研究双疾病当然要buff叠满！孟德尔随机化+机器学习，两大男神震场！中南大学张李洋教授团队8分新作速学！

2024-06-02

各位小伙伴们大家好，我是专注于生信分析研究与实践的小云呀~专为大家提供独特而前沿的研究选题、分析思路，这不，今天就给大家分享一篇聚焦孟德尔随机化+机器学习的创新力满满的文章！

申博再次难上天际！几年前本人申博还算顺利，可今年小师妹手握3篇SCI还是没竞争过另外几位大神，可见诸位冲博的同学真是“有bear来”呀~~~

看着师妹难过，马上拿出了前阵子导师推荐的文献，孟德尔随机化分析、机器学习、单细胞转录组测序三管齐下，在过敏性疾病哮喘AA和流行性疾病COVID-19之间建立联系，找出调节AA攻击和防御COVID-19感染中发挥重要作用的免疫细胞cDC2s。其中重要的几步是这样操作的：

1.借助GWAS数据集和双向双样本MR分析，选定血液参数作为危险因素，研究过敏性疾病与COVID-19之间的因果关系，证明白细胞计数作为AA和COVID-19联系的关键。

2.使用bulk转录组数据集进行机器学习，筛选AA和COVID-19中共享的歧视性免疫细胞。

3.对scRNA-seq数据进行能量代谢、细胞间通讯、细胞干性和分化以及分子对接分析，研究了cDC2s的数量、活性、细胞间通讯和分化，并利用分子对接分析揭示了cDC2s的抗原呈递过程。

有这样的双疾病研究范文，还不学起来，你的SCI发表马上不就提上日程咯！对孟德尔随机化和机器学习感兴趣但技术受限的，或是对生信分析方向迷茫的宝子们，快来扫码联系小云扫除障碍吧！

定制生信分析

云服务器租赁

(加微信备注99领取试用)

题目：传统树突状细胞2将过敏性哮喘与COVID-19的遗传因果关系联系起来:一项孟德尔随机化和转录组学研究

期刊：Journal of Big Data

影响因子：IF=8.1

发表时间：2024年2月

研究背景

最近的证据表明过敏性哮喘(AA)可降低2019冠状病毒病(COVID-19)的风险。人肺组织中的DC亚型之一常规DC2 (cDC2)，在AA肺中数量明显上调。SARS-CoV-2感染后，cDC2s被激活并在患者肺部积聚。免疫细胞在调节AA攻击和防御COVID-19感染中发挥重要作用。作为最有效的抗原呈递细胞，树突状细胞连接先天免疫和适应性免疫。然而，原因尚不清楚。

数据来源

数据集/队列	数据库	数据类型	详细信息
–	COVID-19 hg	–	COVID-19患者敏感性、住院治疗信息
–	FinnGen	–	AA患者的信息，包括药物过敏接触性皮炎、哮喘史、鼻炎史等
–	GWAS目录	–	嗜碱性粒细胞和白细胞计数
–	IEU Open GWAS Project	–	红细胞计数、血红蛋白浓度、平均血小板体积等
GSE69683	GEO	RNA-seq	AA患者血液样品转录组测序
GSE171110	GEO	RNA-seq	COVID-19患者血液样品转录组测序
GSE196822	GEO	RNA-seq	COVID-19患者血液样品转录组测序
GSE193816	GEO	scRNA-seq	AA患者气道粘膜组织单细胞转录组测序
GSE145926	GEO	scRNA-seq	COVID-19患者气道粘膜组织单细胞转录组测序

研究思路

作者使用18个GWAS数据集，采用双向双样本孟德尔随机化(MR)分析，并将血液参数作为危险因素，研究过敏性疾病与COVID-19之间的因果关系。进一步使用3个大量转录组数据集进行机器学习，筛选AA和COVID-19中共享的歧视性免疫细胞，并鉴定出cDC2s。对2个单细胞转录组数据进行了能量代谢、细胞间通讯、细胞干性和分化以及分子对接分析，研究了cDC2s的数量、活性、细胞间通讯和分化，并利用分子对接分析揭示了cDC2s的抗原呈递过程。

