提到?“RNA甲基化”，小伙伴們的第一反應(yīng)估計(jì)是“m6A甲基化”

m6A?確實(shí)是“RNA甲基化”的當(dāng)家花旦，不管是實(shí)驗(yàn)類還是生信分析，研究最多的也是m6A，但小伙伴們千萬不要局限于做“RNA甲基化”方向就一定要選m6A···

因?yàn)槌薽6A，RNA甲基化修飾還有m5C、m7G、m1A等，每一個(gè)修飾模式單拎出來都是一個(gè)做生信分析的好苗子，廣闊天地大有可為！小云之前也推薦過m6A、m5C、m7G相關(guān)生信思路，性價(jià)比都很高！

小云之前分享的都是單個(gè)RNA甲基化修飾方向的生信思路，這次來個(gè)升級版——集結(jié)了RNA甲基化修飾最熱門的4種模式m6A、m5C、m7G、m1A，來一次整合分析（ps：小云分享的思路一直在更新，突破內(nèi)卷從我開始，所以想看最新生信思路的朋友，跟緊小云別掉隊(duì)哦）。在非腫瘤疾病中建立診斷模型+聚類分型分析，再聯(lián)合免疫分析，輕松拿下4.8分+文章。純生信發(fā)文15天就接收，可見這創(chuàng)新性相當(dāng)厲害了吧！并且思路很容易復(fù)現(xiàn)哦，有興趣的朋友抓緊上車?yán)玻乱粋€(gè)快速發(fā)文的就是你！

l?題目：m7G、m6A、m5C和m1A調(diào)節(jié)因子介導(dǎo)的RNA甲基化修飾模式參與干燥綜合征的免疫微環(huán)境調(diào)節(jié)

l?雜志：Cellular Signalling

l?影響因子：IF=4.85

l?發(fā)表時(shí)間：2023年3月

研究背景

干燥綜合征(SS)是一種自身免疫性疾病，SS的發(fā)病機(jī)制復(fù)雜，是由表觀遺傳、環(huán)境和免疫因素共同作用的結(jié)果，其中免疫因素在整個(gè)過程中起著至關(guān)重要的作用。7-甲基鳥嘌呤(m7G)、N6-甲基腺苷(m6A)、5-甲基胞嘧啶(m5C)和N1-甲基腺苷(m1A)是新發(fā)現(xiàn)的表觀遺傳機(jī)制參與SS的發(fā)生，還需要進(jìn)一步深入探索。本研究旨在研究m7G、m6A、m5C和m1A修飾對SS免疫微環(huán)境的影響。

數(shù)據(jù)來源

研究思路

59 個(gè)RNA甲基化調(diào)控因子來自String數(shù)據(jù)庫，比較健康樣本和SS樣本之間59種m7G、m6A、m5C和m1A調(diào)節(jié)因子的差異表達(dá)。使用LASSO回歸對59個(gè)SS相關(guān)的m7G、m6A、m5C和m1A調(diào)節(jié)因子進(jìn)行特征選擇和降維，最終選擇7個(gè)調(diào)節(jié)因子建立診斷模型，進(jìn)行模型評估和驗(yàn)證。分析59 個(gè)RNA甲基化調(diào)控因子與免疫浸潤細(xì)胞的相關(guān)性?；?9個(gè)m7G、m6A、m5C和m1A調(diào)節(jié)因子的表達(dá)對SS樣品進(jìn)行聚類分析，分為2個(gè)亞型，分析兩亞型間的免疫浸潤情況。分析兩亞型間的差異基因，并進(jìn)行功能富集分析，基于DEGs進(jìn)行WGCNA分析，以鑒定m7G、m6A、m5C和m1A調(diào)節(jié)因子修飾模式相關(guān)的常見基因和基因模塊。

