大家好，今天要和大家分享的是2022年2月发表的一篇文章：“Identification and Validation of Aging-Related Genes in Idiopathic Pulmonary Fibrosis”。
在这项研究中，作者旨在识别和验证与特发性肺纤维化(IPF)有关的潜在衰老相关基因。首先，利用GEO数据库GSE150910数据集识别IPF中差异表达的衰老相关基因，并对差异表达的衰老相关基因进行GO和KEGG富集分析。随后，作者使用多种机器算法进一步筛选出衰老相关基因，并根据筛选结果绘制ROC曲线。最后，利用qRT-PCR实验对6个差异表达的衰老相关基因（IGF1、RET、IGFBP2、CDKN2A、JUN和TFAP2A）进行验证。结果表明，在上述6个衰老相关基因中，IGF1、RET和IGFBP2在IPF患者和健康个体中的表达水平与生物信息学分析结果一致。这项研究对于更好地了解细胞衰老在IPF发病机制中的作用非常重要。
发表杂志：Front Genet.
影响因子：4.599
关于非肿瘤生信，我们也解读过很多，主要有以下类型
1 单个疾病分析
2 单个疾病结合免疫浸润，铁死亡，自噬等相关分析
3 两种相关疾病联合分析，包括非肿瘤结合非肿瘤，非肿瘤结合肿瘤或者非肿瘤结合泛癌分析
目前非肿瘤生信发文的门槛较低，有需要的朋友患者添加小编咨询
生信分析咨询
请关注生信小课堂
研究背景
特发性肺纤维化(IPF)是一种慢性、进行性、纤维化性间质性肺疾病，病变局限在肺脏，好发于中老年人群，其主要病理特征包括肺泡上皮细胞(AEC)损伤、炎性细胞浸润、大量细胞外基质积聚、上皮间质转化和成纤维细胞转化为肌成纤维细胞，最终导致不可逆转的进行性呼吸功能不全。细胞衰老被定义为细胞增殖的不可逆抑制。同时，衰老细胞的一个显著特征是分泌多种细胞因子、趋化因子、生长因子和基质金属蛋白酶，从而构成衰老相关分泌表型(SASP)。越来越多的证据支持细胞衰老与IPF发病机制之间存在相关性，而SASP可能是IPF中观察到的纤维化过程的关键因素。
流程图
差异表达的衰老相关基因
下图A：从GSE150910数据集中收集103例IPF肺组织和103例正常肺组织中的衰老相关基因，进行主成分分析（PCA）以评估数据的可重复性，结果表明GSE150910具有良好的可重复性。
下图B：从人类衰老基因组资源中选择的307个衰老相关基因的火山图。红点代表显著上调的基因，蓝点表示显著下调的基因。
下图C：IPF肺组织和健康肺组织样本中16个差异表达的衰老相关基因的热图。
下表：共鉴定出16个衰老相关基因，包括12个表达上调的基因和4个表达下调的基因。
下图：IPF和健康样本中16个差异表达的衰老相关基因的箱线图。
PPI网络及相关性分析
下图：利用STRING数据库和Cytoscape软件构建蛋白质-蛋白质相互作用网络(PPI)揭示这些衰老相关基因之间的相互作用，并确定每个基因的相互作用数量。蓝色代表显着上调的基因，黄色表示显着下调的基因。
下图：相关性分析表明GSE150910数据集中的16个差异表达的衰老相关基因之间存在相关性。
功能富集分析
下图：使用R软件进行GO/KEGG富集分析以确定差异表达的衰老相关基因的潜在生物学功能。GO富集分析包括生物过程(BP)、细胞成分(CC)和分子功能(MF)。
下图：KEGG富集分析表明，差异表达的衰老相关基因在内分泌抵抗和MAPK信号通路中起关键作用。
进一步筛选基因
下图A-B：最小绝对收缩和选择算子(LASSO)回归模型从16个衰老相关基因中筛选出10个基因（参数λ为0.017）。
下图C：支持向量机递归特征消除(SVM-RFE)算法从16个衰老相关基因中筛选出8个基因。
下图D：Venn图显示2种算法均鉴定出的6个基因包括IGF1、CDKN2A、JUN、IGFBP2、RET和TFAP2A。
临床特征分析
下图：利用MedCalc软件分析IPF和健康样本中6个衰老相关基因的表达，并绘制ROC曲线。结果显示，6个特异性表达的衰老相关基因均对IPF具有较高的临床价值。
qRT-PCR验证
下图：IPF组织血样中IGF1、RET和IGFBP2的表达水平显著高于正常肺组织血样，而CDKN2A、JUN和TFAP2A在IPF组织和正常肺组织中的表达水平不存在差异。
下表：IPF病例组和对照组的临床病理学变量总结。
小结：
在这项研究中，作者从不同的角度分析了GSE150910数据集中衰老相关IPF基因的差异表达，并通过多种机器算法和临床样本验证了筛选出的6个衰老相关基因（IGF1、RET、IGFBP2、CDKN2A、JUN和TFAP2A）的表达水平和临床价值。这些发现提高了现阶段人们对IPF的认识，并可能在未来有助于设计针对这种疾病的治疗策略。
