最近有小伙伴反映收不到推送，因为公众号改了推送算法，现在需要加星标，多点赞、点在看，才能准时收到推送哦。
导语：脊髓损伤（SCI）是影响中枢神经系统的严重疾病。它以高残疾率和死亡的潜力为标志。研究表明，程序性细胞死亡（PCD）在SCI期间神经元细胞的死亡中起着重要作用。
作图丫不仅文章解读的好，课题做得也出色，已与国内多家知名医院的老师和名牌大学实验室达成合作。欢迎有生信分析需求的老师垂询，公共数据库数据挖掘或自测数据分析均可。
今天小编为大家带来的这篇文章，作者说明了PCD基因在SCI发展中的重要贡献。文章发表在《International Immunopharmacology》上，文章题目为：Analysis and validation of programmed cell death genes associated with spinal cord injury progression based on bioinformatics and machine learning。本研究从GSE189070数据集过滤了单细胞RNA测序数据，产生了17427个基因和44622个细胞。数据过滤结果由violin图显示(图1 A-D)。过滤的数据显示nFeature_RNA和nCount_RNA之间的正相关(图1E)。
本研究进一步使用UMAP图来显示不同细胞群的分布(图2A)。图2 B和2C显示了每种细胞类型的DEGs以及标记基因的分布。本研究分析了不同细胞类型中前100个标记基因的富集情况(图2D)。各种细胞分布的比例在不同的样本中有所不同(图2E)，在SCI患者中，小胶质细胞和星形胶质细胞的比例降低，巨噬细胞的比例增加(图2F)。随后在对照组和SCI组之间的差异分析显示，与对照组相比，SCI组中有77个基因上调，SCI组中有63个基因下调。
本研究融合了两个大量RNA-seq数据集，GSE5296和GSE47681(图3A和B)，并均质化了组合的数据(图3C和D)。差异表达分析结果由火山图证实，显示474个上调基因和11个下调基因(图3E)。基于差异表达分析的结果，本研究选择了20个具有最显著上调和下调的基因用于热图显示(图3F)。进行KEGG富集分析是为了更深入地了解DEGs的生物学意义。图3G显示了前5种途径及其相关基因之间的关系。
在去除PCD基因集中的重复基因后，本研究获得了7460个基因。本研究使用UMAP图将PCD基因的GSVA评分结果可视化，并基于PCD基因表达水平将它们分为高水平组和低水平组(图4A)。分析显示，与低水平组相比，高水平组中的样品具有明显较低比例的小胶质细胞和较高比例的巨噬细胞、单核细胞和少突胶质细胞(图4B)。此外，本研究分析了Msigdb数据库中hallmark通路的GSVA分数，并使用热图显示它们在亚组(高水平和低水平组)之间存在差异(图4C)。这一结果意味着具有较高PCD分数的细胞在其他恶性或生物学显著途径中也倾向于具有较高分数。本研究分析了上调和下调的sci相关基因与PCD基因的交叉(图5A和B)。结果显示，22个上调的DEGs被成功识别，但没有发现与下调的DEGs的交叉。图5C显示了BPs、CCs和MFs的DEG富集分析结果。KEGG富集分析显示，上调的DEGs与以下途径具有显著相关性:糖尿病并发症中的晚期糖基化终产物受体(AGE-RAGE)信号通路、缺氧诱导因子1 (HIF- 1)信号通路、病灶粘连、核苷酸结合寡聚化结构域(NOD)样受体信号通路、脂质和动脉粥样硬化以及磷脂酰肌醇-3-激酶-蛋白激酶B (PI3K-Akt)信号通路(图5C)。
本研究分析了22个DEGs在健康和SCI状态下的表达(图6)。通过展示火山图、热图和箱线图，观察到这22个deg在SCI中的表达水平普遍显著升高。
在研究中鉴定了五个特征基因（CTSD，ABCA1，CST7，CST7，CTSB和CYBB），并在预测SCI进展方面表现出极好的诊断功效（五个特征基因的曲线曲线下的面积为0.976，CTSD的0.993，0.993，对于0.993，对于0.993 CST7,0.986的ABCA1，CTSB的0.995，CYBB的0.959）。这些特征基因在SCI部位高度表达。免疫细胞浸润分析表明，多个免疫细胞参与SCI进展。本研究确定了与SCI相关的五个PCD基因（CTSD，ABCA1，CST7，CST7，CTSB和CYBB）。这项研究有助于揭示这些基因对SCI的病理生理影响，并为开发更有效的治疗提供了重要的见解。
码字不易，欢迎读者分享或转发到朋友圈，任何公众号或其他媒体未经许可不得私自转载或抄袭。由于微信平台算法改版，公众号内容将不再以时间排序展示，建议设置“作图丫”公众号为星标，防止丢失。星标具体步骤为：（2）点击右上角的小点点，在弹出界面选择“设为星标”即可。
