今天馆长给大家推荐一本生信友好期刊—International Journal of Biological Macromolecules。年发文量5000+，审稿快速，一般3个月左右！偷偷告诉你们，这本期刊也收纯生信哦~还没有薅到羊毛的小伙伴们可得抓紧行动起来~
这本7分+的Top期刊，投稿难度怎么样呢？
今天，馆长带来复旦大学团队近期发表的一篇文章带大家看看什么样的工作量能发表在这边期刊上。
这是一篇生信+简单验证的文章，作者基于GEO数据库的
5套数据集
开发了一个7个基因标志物来区分脓毒症引起的急性肺损伤患者组和脓毒症组，此外，通过
单细胞
数据集分析了关键基因在免疫细胞的表达情况，并通过
12种机器学习
算法，进一步确定了优化的3基因标志物。最后，对关键的基因表达水平进行的
验证
。
这个分析思路是不是看起来也不是很复杂？确实不复杂，感兴趣的宝子馆长就能帮你复现一篇，欢迎来询哦~
定制生信分析
生信服务器
加好友
备注“99”
领取试用
题目：脓毒症引起的急性肺损伤进展的必需血液分子特征：综合生物信息学，单细胞RNA测序和机器学习分析
发表时间：2024.12
研究背景
脓毒症引起的急性肺损伤（sepsis-ALI）是脓毒症的严重并发症。
了解急性肺损伤的机制，识别和表征急性肺损伤进展的生物标志物，有助于指导有效的治疗策略，改善患者预后。该研究旨在通过综合生物信息学和机器学习来确定脓毒症诱导的急性肺损伤进展的必要血液分子特征。
研究思路
研究结果
根据脓毒症相关基因的表达谱计算ALI评分，可将脓毒症诱导的ALI与脓毒症区分开来
为了开发区分脓毒症-ALI和脓毒症的基因特征，从GeneCard数据库提取了前200个与ALI相关的基因，并使用ssGSEA分析和数据集GSE10474计算了ALI基因富集分数（ALI分数）。结果表明，ALI评分可用于对脓毒症-ALI和脓毒症进行分层。
与脓毒症ALI相关的枢纽基因
基于GSE154918，通过WGCNA筛选特征基因，所有基因聚类为18个模块。Greenyellow和 Brown4模块与ALI评分的相关性最为显著。两个模型涉及4752个基因。
进一步鉴定GSE154918数据集脓毒症与健康对照组的差异表达基因（DEGs）。与上述基因取交集获得463个交集基因，被指定为与脓毒症ALI相关的基因。
基于463个基因构建一个PPI网络，并通过MCODE算法确定了PPIN的一个高度互联的子网络。该子网络有88个基因，这些基因被指定为败血症中与ALI相关的枢纽基因。在数据集GSE10474中，ALI-脓毒症组与脓毒症组之间的ALI评分存在显著差异，表明枢纽基因显著地将脓毒症-ALI与脓毒症区分开来。
与脓毒症中ALI相关的枢纽基因的功能和通路的表征
GO分析显示枢纽基因与细胞因子介导的信号通路和细胞对细菌分子和脂多糖的反应有关。最显著富集的KEGG通路包括百日咳、Th17细胞分化和人巨细胞病毒感染，以及与病毒相互作用相关的通路。此外，分析还揭示了与传染病以及类风湿性关节炎等自身免疫性疾病的显著关联。这些结果表明，与脓毒症中ALI相关的枢纽基因参与分子和细胞过程，特别是对
微病原体感染的免疫反应，并涉及多种病理生理过程和系统。
根据枢纽基因表达谱将脓毒症诱导的ALI分为两种亚型
为了研究鉴定的枢纽基因的表达谱是否可以有效地分层脓毒症诱导的ALI，使用数据集GSE66890进行了无监督聚类分析。的聚类分析结果表明，脓毒症组可以分为两个不同的簇，两个簇之间枢纽基因的表达谱存在显著差异，表明这些基因可能在脓毒症相关ALI的病理生理中发挥不同的作用。
使用已建立的算法分析检测了这两种脓毒症诱导ALI亚型中28个免疫细胞的浸润水平。结果表明，脓毒症诱导的ALI分为两种亚型，具有不同的ALI评分和免疫浸润水平。
与脓毒症ALI相关的核心枢纽基因及其丰富的生物学功能和途径
为了进一步验证中心基因与ALI在脓毒症中的相关性，分析了枢纽基因与数据集GSE10474的ALI评分之间的相关性。有7个枢纽基因 TNFRSF1A、NFKB1、FCGR2A、NFE2L2、PDCD1、ICAM1和SOCS3与ALI评分显著相关。
进一步的GSEA功能富集分析显示，枢纽基因积极参与蛋白质、碳水化合物和能量代谢、细胞更新、免疫反应。
核心枢纽基因在免疫细胞中的分布和表达谱
使用数据集GSE224095进行单细胞RNA测序分析。通过UMAP图展示ALI相关核心枢纽基因在脓毒症中的分布和表达谱。
区分脓毒症-ALI与脓毒症的核心枢纽基因的优化
使用12种机器学习算法组合来选择最优的核心中心基因，并使用训练数据集GSE32707计算与患者AUC值的关联，以区分脓毒症-ALI与脓毒症。12种机器学习算法应用了110种组合。最高的两个AUC值分别为0.988和0.983，分别与基因签名NFE2L2、FCGR2A、PDCD1相关，分别由Lasso+RF算法和glmBoost+RF算法生成。然后使用数据集GSE10474和GSE66890，利用这些算法组合计算模型所选择的最优枢纽基因对应的AUC值。结果支持核心枢纽基因TNFRSF1A、NFKB1、FCGR2A、NFE2L2、PDCD1、ICAM1和SOCS3是区分脓毒症-ALI与脓毒症的稳健基因。NFE2L2，FCGR2A PDCD1在性能和简洁性方面是区分脓毒症和脓毒症的优质标记基因。
核心枢纽基因在脓毒症小鼠模型中的表达
为了验证7个潜在的生物标志物，建立了LPS诱导的
脓毒症小鼠模型
。与5 mg/kg LPS处理组相比，25 mg/kg LPS组小鼠存活率明显降低。通过RNA-Seq，检测了小鼠肺组织中TNF-α、IL-1β、IL-6、HMGB-1、IL-10等炎症相关的mRNA表达。也检查了前面提到的7种mRNA的表达。验证了生物信息学分析的结果，表明这7种mRNA可能作为诊断脓毒症的潜在生物标志物。
文章小结
该研究通过生物信息学、单细胞数据分析和机器学习算法，为脓毒症引起的ALI提供了一个多维度的研究方法。
丰满的内容和创新的设计思路，不到两个月就接收了，
这篇文章如果进一步拓展一下，还能继续用来申请国自然！
小伙伴们心动了吗？
馆长每日在线，方案设计、生信分析、生信服务器有我无忧~
馆长会持续为大家带来最新生信思路，也可以提供特色数据库构建、免费思路评估、付费生信分析等服务，对数据库构建和生信分析感兴趣的朋友可以咨询馆长哦！
