转录组数据获取与质量控制
获取不同气道区室的基因表达数据,确保数据质量可用于后续分析。
使用U133Plus 2.0 microarray对诱导痰细胞、支气管刷检、支气管活检和鼻刷样本进行基因表达谱分析。
Clinical Features of Cellular Senescence Pathways in Severe Asthma
基于U-BIOPRED和NOVA队列的转录组分析及GSVA验证,但缺乏直接细胞衰老表型的功能验证
U-BIOPRED队列患者支气管活检样本 NOVA队列患者支气管活检样本 U-BIOPRED队列鼻刷样本 诱导痰细胞样本
U-BIOPRED队列中SA(n=53)、MMA(n=28)、HV(n=26)支气管活检的SASP和p53 ES比较 NOVA队列中SA(n=42)、MMA(n=18)、HV(n=13)支气管活检的SASP和p53 ES验证 鼻刷样本中鼻息肉有无的SASP ES比较 GSVA计算p53(KEGG hsa04115)和SASP(Reactome R-HSA-2559582)基因集富集评分 多变量线性回归调整年龄、性别、吸烟包年、BMI等混杂因素
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。
获取不同气道区室的基因表达数据,确保数据质量可用于后续分析。
使用U133Plus 2.0 microarray对诱导痰细胞、支气管刷检、支气管活检和鼻刷样本进行基因表达谱分析。
评估p53和SASP通路在不同气道样本中的富集程度。
使用GSVA计算p53(KEGG hsa04115)和SASP(Reactome R-HSA-2559582)基因集的富集评分。
探索衰老通路富集评分与临床参数和哮喘相关基因特征的关联。
使用线性回归和多变量线性回归分析ES与临床参数的关系,使用Spearman相关分析ES与哮喘相关基因特征的关系。
探索SASP基因集内功能异质性及其与临床特征的关联。
使用STRINGDB蛋白互作数据和K-means聚类将SASP基因分组,计算各簇ES并进行关联分析。
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 |
|---|---|---|---|
| 转录组分析 | U133Plus 2.0微阵列芯片 | Affymetrix | -- |
| 数据分析 | Almac流程和预处理工具箱 | Almac | -- |
| 统计分析 | Stata 18.0版 | StataCorp | -- |
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 |
|---|---|
| 支气管活检转录组分析 | U-BIOPRED队列中SA(n=53)、MMA(n=28)、HV(n=26)的分组及样本量;NOVA队列中SA(n=42)、MMA(n=18)、HV(n=13)的分组及样本量 阅读提示:Methods 2.1 Participants和Results 3.1,Table 1 |
| GSVA分析 | p53基因集(KEGG hsa04115)和SASP基因集(Reactome R-HSA-2559582)的完整基因列表 阅读提示:Supplementary Table S1 |
| 临床参数关联分析 | 多变量线性回归中调整的混杂因素:年龄、性别、吸烟包年、BMI(支气管活检);年龄、性别、吸烟、哮喘、鼻息肉(鼻刷) 阅读提示:Methods 2.6 Data Analysis和Table 3 |
| SASP功能簇分析 | STRINGDB蛋白互作数据和K-means聚类的具体参数设置 阅读提示:Methods 2.5 Functional Clusters of SASP Gene Set |
| 鼻刷样本分析 | 鼻息肉定义(医生诊断史)及鼻刷样本的采集和处理方法 阅读提示:Methods 2.2 Participant Assessment和Results 3.4 |