影响因子：6.5
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，有需要的朋友患者欢迎了解
研究概述主动脉夹层（Aortic dissection，AD）是指主动脉腔内的血液从主动脉内膜撕裂口进入主动脉壁内，使主动脉壁中层形成夹层血肿，并沿主动脉纵轴扩展的一种心血管系统的灾难性疾病。斯坦福A型主动脉夹层（TAAD）涉及左锁骨下动脉近端的夹层，在没有及时干预的情况下，急性AD继发主动脉破裂会导致高达90%的高死亡率。近年来研究表明，作为一种新发现的程序性细胞死亡形式的“坏死性凋亡”参与了AD的发病机制，在动脉瘤的形成和夹层中起着至关重要的作用。在这项研究中，作者使用GEO数据库和生物信息学方法探讨了坏死性凋亡在TAAD中的潜在作用机制及其与免疫浸润细胞之间的关系，以便深入了解TAAD发展过程中坏死性凋亡潜在的分子免疫过程。
流程图
研究结果
一、差异表达的坏死性凋亡相关基因(NRDEGs)的筛选
下图a：在GSE153434数据集中发现TAAD和正常样本之间共有2739个差异表达基因（DEGs），其中1253个基因上调，1486个基因下调。
下图b：作者从KEGG通路数据库中收集了与坏死性凋亡相关的159个基因，将其与GSE153434中的DEG重叠，其中18个上调，7个下调。维恩图分析确定25个重叠基因为坏死性凋亡（NRDEGs），包括MLKL和RIPK1。
下图c-d：NRDEGs的火山图和热图。
二、基因集富集分析
下图：使用GSEA分析以识别主要的信号通路。结果显示，坏死性凋亡与TAAD之间存在强烈联系。此外，NOD样受体信号通路、TNF信号通路、Th17细胞分化和Toll样受体信号通路相关基因在AD中显著富集。
三、PPI网络分析与功能模块构建
下图a：使用STRING数据库构建NRDEGs的PPI网络。
下图b：利用Cytoscape软件确定了前10个中心基因，包括TNFRSF1A、BIRC3、RIPK1、TLR4、FADD、TNFAIP3、TNFSF10、MLKL、STAT3和TRAF5。
下图c：利用MCODE插件对PPI网络中的重要模块进行分析，其中RIPK1、TLR4和TNFSF10是网络核心基因。
四、功能富集分析
下图a：作者进行GO/KEGG富集分析以确定NRDEG的功能和相关途径。GO富集分析揭示NRDEGs在生物过程中富集在Toll样受体信号通路、先天免疫反应、TNF信号通路中。
下图b：KEGG分析显示NRDEGs倾向于富集在坏死性凋亡、细胞凋亡、NOD样受体信号通路、脂质和动脉粥样硬化等途径中。
五、转录因子差异表达的坏死性凋亡相关基因调控网络
下图：作者通过基因表达水平的Spearman相关性预测了转录因子和NRDEGs之间的调控关系，并最终构建了一个转录因子-NRDEGs网络，以突出驱动NRDEGs转录控制的关键过程。
六、坏死性凋亡相关基因与免疫浸润
下图a-d：使用ImmuCellAI算法评估TAAD中坏死性凋亡和免疫浸润之间的关联，结果显示，在24种免疫细胞中，有6种细胞类型在TAAD组织中与对照组相比存在显著差异。
下图e：作者进一步评估了免疫细胞和NRDEGs之间的联系和潜在相互作用。结果显示，NRDEGs主要与巨噬细胞和Th17细胞浸润呈正相关，主要与诱导Treg细胞浸润呈负相关。
七、独立数据集验证
下图a-b：利用GSE52093数据集验证结果。结果显示，提取了25个NRDEG的表达数据，其中18个NRDEG与GSE153434中的趋势一致，包括TNFRSF1A、BIRC3、RIPK1、FADD、TNFAIP3、TNFSF10、MLKL、STAT3和TRAF5。
下图c：TAAD组免疫细胞浸润主要是巨噬细胞和Th17和CD8幼稚细胞，而诱导的Treg在正常组中富集。总的来说，训练集和验证集的结果相对一致。
总结
在这项研究中，作者使用生物信息学分析表明，坏死性凋亡相关基因的表达水平在TAAD和正常主动脉组织样本之间存在显著差异。此外，作者还发现TAAD中Th17/Treg细胞的失衡以及铁死亡相关基因的表达与多种免疫浸润细胞密切相关。总之，研究中确定的坏死性凋亡和免疫相关因素可能有助于确定AD病理生理学的潜在机制并确定医疗干预的新靶点。
