病原感染类疾病对于人类的健康和生活质量具有重大影响。病因源于微生物（例如病毒、细菌、真菌或者寄生虫）感染。近多年来，这类疾病直接或间接的在人与人之间传播。因此，研究控制这类疾病的发生发展具有重要价值！

病原感染引起的疾病有多种，包括肿瘤和非肿瘤疾病。肿瘤类疾病如人乳头瘤病毒（HPV）引起的宫颈癌、乙型肝炎病毒引起的肝癌、幽门螺旋杆菌（HP）引起的胃癌等。非肿瘤疾病如新型严重急性呼吸综合症冠状病毒2（SARS-CoV-2）引起的肺炎、结核分枝杆菌引起的肺结核、细菌感染引起的脓毒症等。

在本期内容中，小编针对上述疾病汇总了部分生信分析套路（仅展示关键分析内容），思路清晰，全都是宝藏！快来看看你钟意哪一款吧~

scRNA-seq与bulk RNA-seq联合分析

1、以HPV感染的头颈部鳞状细胞癌（HNSCC）为例：

图1：研究流程图

• HPV+/HPV-组别生存时间差异
• scRNA-seq数据研究HPV在体内的感染（细胞分簇，寻找感染的肿瘤细胞）
• 筛选HPV+/HPV-肿瘤细胞间差异基因，并进行GSEA分析

图2

• 利用TCGA bulk RNA-seq数据对差异基因进行筛选
• 单变量Cox回归筛选风险负相关的相关基因
• 随机森林筛选关键特征基因（特征基因在HPV+/HPV-组间、HPV+肿瘤细胞、TCGA队列高低组间表达情况）
• KM生存分析、ROC曲线评估预测能力

图3

• HPV+/HPV-肿瘤细胞与免疫细胞间细胞通讯

图4

以细菌感染的脓毒症为例：

• 脓毒症患者外周血scRNA-seq分析（UMAP图、每个细胞簇top3 maker 基因热图展示、小提琴图展示典型的免疫细胞标记基因在每个细胞簇中的分布）

图1

• scRNA-seq及bulk RNA-seq中健康与脓毒症患者间差异基因（红色上调、蓝色下调）
• scRNA-seq及bulk RNA-seq数据集差异基因取交集（hub-DEGs）
• hub-DEGs功能、通路富集分析（GO、KEGG）

图2

• 基于hub-DEGs构建预后signature（LASSO、多因素Cox回归、KM生存曲线、ROC曲线分析）

图3

• 脓毒症患者免疫细胞变化及药物靶基因分析（scRNA-seq数据集中免疫细胞比例、免疫细胞类型在正常和脓毒症人群中的比例分布及其差异、热图显示不同临床病理特征与免疫细胞景观的相关性分析、小提琴图显示药物靶基因在细胞簇中的表达、免疫功能相关药物靶基因在高低危人群中的分布差异）

图4

加权基因共表达网络分析（WGCNA）

以甲型流感病毒感染为例：

• 基于加权基因共表达网络分析识别与IAV感染显著相关的模块和基因

图1

• 关键模块和基因与感染时间和感染多样性之间的相关性分析

图2

• hub基因与感染时间和感染多样性之间的相关性

图3

目前对于肿瘤的生信分析套路已经非常成熟，发文门槛相对较高。但是对于非肿瘤疾病的研究还有余地，尤其是病原感染类疾病。除了上述介绍的思路之外，还有结合免疫浸润分析、热点基因集、机器学习等其它方向，轻轻松松搞定。有需求的小伙伴们可以扫码咨询哦~

病原感染个性化思路

扫码咨询