发表杂志：Oxidative Medicine and Cellular Longevity
影响因子：7.3
关于非肿瘤生信，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
目前非肿瘤生信发文的门槛较低，有需要的朋友患者添加小编咨询
生信分析咨询
请关注“生信小课堂”，全网同名
研究背景：
纤维肌痛(FM)是一种以弥漫性弥散性骨骼肌疼痛为主要特征的慢性非关节性风湿性疾病，症状多样，包括焦虑、睡眠障碍和疲劳。由于其病因病机不明，在临床实践中容易被忽视，导致诊断不清，治疗困难。本研究旨在探讨AKAP12和RNF11是否可作为FM诊断的生物标志物，并确定其与免疫浸润的相关性。下载基因表达综合(GEO)数据库中的FM数据集，随机分为训练集和测试集。筛选差异表达基因(DEGs)，进行功能相关性分析。采用随机森林(RF)法筛选和验证FM诊断标志物。采用最小绝对收缩和选择算子(LASSO) logistic回归算法评估FM患者外周血中免疫细胞浸润情况。最后，利用Spearman秩相关分析确定诊断指标与免疫细胞浸润的相关性。共选取69个DEGs。结果表明，AKAP12和RNF11可作为FM的诊断标志物，CD8 + T细胞可能参与FM的发病机制。AKAP12与CD8 + T细胞呈正相关，RNF11与CD8 + T细胞呈负相关。综上所述，AKAP12和RNF11可作为FM的诊断指标，CD8 + T细胞可能参与了FM的发生发展。
研究流程图：
研究结果
一、DEGs的识别。火山图谱显示了DEGs(图1)。与健康对照组相比，FM患者有26个DEGs上调，43个DEGs下调。
二、功能富集分析
1、GO分析结果显示，DEGs主要与病毒防御反应、病毒基因组复制调控、I型干扰素(IFN)信号通路以及细胞对I型IFN的反应有关(图2(a)和2(b))。
2、KEGG富集分析提示单纯疱疹病毒1型(HSV-1)感染的map05167通路可能是FM患者与健康对照组相比发生改变的生物学通路(图2(c)和2(d))。
三、诊断标记的筛选与验证
1、使用随机森林算法从DEGs中筛选出4个基因作为FM的诊断标记(图3(a))，并绘制ROC曲线(图3(b))。
2、LASSO回归算法筛选出19个DEGs(图3(c)和3(d))。
3、结合基因观察到，当CCR9与RNF11结合时(AUC = 0:643)， AKAP12与IL3RA结合时(AUC = 0:617)， AUC也大于0.6，ROC曲线验证候选基因的诊断效果(图4)。
四、FM中免疫细胞浸润及其与诊断标志物。
1、对FM患者血液中22组免疫细胞的相关性进行了评估(图5 (a))。
2、用Wilcoxon检验评价FM患者与对照组外周血免疫细胞浸润的显著差异。图5(b)显示了FM患者与健康对照组外周血中不同的免疫细胞占用情况。与对照组相比，FM患者的CD8+ T细胞明显减少，证实了在FM免疫微环境中减少这种细胞类型的重要性。
3、4个有效的生物标志物(AKAP12, CCR9, IL3RA和RNF11)和一个显著差异免疫细胞(CD8+ T细胞)之间的相关性如图6(a)所示。
4、相关分析显示，AKAP12与CD8+ T细胞呈正相关，RNF11与CD8+ T细胞呈负相关(图6(b)和图6(c))。
**总结：
**本研究创新地采用基于当前样本的机器学习方法对FM的诊断标记进行筛选和验证，需要进一步改进预测算法。应用CIBERSORT分析了免疫细胞在FM患者外周血中的浸润情况。生物信息学分析证实外周血RNF11和AKAP12可作为FM的诊断标志物。此外，CD8 + T淋巴细胞可能在FM的发生发展中发挥作用，并与RNF11、AKAP12显著相关。因此，本研究可能为FM的诊断提供一个新的视角，特别是从免疫细胞和免疫调节方面。
