听好多朋友说非肿瘤生信好难做啊~数据很少，何况大多数没有临床信息，有时候连个简单构建ceRNA模型也不行。小编也遇到同样的烦恼，虽然老板手中也有血样，但自己先通过挖掘仅有的数据库里信息，提高数据挖掘能力，让老板看到你的潜力，放心把自己的大项目交给你手中，也是一种本事哦~
小编在查文献过程中，发现一篇近期发表在Diagnostics的非肿瘤生信文章，结构非常清晰，涉及样本数量也不多，也没有用到临床信息，非常适合我们学习哦~
文章链接：
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7151
处理：去批次效应和归一化处理
结果：合并GSE55235和GSE55457两个数据集，并使用“SVA”R包消除批间差异，利用Q-Q图显示消除批间差异的效果（图1）。接下来对数据进行归一化处理，PCA聚类图显示两组数据处理后聚类更加明显，证明数据来源是可靠的，能继续进行下面的差异分析（图2 A-B）。
图1 Q-Q图。红线表示GSE55235数据分布的密度图，黑线表示GSE55457数据分布的密度图，黑圈表示对应于相同累积概率的分位数
图2 样本校正前后的PCA图和差异基因的火山图
结果：GO分析结果表明，DEGs主要与白细胞迁移、对外界刺激反应的正调节、细胞趋化性和白细胞迁移有关。DO分析结果表明，DEGs富集的疾病主要包括慢性淋巴细胞白血病、骨关节炎、胰腺疾病和类风湿性关节炎（图3）。
图3 GO和DO富集结果
GSEA结果表明，富集的通路主要涉PD1信号和ZAP-70向免疫突触通路的移位（图4）。
图4 GSEA结果
结论：以上结果提示免疫反应在OA发病中起着重要的作用。
结果：使用LASSO 回归算法从DEGs识别出14个基因作为OA的诊断标志物；使用SVM-RFE算法识别出7个基因作为诊断标志物（图5A-B）。将两者取交集最终得到2个诊断标志物：GRB10，E2F3（图5C）。为了进一步检验两个基因的诊断效能，用GSE51588数据集进行验证，结果显示两个基因的诊断效能具有较高水平（AUC=0.962），暗示GRB10，E2F3有较高的诊断价值（图5D）。
图5诊断标志物的筛选与验证
结果：从PCA聚类图可看出OA和正常样本间的免疫细胞浸润水平是有差异的（图6A）。从相关性热图得知活化的NK细胞、活化的树突状细胞和嗜酸性粒细胞呈显著正相关，静息CD4记忆T细胞与活化的肥大细胞也呈正相关，静息CD4记忆T细胞与调节性T细胞呈负相关，活化的NK细胞与静息肥大细胞呈负相关（图6B）。小提琴图结果显示与正常对照组相比，调节性T细胞和静息肥大细胞浸润较多，而静息CD4记忆T细胞、活化NK细胞、活化肥大细胞和嗜酸性粒细胞浸润较少（图6C）。
图6 免疫细胞浸润结果
图7 GRB10、E2F3与免疫浸润细胞的相关性分析
这篇文章的亮点就在于在求出很多个DEGs的情况下，通过LASSO回归和SVM-RFE算法的结合，使差异基因进一步缩小范围到2个，后面再结合免疫浸润细胞进行分析，这样的诊断模型更具有临床意义。其实，如果数据集中包含临床信息，做WGCNA，COX回归缩小基因数量也不失为一个好方法哦！
