔）的研究思路，今天继续跟大家分享以衰老为切入点进行非肿瘤疾病的生信发文思路。文章题目：deciphering the endometrial immune landscape of rif during the window of implantation from cellular senescence by integrated bioinformatics analysis and machine learning.



研究背景

复发性植入失败（rif）仍然是一个持续的难题。据报道，约15%寻求体外受精（ivf）治疗的患者受到rif的折磨。细胞衰老表现为各种生物活性分子的显著分泌，包括活性氧、促炎细胞因子、趋化因子和生长因子，称为衰老相关分泌表型（sasp）。围着床期子宫内膜的细胞衰老与rif之间存在明显的联系。衰老细胞能够调节免疫微环境，并有助于各种疾病的病理机制的进展。然而，在rif疾病的背景下，对细胞衰老、免疫浸润微环境以及两者之间的联系的研究较少。

研究思路

从geo数据库中获得rif相关转录组数据，从细胞衰老（cellage）数据库获得细胞衰老相关基因，然后通过生信分析挖掘与细胞衰老相关的差异表达基因，探索其参与的生物学机制。然后基于机器学习进一步筛选rif疾病相关的特征基因，并探究了rif疾病与正常对照组间免疫浸润微环境的差异，以及特征基因与免疫浸润的相关性。最后还基于特征基因对rif样本进行分型。



研究结果

1.挖掘rif疾病相关细胞衰老特征基因

作者首先通过wgcna分析筛选与rif相关性最高的基因模块，并通过go/kegg分析其主要的生物学功能及通路。结果发现这些基因显著富集的通路与免疫及细胞命运的调节密切相关，暗示rif的病理机制与免疫异常和细胞命运的失调有关。

然后作者又进行差异表达分析，筛选到25个差异表达细胞衰老相关基因（degs），并探究了细胞衰老相关deg之间的相关性。结果发现ckb与gng11呈显著正相关，slc16a7与ckb呈显著负相关。接下来功能富集分析了解这些细胞衰老相关deg参与的生物学过程，发现这25个与细胞衰老相关的deg在衰老相关通路（如mtor信号通路、细胞衰老等）以及免疫炎症相关通路（如toll样受体信号通路、肿瘤坏死因子信号通路等）中显著激活。



2.机器学习方法筛选细胞衰老相关rif标志性基因

为了阐明细胞衰老相关deg的诊断价值，作者通过结合两种机器学习算法（svm-rfe和rf）获得了8个细胞衰老相关rif特征基因。并将这8个基因用于神经网络的构建，结果表明，这8个基因能够很好地区分rif样本和对照样本（训练集和测试集的auc值分别为1和0.678）。为了进一步评估这8个特征基因的诊断价值，作者通过roc曲线计算了这8个特征基因auc值（0.793到0.994），表明这些基因具有良好的诊断性能。



3.rif的免疫浸润特征及rif特征基因的组织定位和功能

为了进一步了解rif特征基因的组织定位和功能，作者基于biogps, human protein atlas和uniprot等数据库检索了这些基因的详细信息，发现多个基因在子宫组织和免疫细胞中表达。这正是它们参与细胞衰老，调节免疫活动，从而影响子宫内膜容受性的前提。

接下来作者探究了rif患者和健康对照组在免疫细胞、免疫功能、hla基因集和免疫检查点的表达谱上的差异。免疫浸润分析发现对照组和rif样本中免疫细胞具有显著异质性。免疫功能组间比较发现，rif组apc共刺激、溶细胞活性、促炎、mhc i类、i型干扰素应答功能均明显低于对照组。



4.基于rif特征基因进行疾病分型

作者基于8个rif特征基因的mrna表达谱，通过共识聚类分析将rif样本分为两个亚型（a和b）。为了解两种亚型间免疫浸润差异，作者采用ssgsea方法对免疫细胞和免疫功能的浸润水平进行了量化，并对人类白细胞抗原和免疫检查点基因集的表达谱进行了评估。结果表明，与a组相比，b组免疫细胞的数量明显减少。b组ap

c共抑制、apc共刺激等免疫功能明显下降。此外，作者还展示了两种亚型间不同hla的丰度差异和免疫检查点相关基因表达差异。总之，两种亚型间免疫微环境具有显著异质性。



研究结论

该研究首次基于生物信息学结合机器学习在分子水平上探讨了细胞衰老参与rif的病理机制，表明细胞衰老相关基因有望作为rif的新的诊断生物标志物。此外，该研究揭示了细胞衰老参与了种植窗期（woi）子宫内膜免疫微环境的调节，这为探索子宫内膜免疫异常的发病机制提供了一个突破性的方向。将细胞衰老与免疫微环境景观的调控结合起来揭示rif的致病机制，对于rif的研究是革命性的，在很大程度上弥补了rif免疫机制领域的空白。

原文链接：https://mp.weixin.qq.com/s/-noblntavh3nweu1ixlmnq返回搜狐，查看更多


责任编辑：