生信小课堂
影响因子：7.3
研究概述：
阿尔茨海默病（AD）是一种与衰老密切相关的不可逆的神经退行性疾病，发病机制复杂且多因素。越来越多的证据表明免疫浸润在AD中有重要作用。本研究旨在识别免疫浸润相关基因，并探索其在AD中的诊断价值。作者通过分析全面的基因组数据、转录组谱和免疫细胞特征，利用生物信息学方法来发现与AD免疫失调相关的新型遗传标记和分子途径，基于这些Hub基因构建了有效的列线图诊断模型，并预测了靶向这些基因的化学药物用于AD治疗。
于非肿瘤生信，我们也解读过很多，主要有以下类型
1 单个疾病WGCNA+PPI分析筛选hub基因
2 单个疾病结合免疫浸润，热点基因集，机器学习算法等
3 两种相关疾病联合分析，包括非肿瘤结合非肿瘤，非肿瘤结合肿瘤或者非肿瘤结合泛癌分析
4 基于分型的非肿瘤生信分析
5 单细胞结合普通转录组生信分析
研究结果：
一、鉴定AD训练队列中的 DEGs
GSE85426、GSE63060和GSE63061(图1A)的批量效应首先通过R中的“sva”封装消除(图1B)。将处理后的3个数据集合并为AD训练队列，在AD (N = 374)和对照(N = 328)样本中共鉴定出404个基因，包括234个下调基因和170个上调基因，显示在火山图(图1C)和热图(图1D)中。
**二、鉴定AD中与关键浸润免疫细胞相关的DEGs **
1. (图2A) 使用CIBERSORT计算AD组和对照组中22个免疫细胞的比例：与对照相比，AD患者的静息NK细胞、M0巨噬细胞、活化骨髓树突状细胞、静息肥大细胞的比例显著增加，而CD8+ T细胞、静息记忆CD4+ T细胞、γ δ T细胞和M2巨噬细胞的比例较低，表明这些differentially
infiltrated immune cells (DIICs)是AD的关键免疫细胞。
2. 作者检测到277个DEG与这些DIIC显着相关。功能分析显示，DIICs相关的DEGs显着富集为26个GO项（图2B，如SRP依赖性共翻译蛋白靶向膜，核转录mRNA分解代谢过程，无义介导的衰变，翻译）和8种KEGG通路（图2C，包括核糖体、氧化磷酸化、亨廷顿病、阿尔茨海默病、帕金森病、非酒精性脂肪性肝病、蛋白酶体和心肌收缩）。
3. 图2D的PPI网络揭示了DIIC相关DEG之间的密切相互作用。
三、WGCNA进一步筛选DIIC相关DEGs
1. 在WGCNA中共分析277个DIIC相关DEGs，选择软阈值为5，在R2 = 0.9时构建无标度网络(图3A)，通过图3B的Dynamic TreeCut识别出7个模块，图3C的多维尺度分析显示同一模块的基因分布在同一区域。接着将DIIC相关的DEG投影到这些模块，Fisher的精确测试表明它们在蓝色，棕色，绿色和红色模块中显著富集。
2. 图3D的模块-性状相关性分析表明：
蓝色模块与静息记忆CD4 T细胞（cor=0.35）和δγ-T细胞（cor=0.39）正相关；
棕色模块与M0巨噬细胞(cor=-0.35)负相关；红色模块与CD8 T细胞（cor = -0.47）负相关；
绿色模块与M0巨噬细胞（cor=0.49）正相关，与CD8 T细胞（cor=-0.33）、静息记忆CD4 T细胞（cor = -0.32）、δγ T细胞（cor = -0.34）、M2巨噬细胞（cor = -0.3）负相关；
3. 因此作者使用蓝色模块中的118个、棕色模块中17个、绿色模块中30个和红色模块中12个DIIC相关DEGs进行下游分析。
四、AD中DIIC相关诊断模型的构建与验证
1. 采用不同的机器学习方法来筛选AD中的DIIC相关生物标志物：使用RFE鉴定出 16个候选基因 (图4A)，通过LASSO提取了37个候选生物标志物(图4B)，使用RF算法鉴定出46个基因(图4C)。
2. 最终获得10个重叠基因作为AD的稳健生物标志物。在训练集（图5A）中，除DDIT4外，其他9个基因在AD中的表达均较对照组显著降低。此外这10个基因在测试集(图5B)的表达趋势相似，CMTM2、DDIT4、LDHB、NDUFS5、RPL21基因的表达差异显著。
3. 本研究还纳入6例阿尔茨海默病患者和6例健康对照，通过外周血qPCR验证，这些基因的表达趋势与上述生信分析结果一致(图6)。
4. 图7A是基于这10个基因构建的列线图。图7B的决策曲线显示，与其他单一生物标志物模型相比，患者从组合列线图模型中获得的收益最高。图7C、D在测试队列中进一步证明了组合列线图模型的有效应用。
5. 在CTD数据库中筛选了与特征性免疫DEG相关的化学药物，共鉴定出4-羟基-2烯醛、罗格列酮、白藜芦醇、秋水仙碱等28种化学物质，构建了由94对化学-生物标记物组成的化学-生物标记物网络(图8，方形代表特征基因，黄圈代表AD相关化学物质的小分子)。
研究总结：
本文使用CIBERSORT，WGCNA和机器学习的综合分析，首次在AD中确定了10种免疫浸润相关生物标志物，并构建可靠的诊断列线图和候选化学物质，在基因水平上提高了对免疫细胞与AD之间关系的理解，并为AD患者的治疗提供指导。
