今天给同学们分享一篇生信文章“WGCNA and machine learning analysis identifi ed SAMD9 and IFIT3 as primary Sjögren's Syndrome key genes”，这篇文章发表在Heliyon期刊上，影响因子为3.4。
结果：
GSE40568 和 GSE40611 两个测试数据集之间的批量效应由 “sva” 包校正。在 pSS 患者和健康对照者之间共鉴定出 376 个 DEGs。由 2 个基因组成的模块 plum291 与 pSS 组和健康对照组的临床特征相关性最强 （cor = 0.47，P = 2.1e-17）。在这 291 个基因中，还发现 186 个基因是 pSS 患者和对照个体之间的 DEG，因此它们被归类为 KDEGs。这些 KDEG 的功能主要与免疫调节有关，例如抗原受体介导的信号通路、白细胞介导的免疫和单核细胞分化的生物过程、免疫受体活性和趋化因子信号通路。通过三种机器学习分析，即 LASSO 回归、SVM-RFE和 RF，KPG，IFIT3 和 SAMD9在前 10 个最重要的基因中被一致地识别出来。
与健康对照相比，IFIT3 和 SAMD9 在 pSS 患者中均表现出显著上调。此外，ROC 分析表明，它们可以作为 pSS 的标志物，如 AUC 值所示（IFIT3：AUC = 0.959,95% 置信区间 [CI]：0.874–1.000;SAMD9：AUC = 0.955,95% CI：0.879–1.000）。
pSS 样本中 M1 巨噬细胞、γδ T 细胞、活化的 CD4 记忆 T 细胞、幼稚 B 细胞和静息树突状细胞的比例较高，而活化的 NK 细胞、CD8 T 细胞、静息 NK 细胞和活化的肥大细胞的比例在 pSS 样本中较低，尽管没有统计学意义。IFIT3 和 SAMD9 均表现出与免疫细胞浸润的密切关联。具体而言，SAMD9 与 M1 巨噬细胞、γδ T 细胞和幼稚 CD4 T 细胞呈正相关，与单核细胞、静息树突状细胞、活化的肥大细胞和静息 NK 细胞呈负相关，而 IFIT3 与 M1 和 M0 巨噬细胞呈正相关，与活化的肥大细胞、静息 NK 细胞、单核细胞和静息树突状细胞呈负相关。
两种 KPG （IFIT3 和 SAMD9） 的表达呈增加趋势，这在
GSE127952 数据集中得到了验证 （pSS：n = 8，对照：n = 6;Brazil） 和 GSE154926 数据集 （pSS：n = 43， Control：n = 7;USA），尽管 GSE9 数据集中只有 SAMD127952 表达在 pSS 患者中显著上调 （P = 0.00056）。
根据 GeneMANIA 数据库，在发现与这两个 KPG 相互作用的 20 个基因（IFIT3 和 SAMD9）中，排名前三的基因是 IFIT1、IFIT2 和 IRF9。功能分析显示，这些基因在病毒反应、腺苷酸转移酶活性和病毒相关疾病中发挥作用。ceRNA 网络分析鉴定了 12 个 miRNA 和 124 个 lncRNA。
作者的研究确定了 SAMD9 和 IFIT3 两个基因是 pSS 唾液腺病理过程中的潜在关键介质。作者还预测了一个 ceRNA 网络，该网络可能是 SAMD9 和 IFIT3 介导的 pSS 进展机制的上游和下游节点。鉴于这两个基因可能的药物靶点作用，还探索了潜在的药物和化合物。
