📥در پست قبل در مورد اینکه یکی از مسیرهای کلیدی که با کمک آن می توان بدون انجام پروژه های پرهزینه آزمایشگاهی مقاله اورجینال بنویسیم صحبت کردیم و گفتیم یکی از مسیرهای مهم، یادگیری آنالیز داده های ترانسکریپتوم (Microarray, RNA-seq) با استفاده از روش های مختلفی نظیر DEA و WGCNA است.

📍اما نکته مهمی که باید همواره به یاد داشته باشیم این است که برای نوشتن این دسته از مقالات، علاوه بر یادگیری روش های آنالیز داده های High throughput به موضوع و study design (استراتژی و ایده مقاله) دارای نوآوری (Novelty) نیاز است.


از این رو ما قصد داریم در هر پست به معرفی study design و مراحل آنالیزهای انجام شده در یک مقاله بپردازیم

📝در این پست به بررسی  مقاله ای که در سال 2024 در ژورنال Frontiers in Immunology با ایمپکت فاکتور 5.7 و Q1 چاپ شده است، می پردازیم.

📎لینک مقاله:

The shared circulating diagnostic biomarkers and molecular mechanisms of systemic lupus erythematosus and inflammatory bowel disease


📊متدولوژی مقاله:

1️⃣ آنالیز یک دیتای میکرواری مربوط به بیماری التهابی روده (IBD) و یک دیتای میکرواری مربوط به بیماری لوپوس (SLE): هر یک از این دو دیتاست را به صورت مستقل و با استفاده از پکیج limma آنالیز کردند و ژن های دارای تفاوت بیان (DEGs) بین نمونه های سالم و بیمار در هر یک از دیتاست ها را به دست آوردند و سپس بین DEGهای دو بیماری اشتراک گرفتند (در این مرحله 51 DEG به دست آمد)


2️⃣ یافتن ژن های کلیدی (Hub/Driver genes) با استفاده از الگوریتم WGCNA: در هریک از دو دیتاست مربوط به IBD و SLE با استفاده از شبکه های هم بیانی ژن ها، ژن های کلیدی درگیر در پاتوژنز هریک از این دو بیماری را به صورت مستقل به دست آوردند و با استفاده از Venn diagram ژن های کلیدی مشترک دو بیماری را به دست آوردند ( در این مرحله 21 ژن کلیدی مشترک بین دو بیماری به دست آمد)


3️⃣ اجتماع DEGها و Hub genes را به دست آوردند (در این مرحله 71 shared genes حاصل شد، یک ژن بین DEGها و hub geneها تکراری بود)


4️⃣انجام آنالیز های Gene Ontology و pathway enrichment analysis روی ژن های حاصل از مرحله 3 برای جستجوی مسیرهای مشترک در پاتوژنز این دو بیماری اتوایمنی


5️⃣ اعتبارسنجی ژن های حاصل از مرحله 3 با استفاده از الگوریتم های یادگیری ماشین (Machine learning) نظیر LASSO و SVM و شناسایی 5 ژن مهم

 
6️⃣ تایید این 5 ژن در دو دیتاست میکرواری دیگر از هریک از دو بیماری IBD و SLE


7️⃣ شناسایی تارگت های دارویی این 5 ژن نهایی با استفاده از دیتابیس DSigDB


@wiki1gene