图1 设计流程

主要结果

1. AA与COVID – 19呈负相关

作者筛选不同过敏表型和COVID-19住院率的工具变量SNP。在过敏表型中，IVW分析显示AA降低了COVID-19住院风险。其他3种MR方法的结果方向一致(图2A、B)，也未能观察到其他过敏表型与COVID-19风险之间的因果关系(图2A)。作者进行多种类型的敏感性分析验证上述结果的稳健性和可靠性。MR-Egger截距检验显示不存在水平多效性，然而在Cochran’s Q检验中，一些过敏和COVID-19表型之间存在异质性(图2C)。由于采用随机效应IVW方法，MR估计值并未失效。

图2 AA与COVID-19住院呈负相关

2. 白细胞计数在AA和COVID – 19之间架起了桥梁

作者通过MR分析评估AA对COVID-19相关血液变量的影响。AA与白细胞计数呈正相关，与其他三种MR方法获得的结果方向一致(图3)，而AA与其他血液变量之间没有显著关联(图3)。此外，敏感性分析没有显示任何多性状的证据，但反映了异质性的存在。在随机效应IVW方法下被接受(图3)。留一法分析进一步排除了单个SNP对MR估计值的显著影响。

图3 白细胞计数在AA和COVID-19之间架起了桥梁

3. DC是AA和COVID – 19中最具鉴别性的白细胞

作者用4种独立的算法来识别桥接AA和新冠肺炎的特定类型的白细胞。与健康受试者相比，AA/COVID-19患者血液中的粒细胞和单核细胞/巨噬细胞水平明显较高，B细胞和T细胞水平较低(图4A)。AA患者血液中DC表达上调，COVID-19患者血液中DC表达下调(图4A)。随后，分别应用Boruta、Random Forest和SVM RFE三种机器学习算法，识别AA/COVID-19患者与健康受试者之间最具区别性的16个免疫细胞(图4B)。通过交叉确定DC为目标细胞(图4C)。

图4 树突状细胞(DC)是AA和COVID-19中最具区别性的免疫细胞

4. cDC2在AA加重中上调/激活，在重症COVID – 19中下调/激活

作者对AA和COVID-19队列的气道黏膜进行了scRNA-seq分析,揭示两者在细胞亚型水平上的相关性。首先对数据集整合并校正批次效应，注释了8种类型的细胞（图5A）。有Ag侵染的AA的DC细胞比例最高。而对于COVID-19严重感染的患者表现出较低的DC细胞比例(图5B)。随后作者将DC分为5个细胞亚型(图5C)，并确认了它们的细胞标记物(图5D)。在AA中有Ag激发的AA表现出最高比例的cDC2，在COVID-19严重感染患者表现出显著较低比例的cDC（图5E）。综上cDC2s水平在AA加重期上调，在COVID-19重症期下调。

作者发现AAs对Ag的能量代谢水平升高，且与ACs相比，AAs的能量代谢水平更高，严重的COVID-19表现出更高的能量代谢水平(图5F)。研究发现cDC2s具有向T细胞呈递抗原的能力。在抗原暴露的情况下，AA的cDC2向T细胞发送的信号更多；来自COVID-19患者的cDC2s倾向于增加向T细胞的信号传递(图5G, H)。总的来说，这些数据表明在AA和COVID-19恶化状态中存在更多活化的cDC2s。

图5 常规树突状2细胞(cDC2s)在AA加重时增加/激活，在重症COVID-19时下调/激活

5. EXOC4、ZBTB46、TLR1和TNFSF4变异促进cDC2分化，cDC2介导AA中SARS‑CoV‑2抗原呈递

作者进一步探索了共享的遗传机制。在AA的36个变量SNP中，16个SNP表现出转录调控区变异的功能后果，13个SNP对应基因在DCs中高表达(图6A)。元景观富集分析显示，这13个基因集中于AA(儿童哮喘)、病毒(对病毒的反应)和免疫细胞(白细胞活化的负调控)(图6B)。

研究树突状细胞的分化和抗原呈递。CytoTRACE分析预测，来自AA Ag的前DC有更高的发育潜力；来自COVID-19患者的前DC分化能力较低(图6C, D)。单片分析绘制了AAs和ACs从Pre-DC到cDC1/cDC2的分化轨迹(图6E)，其中ZBTB46和EXOC4与AAs中分化的相关性更高(图6F)，随分化过程ZBTB46在AAs和ACs中均上调，EXOC4在AAs中下调，而在ACs中上调(图6G)。蛋白对接分析显示了cDC2s介导的抗原呈递过程，显示相互作用力和距离(图6H、I)。当抗原暴露时，TLR1和TNFSF4在AAs中的表达均高于ACs(图6J)。