参与者招募与临床表征
建立哮喘患者和健康对照队列,进行完整的临床评估。
纳入ARMS研究中26例哮喘患者和28例健康对照,进行肺功能、诱导痰、鼻刷检和支气管刷检等评估。
Nasal Airway Transcriptome Reflects Selected Asthma-Associated Gene Signatures in the Lower Airways
包含RNA-seq、DEG、WGCNA、GSVA及独立队列验证,但无功能或机制实验验证。
ARMS研究中26例哮喘患者和28例健康对照的鼻刷检和支气管刷检样本 ATLANTIS研究中369例哮喘患者和58例健康对照的鼻刷检样本
ARMS研究中支气管刷检DEG分析:FDR < 0.05,校正年龄和性别 ARMS研究中鼻刷检DEG分析:名义p值 < 0.05且与支气管DEG效应方向一致 ATLANTIS验证:鼻刷检DEG分析校正年龄、性别和吸烟状态,p值 < 0.05 WGCNA模块GSVA评分在ARMS支气管和鼻刷检及ATLANTIS鼻刷检中的比较 细胞类型解卷积:使用CIBERSORTx和HLCA参考,排除平均估计丰度低于3%的细胞类型
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立哮喘患者和健康对照队列,进行完整的临床评估。
纳入ARMS研究中26例哮喘患者和28例健康对照,进行肺功能、诱导痰、鼻刷检和支气管刷检等评估。
获取支气管和鼻刷检样本的转录组数据。
使用NEBNext Single Cell/Low Input RNA Library Prep Kit构建文库,在Illumina NovaSeq 6000平台测序,进行质控、比对和基因水平定量。
鉴定支气管刷检中哮喘相关基因。
使用edgeR进行DEG分析,校正年龄和性别,FDR < 0.05。
识别与哮喘相关的基因共表达模块。
应用WGCNA鉴定支气管刷检中的哮喘相关模块,计算模块特征基因并与哮喘状态相关。
评估哮喘相关基因和模块在鼻刷检中的活性并验证。
使用GSVA计算支气管和鼻刷检中基因和模块的复合评分,比较哮喘与健康对照,并在ATLANTIS中验证。
评估哮喘和健康对照之间细胞组成的差异。
使用CIBERSORTx和HLCA单细胞参考进行细胞类型解卷积,比较估计的细胞比例。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| RNA-seq文库制备 | NEBNext单细胞/低输入RNA文库制备试剂盒 | New England Biolabs | E6420L |
| RNA-seq测序 | Illumina NovaSeq 6000测序平台 | Illumina | -- |
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 |
|---|---|
| 参与者招募与临床表征 | 哮喘诊断标准、停药时间、健康对照纳入标准、样本量 阅读提示:参见Methods 2.1和Table 1 |
| RNA测序与数据处理 | 文库制备试剂盒、测序平台、测序深度、比对和定量工具及版本 阅读提示:参见Methods 2.2 |
| 差异表达基因分析 | 统计方法、校正变量、FDR阈值、鼻刷检分析名义p值 阅读提示:参见Methods 2.3 |
| WGCNA模块鉴定 | 网络构建参数、模块识别标准 阅读提示:参见Methods 2.4和Supporting Information |
| GSVA验证 | GSVA评分计算、统计检验方法、验证队列 阅读提示:参见Methods 2.5 |
| 细胞类型解卷积 | 参考数据集、输入数据标准化、排除阈值 阅读提示:参见Methods 2.6 |