Science推荐的三级淋巴结构，你get到巨简单的生信分析+巨简单的实验发7+的非肿瘤研究生信文章

今天就跟大家分享一篇巨简单的生信分析+巨简单的实验发7+的非肿瘤研究生信文章，看完直呼：我也行！

文章题目：Identification and Clinical Validation of Key Extracellular Proteins as the Potential Biomarkers in Relapsing-Remitting Multiple Sclerosis

研究背景

复发型多发性硬化症(RRMS)是一种由自身免疫介导的中枢神经系统脱髓鞘疾病。目前对RRMS的诊断和预后尚无客观的临床指标，细胞外蛋白糖基化程度最高，有可能进入体液中作为潜在的生物标志物。

研究目的

基于RRMS患者脑组织样本的生信分析探索自身免疫性疾病发病机制、识别疾病生物标志物和发现治疗靶点。

研究思路

研究结果

（1）筛选差异表达胞外蛋白基因

差异分析筛选到540个差异表达基因，再基于公共文库中注释的胞外蛋白基因，进一步筛选出差异表达的胞外蛋白基因133个，其中87个上调，46个下调。

（2）探究EP-DEGs的功能及蛋白互作关系

对差异表达胞外蛋白基因（EP-DEGs）进行功能富集分析，GO富集显示EP-DEGs具有细胞外基质、信号受体激活剂活性、受体-配体活性以及对细胞粘附过程的正调节作用。KEGG富集分析显示EP-DEGs主要富集于某些炎症途径、补体途径和细胞分裂素受体途径以及PI3K-Akt信号通路。

（3）蛋白互作网络筛选hub基因

利用String数据库构建了133个EP-DEGs的PPI网络，再通过使用Cytoscape软件对整个PPI网络进行可视化，利用CytoHubba插件的10种拓扑方法筛选到4个共有的hub基因。最后ELISA实验检测脑脊液标本中Del-1、IL17A和ResolvinD1的蛋白表达水平，其中IL17A在疾病组表达下调，Del-1和ResolvinD1表达上调。

（4）探究DEL-1作为疾病诊断标志物的效能和生存分析

为探讨Del-1在RRMS诊断和预后中的预测作用，采用ROC曲线和生存分析的方法，对Del-1在RRMS诊断和预后中的作用进行了研究。Del-1对RRMS的诊断准确率较高(AUC=0.947)。然后基于Del-1表达将RRMS患者分为高低组并进行生存分析，结果发现两组间患者生存具有统计学差异，Del-1低表达组患者生存更差（这个结果其实有些小尴尬）。

小编有话说

有没有觉得这篇文章的分析方法很简单，能发7+小编以为研究切入点选的好是一个加分项。作者为什么选择胞外蛋白基因作为研究切入点呢？因为细胞外蛋白糖基化程度最高，而糖基化异常会影响多种疾病的发生发展（什么是糖基化，点击见该研究热点详解）。另外，胞外蛋白有可能进入体液中，是很好的潜在疾病诊断生物标志物。

该说不说，这篇文章有个小bug，文章中重要的研究结论就是Del-1在疾病组中高表达，可作为疾病诊断标志物。但是最后的生存分析发现，Del-1高表达组患者比低表达组生存预后更好。这个结果其实很容易受到审稿人质疑的：Del-1究竟是促疾病进展还是抑制疾病进展呢？小编想提醒大家，不是生信分析结果越多越好，也不是所有的生信分析结果都是好的结论，在文章写作时要有的放矢展示分析结果。

如有侵权，请联系本站删除！