共病+机器学习+分子对接，想做共病思路的可作为模版！！

‍

导语

今天给同学们分享一篇生信文章“The shared mechanism and potential diagnostic markers for premature ovarian failure and dry eye disease”，这篇文章发表在Sci Rep期刊上，影响因子为3.8。

结果：

全球环境展望信息

从 GEO 中筛选出与 DED 和 POF 相关的数据集，获得符合研究条件的基因芯片数据集GSE44101（微阵列平台GPL1261）、GSE39501（微阵列平台GPL6887）、GSE171043（微阵列平台GPL28441）和GSE48873（微阵列平台GPL13607）。这些数据集包含正常样本和疾病样本。经过筛选，作者选择了与 DED 相关的数据集GSE44101进行分析，并选择了GSE171043进行验证；选择了与 POF 相关的数据集GSE39501进行分析，并选择了GSE48873进行验证。

DED 和 POF 的加权基因共表达网络分析（WGCNA）

对GSE44101和GSE39501数据集的数据进行预处理后分析，得到样本聚类。选取β值分别为20和9作为构建共表达网络的软阈值（图2A, B），满足以下条件：①无标度拟合指数˃ 0.8；②网络的平均连通性良好；③网络符合非标度拓扑网络分布。模块识别采用动态切树算法和合并相似模块的方法。模块内的基因组高度相关。最终的GSE44101数据集获得了 33 个模块，GSE39501数据集获得了 50 个模块（图2C、D）。将GSE44101和GSE39501数据集的模块与样本的临床特征（治疗和对照）相关联，并将 MM 阈值设为 0.8，GS 阈值设为 0.1，权重阈值设为 0.1，作者发现GSE44101数据集 darkolivegreen4 模块与组织的临床特征高度相关（r = 0.99，P= 0.00）。因此，作者选择了绿色的GSE44101数据集 darkolivegreen4 模块和GSE39501数据集 deeppink1 模块进行进一步的关键基因筛选分析。通过分析 WGCNA，考虑到 DED 和 POF 的交集，得到了 151 个共表达基因（图4A）。

DED 和 POF DEGs 分析

GSE44101和GSE39501的差异基因表达分析显示，GSE44101 中有 1089 个 DEGs，其中 553 个基因上调，536 个基因下调。在GSE39501 中发现了 166 个 DEGs，其中 131 个基因上调，35 个基因下调（图3）。如图4B和 C 所示，GSE44101和GSE39501有 10 个共同的 DEGs，其中 9 个基因上调，即BC048546、LCN2、LTF、PADI1、HDC、PLVAP、GNG13、S100A8 和 C3，1 个基因下调，即 MFAP4。

富集分析和功能注释

在合并和剔除重复基因后，结合从 WGCNA 和差异表达基因分析中获得的所有基因，得到了 158 个 DED 和 POF 合并基因。使用 R 对基因进行了富集，以进一步明确筛选出的基因的功能及其在信号通路中的作用。结果表明，所发现的基因主要富集在DNA复制、细胞周期、糖基磷脂酰肌醇（GPI）锚生物合成、恰加斯病（美洲锥虫病）、TNF信号通路、利什曼病、卡波西肉瘤相关疱疹病毒感染、IL-17信号通路中、如图 5 所示，其主要基因的功能主要体现在染色体、染色体部分、细胞周期、染色体区、染色体、着丝粒区、有丝分裂细胞周期、浓缩染色体、着丝点、浓缩染色体着丝点、浓缩染色体、着丝粒区。

PPI 网络构建和模块分析

将从 WGCNA 和差异表达基因分析中获得的基因导入 STRING10.0 数据库，并将物种设为 "智人"，以获得 DED 和 POF 的共病基因。如图6A所示，利用 PPI 对这些基因进行了分析，筛选出了关键的共病基因。使用分子复合体检测（MCODE）插件提取了两个密切相关基因的聚类模块（图6B、C）。聚类 1 包含 7 个节点和 19 条边。聚类 2 包含 10 个节点和 32 条边。

中心基因的选择和分析

此外，使用 CytoHubba 插件以 MCC、MNC 和 Degree 值为参考标准进行网络分析，发现了 15 个关键的枢纽基因，包括 CDC20、BIRC5、PLK1、CDCA8、TOP2A、MCM5、MCM6、MCM7、MCM2、CENPA、FOXM1、GINS1、TIPIN、MAD2L1 和 CDCA3（图6D、E、F）。随后，作者利用 GeneMANIA 数据库评估了共表达网络和枢纽基因的相关作用。网络结果显示，共表达占 46.7%，物理相互作用占 22.85%，预测占 18.15%，通路占 5.39%，共享蛋白结构域占 2.51%，遗传相互作用占 2.27%，共定位占 2.14%（图6G）。

