病原感染類疾病對于人類的健康和生活質量具有重大影響。病因源于微生物(例如病毒、細菌、真菌或者寄生蟲)感染。近多年來,這類疾病直接或間接的在人與人之間傳播。因此,研究控制這類疾病的發生發展具有重要價值!
病原感染引起的疾病有多種,包括腫瘤和非腫瘤疾病。腫瘤類疾病如人乳頭瘤病毒(HPV)引起的宮頸癌、乙型肝炎病毒引起的肝癌、幽門螺旋桿菌(HP)引起的胃癌等。非腫瘤疾病如新型嚴重急性呼吸綜合癥冠狀病毒2(SARS-CoV-2)引起的肺炎、結核分枝桿菌引起的肺結核、細菌感染引起的膿毒癥等。
在本期內容中,小編針對上述疾病匯總了部分生信分析套路(僅展示關鍵分析內容),思路清晰,全都是寶藏!快來看看你鐘意哪一款吧~
scRNA-seq與bulk RNA-seq聯合分析
1、以HPV感染的頭頸部鱗狀細胞癌(HNSCC)為例:


圖1:研究流程圖
- HPV+/HPV-組別生存時間差異
- scRNA-seq數據研究HPV在體內的感染(細胞分簇,尋找感染的腫瘤細胞)
- 篩選HPV+/HPV-腫瘤細胞間差異基因,并進行GSEA分析

圖2
- 利用TCGA bulk RNA-seq數據對差異基因進行篩選
- 單變量Cox回歸篩選風險負相關的相關基因
- 隨機森林篩選關鍵特征基因(特征基因在HPV+/HPV-組間、HPV+腫瘤細胞、TCGA隊列高低組間表達情況)
- KM生存分析、ROC曲線評估預測能力

圖3

圖4
以細菌感染的膿毒癥為例:

- 膿毒癥患者外周血scRNA-seq分析(UMAP圖、每個細胞簇top3 maker 基因熱圖展示、小提琴圖展示典型的免疫細胞標記基因在每個細胞簇中的分布)

圖1
- scRNA-seq及bulk RNA-seq中健康與膿毒癥患者間差異基因(紅色上調、藍色下調)
- scRNA-seq及bulk RNA-seq數據集差異基因取交集(hub-DEGs)
- hub-DEGs功能、通路富集分析(GO、KEGG)

圖2
- 基于hub-DEGs構建預后signature(LASSO、多因素Cox回歸、KM生存曲線、ROC曲線分析)

圖3
- 膿毒癥患者免疫細胞變化及藥物靶基因分析(scRNA-seq數據集中免疫細胞比例、免疫細胞類型在正常和膿毒癥人群中的比例分布及其差異、熱圖顯示不同臨床病理特征與免疫細胞景觀的相關性分析、小提琴圖顯示藥物靶基因在細胞簇中的表達、免疫功能相關藥物靶基因在高低危人群中的分布差異)

圖4
加權基因共表達網絡分析(WGCNA)
以甲型流感病毒感染為例:

- 基于加權基因共表達網絡分析識別與IAV感染顯著相關的模塊和基因

圖1
- 關鍵模塊和基因與感染時間和感染多樣性之間的相關性分析


圖2

圖3
目前對于腫瘤的生信分析套路已經非常成熟,發文門檻相對較高。但是對于非腫瘤疾病的研究還有余地,尤其是病原感染類疾病。除了上述介紹的思路之外,還有結合免疫浸潤分析、熱點基因集、機器學習等其它方向,輕輕松松搞定。有需求的小伙伴們可以掃碼咨詢哦~
病原感染個性化思路
掃碼咨詢