影响因子7.5，接收率高达90%！真的可以一投就中的期刊！不信？一起来分析这篇机器学习+单细胞分析的纯生信文章，这波是福利局！

随着2024最新影响因子的出炉Chinese Medical Journal（《中华医学杂志英文版》）可谓是稳定发挥，影响因子为7.5，想发表生信文章的老师们，不妨关注一下这个既被SCI核心版收录、又拥有百年历史的期刊。

作为国产SCI，其编委会成员90%以上都是中国学者，国人非常友好，每年中国作者载文量占比92.827%。期刊质量在线，审稿周期中规中矩，目前为中科院3区，JCRQ1区。最主要是目前对纯生信文章友好，这可不就更适合咱生信人了嘛！

那咱要想在这本期刊上投稿并发表需要怎么做呢？就请跟着小森一起来分析学习这篇IF6分+的非肿瘤生信分析文章吧~

该文章的作者主要采用：SVM-RFE算法、随机森林算法、LASSO算法和二元逻辑回归等4种机器学习算法，筛选关键枢纽基因并进行整合，随后取交集进行免疫浸润分析和单细胞分析，并结合单细胞测序（scRNA-seq）对常见差异表达基因进行富集及其功能相关性分析。（不知道怎么提取创新点的老师可以联系小森喔）

研究背景

胸主动脉瘤（TAA）是一种致命的心血管疾病，其发病机制尚未明确。本研究旨在识别和验证TAA的诊断标志物，为开发预防和治疗该疾病的新方法提供坚实的理论基础。

研究方法

从基因表达综合（GEO）数据库中获取3个数据集的基因表达谱。使用R中的“limma”包鉴定差异表达基因（DEGs），采用最小绝对收缩和选择算子（LASSO）、支持向量机递归特征消除（SVM-RFE）、随机森林和二元逻辑回归分析筛选诊断标记基因。单样本基因集富集分析（ssGSEA）用于评估TAA中的免疫细胞浸润。

数据来源

研究思路

首先进行数据处理和差异表达基因（DEG）筛选：从基因表达综合（GEO）数据库中获取3个数据集的基因表达谱。使用R中的“limma”包鉴定差异表达基因（DEGs），采用最小绝对收缩和选择算子（LASSO）、支持向量机递归特征消除（SVM-RFE）、随机森林和二元逻辑回归分析筛选诊断标记基因。单样本基因集富集分析（ssGSEA）用于评估TAA中的免疫细胞浸润。

研究流程图

研究结果

1. DEG筛选

在GSE9106数据集中，作者分析了59 个 TAA 和 34 个正常外周血细胞样本，并使用两组之间的“limma”包鉴定了 21 个 DEG。在GSE26155数据集中，分析了 43 个主动脉壁组织的 TAA 和 43 个正常样本，并使用两组之间的“limma”包鉴定了 21 个 DEG。

2. DEGs的富集及其功能相关性分析

通过Venn图分析，确定外周血和动脉壁中组织的16种常见DEGs（coDEGs）。这些基因在T细胞分化、PI3K-AKT信号通路、胶原三聚体和细胞因子信号通路中显著富集，与炎症反应和胶原相关疾病在TAA发病机制中的作用密切相关。