主要結(jié)果

1. m7G、m6A、m5C和m1A調(diào)節(jié)因子的表達(dá)分析和診斷模型構(gòu)建

在GEO數(shù)據(jù)集中分析了m7G、m6A、m5C和m1A調(diào)節(jié)因子在健康和SS樣本間的差異表達(dá)，獲得3個(gè)有顯著差異表達(dá)基因（圖1E）。應(yīng)用了使用LASSO回歸對59個(gè)SS相關(guān)的m7G、m6A、m5C和m1A調(diào)節(jié)因子進(jìn)行特征選擇和降維，最終選擇7個(gè)調(diào)節(jié)因子建立診斷模型（圖1A, B）。利用ROC曲線評估診斷模型的準(zhǔn)確性（圖1C），分析健康樣本和SS樣本之間的風(fēng)險(xiǎn)評分分布（圖1D）。（ps：差異基因分析、火山圖、模型構(gòu)建、ROC曲線分析也可以用小云新開發(fā)的零代碼生信分析小工具實(shí)現(xiàn)，云生信分析工具平臺包含超多零代碼分析和繪圖小工具，上傳數(shù)據(jù)一鍵出圖，感興趣的小伙伴歡迎來嘗試喲，網(wǎng)址：http://www.biocloudservice.com/home.html）。?

圖1?RNA甲基化調(diào)節(jié)因子的表達(dá)分析和診斷模型構(gòu)建

2. m7G、m6A、m5C和m1A調(diào)節(jié)因子與免疫浸潤細(xì)胞相關(guān)性分析

采用使用CIBERSORT算法評估SS樣本和健康樣本之間的22種免疫細(xì)胞浸潤情況，分析m7G、m6A、m5C和m1A調(diào)節(jié)劑與免疫細(xì)胞浸潤之間的Spearman相關(guān)性（圖2A），并比較高、低評分亞組之間免疫細(xì)胞浸潤差異（圖2D）

圖2?免疫浸潤分析

3. 基于m7G、m6A、m5C和m1A調(diào)節(jié)因子的分型分析和免疫浸潤分析

基于59個(gè)m7G、m6A、m5C和m1A調(diào)節(jié)因子的表達(dá)對SS樣本進(jìn)行聚類分析，SS患者被準(zhǔn)確地分成兩個(gè)亞型（圖3C, D），比較兩亞型間m7G、m6A、m5C和m1A調(diào)節(jié)因子的表達(dá)差異（圖3E）。使用CIBERSORT算法比較了兩亞型間浸潤免疫細(xì)胞的豐度差異（圖3F）。（ps：多種免疫浸潤分析也可以用云生信平臺分析工具實(shí)現(xiàn)哦，網(wǎng)址：http://www.biocloudservice.com/home.html，歡迎朋友們來探索~?~）

圖3分型分析和免疫浸潤分析

4. 功能富集分析和WGCNA分析

作者分析了兩個(gè)亞型間的差異表達(dá)基因（圖4F），并進(jìn)行GSEA、GO和KEGG富集分析以進(jìn)一步了解參與m7G、m6A、m5C和m1A調(diào)節(jié)基因的分子機(jī)制（圖4G, A, C）。基于DEGs進(jìn)行WGCNA分析，以鑒定m7G、m6A、m5C和m1A調(diào)節(jié)因子修飾模式相關(guān)的常見基因和基因模塊，發(fā)現(xiàn)m7G、m6A、m5C和m1A調(diào)節(jié)子修飾模式C2亞型與紅色模塊中的基因密切相關(guān)（圖4I）。

圖4?功能富集分析和WGCNA分析

小結(jié)

這篇文章整合4種RNA甲基化修飾調(diào)節(jié)因子構(gòu)建非腫瘤診斷模型，并疾病聚類分型分析，發(fā)到4.8分+的純生信，并且15天就接收了，所以說這個(gè)思路在非腫瘤疾病中的創(chuàng)新性很高的！目前多種RNA甲基化修飾整合分析的生信文章并不多，尤其是在非腫瘤疾病中，發(fā)文空間還是相當(dāng)大的，并且思路簡單好復(fù)現(xiàn)，快用上這個(gè)思路，文章在向你招手啦！