中心基因表达的验证

利用 POF 相关数据集GSE48873和 DED 相关数据集GSE171043 验证了 15 个关键基因的表达水平。对数据集的每个子集进行了 t 检验。显著性水平设定为P<0.05。在此，作者发现在另一个 POF 相关数据集中表达了 PLK1、CDCA8、TOP2A、MCM5、MCM6、MCM2、CENPA、MCM7、TIPIN、GINS1、MAD2L1、CDCA3、BIRC5、FOXM1 和 CDC20，其中 MCM7、TIPIN、GINS1 和 MAD2L1 的表达水平明显更高（P< 0.05），而 CDC20 表达水平明显较低（P< 0.05），如图7 所示。此外，在另一个 DED 相关数据集中，CDC20、PLK1、TOP2A、MCM5、MCM6、MCM7、MCM2、CENPA、FOXM1、GINS1、TIPIN、MAD2L1、CDCA3 和 CDCA8 也有表达（图8）。因此，我们假设 CDC20、CDCA8、PLK1、TOP2A、MCM5、MCM6、MCM7、MCM2、CENPA、FOXM1、GINS1、TIPIN、MAD2L1 和 CDCA3 在 POF 和 DED 中同时存在。TIPIN、GINS1、MAD2L1 和 CDC20 也有不同程度的表达。

识别常见的 RNAs，构建微 RNAs (miRNAs) - 长非编码 RNAs (lncRNAs) 共享基因网络

研究人员从 miRanda、miRDB 和 TargetScan 这三个数据库中找出了与 DED 和 POF 相关的 210 个 miRNA 和 296 个 lncRNA。利用 SpongeScan 数据库匹配 miRNA，获得相应的 lncRNA 数据。通过将这些非编码 RNA 与共享基因相交，构建了 miRNA-lncRNA-基因网络。该网络由 57 个 lncRNA、174 个 miRNA 和一些常见基因组成，包括 14 个中心基因（BIRC5、FOXM1、CDCA8、CDCA3、MCM6、CENPA、TOP2A、MAD2L1、PLK1、MCM5、TIPIN、MCM2、GINS1 和 MCM7）（图9）。

药物预测和药物基因相互作用分析

利用 DGIdb 数据库进行预测，共得到 293 种预测药物，其中 BIRC5 对应 36 种预测药物，PLK1 对应 176 种预测药物，TOP2A 对应 80 种预测药物。作者构建了一个药物-基因相互作用网络（图10A），发现盐酸依达比星和 myricetin 是 TOP2A 和 PLK1 的常见候选药物。多柔比星、氟尿嘧啶、紫杉醇、表柔比星、喜树碱和染料木素是常见的 TOP2A 和 BIRC5 候选药物。根据上述研究，作者在排除抗肿瘤药物后，根据相互作用得分对这些药物进行了筛选。表1 列出了各枢纽基因相互作用得分最高的药物。其中，BIRC5 预测药物为缬癸昔布，PLK1 预测药物为amorfrutin A，TOP2A 预测药物为山柰素。中枢基因与预测药物之间的分子对接显示，中枢基因与对应药物的结合能小于0，表明两者可以自发结合。一般认为，能量越低，配体与受体的结合构象越稳定，发挥作用的可能性越大。分子对接结果分析表明，BIRC5 与缬癸昔布的结合能最低（- 5.51 kJ/mol），表明配体与受体的构象最稳定。对接结果见图10B、C、D。

建立机器学习模型

利用最小绝对收缩和选择算子（LASSO）回归算法和支持向量机递归特征消除（SVM-RFE）分析法，对这 15 个已识别基因进行了潜在标记物的发掘（图11）。在对GSE39501 中的枢纽基因进行 LASSO 回归算法分析时，CDC20、CDCA3、MCM5、PLK1 和 TOP2A 这五个特征基因被认为是与样本显著相关的特征基因。同样，在GSE44101 中，MAD2L1 和 TIPIN 这两个特征基因也被认为是特征基因。值得注意的是，在 SVM-RFE 分析中，GSE39501和GSE44101中的所有枢纽基因都被认定为特征基因。作者将这两个结果结合起来进行了中枢基因的接收者操作特征（ROC）分析，结果显示 CDC20、CDCA3、MCM5、PLK1、TOP2A、MAD2L1 和 TIPIN 作为特征基因具有良好的诊断性能，曲线下面积（AUC）为 1。

总结

DED 和 POF 的病理生物学涉及错综复杂的多因素相互作用，包括一系列基因靶点、通路、信号模式和调控框架。这些因素相互作用复杂，往往是双向的，既有协同作用，也有拮抗作用。包括 CDC20、BIRC5、PLK1、CDCA8、TOP2A、MCM5、MCM6、MCM7、MCM2、CENPA、FOXM1、GINS1、TIPIN、MAD2L1 和 CDCA3 在内的共轭基因，其过程包括 DNA 复制、细胞周期和 IL-17 信号通路，是这一生物镶嵌的核心，在催化一系列关键实体的生物合成方面起着关键作用。CDC20、MAD2L1 和 TIPIN 是这组基因中的焦点，它们与异常凋亡和衰老密切相关。这些基因的功能，无论是在激活还是抑制代谢途径方面，都是 DED 和 POF 发病机制中不可或缺的代谢多功能性的象征。

往期推荐

纯生信选刊

非肿瘤生信

预后模型

单基因生信

单细胞系列