图1 GSE9106数据集和GSE26155数据集DEGs的富集和功能相关性分析

生物标志物基因筛选与诊断试验

使用4种分析方法筛选诊断标记基因。最终通过随机森林、LASSO、SVM-RFE和二元逻辑回归分析的重叠获得了I型胶原α1链和突触结合蛋白样2[图3G]。

图2  通过四种分析方法筛选Hub基因

COL1A1和SYTL2在TAA血管壁中的表达明显高于相应的正常组织，COL1A1的表达与SYTL2呈正相关[图3A，B]。使用 COL1A1 和 SYTL2 构建列线图以预测 TAA 的概率 [图3C]。校准图表明，列线图在预测TAA患者破裂概率方面表现良好[图3D，E]。曲线下面积（AUC，0.95;95%置信区间[CI]：0.93–0.97）表明COL1A1和SYTL2（在列线图模型中）对TAA具有准确的预测值[图3F]。校准图表明，列线图在预测TAA患者破裂概率方面表现良好。然后，我们使用 COL1A1 和 SYTL2 构建了一个人工神经网络模型 [图3G]。AUC（AUC = 0.88,95% CI：0.81-0.94 in GSE26155 和 AUC = 0.67,95% CI：0.55-0.77 in GSE9106）表明 COL1A1 和 SYTL2（在人工神经网络模型中）对TAA 产生了准确的预测值 [图3H，I]。此外，根据COL1A1和SYTL2的表达水平，对GSE26155和GSE9106进行了聚类分析。聚类结果显示，COL1A1和SYTL2将两个数据集清晰地划分为两部分[图3J，L]。我们对聚类结果进行了卡方检验，结果表明聚类结果与原始数据集分组结果相似[图3K，M]。COL1A1和SYTL2在TAA血管壁中的表达明显高于相应的正常组织，且可以预测TAA的概率（图4C）。经过列线图和AUC分析，均表明上述2个基因在预测TAA患者的破裂概率方面表现良好（图4D-F）。    

图3  诊断标志物的验证

4.免疫浸润分析

利用GSE26155数据集，研究发现TAA患者的多种免疫细胞浸润水平高于正常，包括B细胞、CD8+T细胞等。同时，TAA患者的免疫细胞功能，如抗原呈递、炎症反应等更为活跃，揭示了免疫细胞在TAA中的重要作用（图5）。    

图4a 主动脉壁组织免疫细胞浸润分析

此外，作者还分析了上述免疫浸润结果与COL1A1和SYTL2之间的相关性。COL1A1与M2巨噬细胞呈正相关，但与CD4幼稚T细胞、Tregs、单核细胞和活化的NK细胞显著负相关[图5A]。SYTL2 与 M2 巨噬细胞、CD4 记忆静息 T 细胞、M1 巨噬细胞、活化的肥大细胞和浆细胞呈正相关，但与 CD4 幼稚 T 细胞、单核细胞、M0 巨噬细胞、CD8+ T 细胞、Treg 和活化的 NK 细胞呈显著负相关 [图 5B]。

图5b 主动脉壁的单细胞分析和浸润免疫细胞成分分析。

5.单细胞分析和验证

单细胞分析结果表明TAA主动脉壁获得了更多的免疫细胞，与目前的结果一致。为了验证这个发现，选择高表达基因PDGFA、PDGFB和CAV1作为成纤维细胞的标志物，以证实观察到的变化（图6A），高表达基因CD8A、CD8B和CD28则作为CD8+T细胞的标志物（图6B）。    

图6 COL1A1和SYTL2高表达细胞群的单细胞分析、EVG和多重免疫荧光染色验证

作者收集了6对临床患者样本进行基因表达验证，免疫荧光染色结果显示，在TAA动脉壁中COL1A1和SYTL2的表达水平上调（图6C，D）。TAA的动脉壁中胶原纤维的表达水平上调并排列紊乱，促进TAA的发生（图6E）。实验验证结果与作者研究中观察到的变化一致。 

图7 简要总结了作者研究的结果。

图8 作者研究的简要假设机制图    

文章小结

      这个文章在分析思路和验证实验设计上都中规中矩，对非肿瘤疾病进行转录组免疫浸润分析，然后用scRNA数据验证标记基因与免疫细胞的相关性，最后简单的进行实验验证。常规的分析思路能发到6分+，事实证明，对于发文章这件事情，适当地对期刊多做选择，即使采用特定基因集，常规差异基因分析，结合单细胞测序这样的经典分析模板最终也成功突围！相对于国外很多所谓的“生信友好期刊”，国产杂志投稿工作量不大，又容易发表，国际地位也在日渐上升，相信以后将成为越来越多人的首要选择！老师们有任何思路、分析、写作和投稿中的难题，都可以求助小森哦！

森煜智研科技