数据获取与预处理
获取PD和RA相关基因表达数据，为后续分析提供基础。
从GEO数据库下载PD和RA数据集，并进行标准化处理。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
免疫球蛋白重链恒定μ作为牙周炎和类风湿关节炎的共享基因：一项生物信息学分析
Immunoglobulin Heavy Constant Mu as a Shared Gene in Periodontitis and Rheumatoid Arthritis: A Bioinformatic Analysis
实验完整度
中该研究包含GEO数据集分析、机器学习模型、临床样本RT-qPCR和ELISA验证等实验层级，但缺乏功能实验和机制验证，且临床样本量较小。
主要模型
PD临床样本（GSE16134、GSE10334、GSE223924） RA临床样本（GSE12021、GSE55457、GSE55235） PD患者血液样本 RA患者血液样本
重点核对
RT-qPCR验证IGHM mRNA表达（临床样本N=15每组） ELISA验证IgM蛋白表达（临床样本N=15每组） IGHM表达与免疫细胞浸润的相关性（CIBERSORT分析） 转录因子IRF4和BHLHE41与IGHM表达的相关性
摘要
背景与目的：类风湿关节炎（RA）和牙周炎（PD）是两种具有共同免疫病理特征和共同炎症环境的炎症性疾病。本探索性生物信息学研究旨在产生关于PD和RA之间共享基因的假说。方法：利用PD和RA的基因表达综合（GEO）数据集。进行加权基因共表达网络分析（WGCNA）以鉴定与PD和RA相关的模块。进行差异基因表达分析以发现差异表达基因（DEGs），随后使用'clusterProfiler'进行功能富集分析。应用机器学习模型筛选靶基因。使用RT-qPCR和ELISA验证临床血液样本中免疫球蛋白重链恒定μ（IGHM）的表达。结果：通过将WGCNA模块基因与上调DEGs相交，我们鉴定出PD的17个候选基因和RA的37个候选基因。进一步应用三种机器学习模型（RF、SVM和GLM）来筛选这些候选基因。PD和RA候选基因的交集将IGHM确定为潜在的共享基因。值得注意的是，IGHM mRNA和蛋白在PD和RA患者临床血液样本中均表现出高表达水平。ROC曲线分析表明IGHM对PD和RA具有潜在的诊断价值。GSEA显示IGHM在两种疾病中均与B细胞受体、Th细胞分化和NF-kappa B信号通路相关。两个转录因子IRF4和BHLHE41的表达水平在PD和RA中均与IGHM显著正相关。免疫浸润分析显示，在PD和RA中，与IGHM低表达组相比，IGHM高表达组的适应性免疫水平显著更高，固有免疫水平更低，T细胞反应水平更低。结论：IGHM可能作为PD和RA的潜在共享基因，并可能作为反映两种疾病免疫反应的通用替代血浆/B细胞标志物。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 牙周炎和类风湿关节炎之间是否存在共享基因？
- 核心机制
- IGHM可能与B细胞受体信号、Th细胞分化和NF-kappa B信号通路相关，并可能反映B细胞/浆细胞相关的免疫活动。
- 主要证据
- 通过WGCNA、差异表达分析、机器学习模型筛选，并在多个GEO数据集及临床血液样本中验证了IGHM在PD和RA中的高表达。
- 研究意义
- IGHM可能作为PD和RA的潜在诊断生物标志物，以及反映免疫应答的通用替代血浆/B细胞标志物。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
加权基因共表达网络分析（WGCNA）
识别与PD和RA相关的基因模块。
对PD数据集GSE16134和RA数据集GSE12021分别进行WGCNA，确定软阈值，构建共表达网络，识别与疾病相关的模块。
差异基因表达分析
找出PD和RA中差异表达的基因。
使用limma包分别比较PD与正常、RA与正常的基因表达，获得DEGs。
候选基因筛选与功能富集分析
筛选候选基因并了解其生物学功能。
将WGCNA模块基因与上调DEGs取交集，获得候选基因，并进行GO和KEGG富集分析。
机器学习模型筛选共享基因
基于候选基因预测疾病状态，并筛选关键基因。
使用随机森林（RF）、支持向量机（SVM）和广义线性模型（GLM）三种模型，以候选基因为变量，以疾病状态为响应变量，评估基因重要性，并取交集。
IGHM表达验证
验证IGHM在PD和RA中的差异表达及诊断价值。
在多个GEO数据集及临床血液样本中检测IGHM表达，并进行ROC分析。
功能通路和上游调控分析
探究IGHM相关的信号通路及上游转录因子调控。
基于IGHM表达分组，进行GSEA和DO分析；预测转录因子结合位点，并分析与IGHM表达的关联。
免疫浸润分析
评估IGHM表达与免疫细胞浸润的关系。
使用CIBERSORT算法计算22种免疫细胞的相对比例，比较IGHM高、低表达组之间的差异。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
分析免疫细胞浸润
统计分析与可视化
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| RNA提取 | RNAprep Pure 高效血液总RNA提取试剂盒 | Tiangen Biotech | DP443 |
| 逆转录 | Evo M-MLV逆转录预混试剂盒 | Accurate Biotechnology | AG11728 |
| RT-qPCR | SuperStar 通用SYBR预混液 | CWBIO | CW3360M |
| SLAN 96S实时荧光定量PCR仪 | Hongshi | -- | |
| ELISA | 人IgM ELISA试剂盒 | Multi Sciences | EK176 |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| WGCNA分析 | 数据集（GSE16134用于PD，GSE12021用于RA），软阈值β（PD：12，RA：7），模块识别标准（与疾病相关性P值最小的模块）。 阅读提示：Methods: Weighted gene coexpression network analysis (WGCNA) |
| 差异基因表达分析 | 阈值：|Log2FC| > 2，P.adjust < 0.05。 阅读提示：Methods: Differential gene expression analysis and functional enrichment analysis |
| 机器学习模型 | 模型类型（RF, SVM, GLM），数据标准化（中心化和缩放），模型评估指标（AUC），最优模型选择标准（ARC）。 阅读提示：Methods: Screening target gene by machine learning models |
| 临床样本收集 | 样本量（PD=15，RA=15，健康对照=15），样本来源（Department of Rheumatology, Physical Examination Centre, and Department of Chest Medicine, Zibo First Hospital），伦理审批号（YXLL20230710）。 阅读提示：Methods: Clinical samples |
| RT-qPCR | 引物序列（IGHM和β-actin），PCR程序（95°C 30s初始变性，40个循环95°C 10s和60°C 30s），内参基因（β-actin），相对定量方法（2^-ΔCt）。 阅读提示：Methods: RT-qPCR assay |
| ELISA | 血清分离条件（1000×g离心10分钟），试剂盒（Human IgM ELISA Kit, EK176），检测波长（450nm）。 阅读提示：Methods: Enzyme-linked immunosorbent assay (ELISA) |