3+铜死亡+WGCNA，铜死亡为什么打得火热也是有迹可循的

今天给同学们分享一篇生信文章“A novel signature combing cuproptosis- and ferroptosis-related genes in sepsis-induced cardiomyopathy”，这篇文章发表在Front Genet.期刊上，影响因子为3.7。

结果解读：

差异基因表达分析

基因表达数据集GSE79962包含来自20个SIC样本和11个正常心肌组织样本的数据。如图1A所示，对数据归一化和交叉可比性进行了评估。使用R软件（4.2.1版）中的limma软件包进行差异表达分析，以调整后的p<0.05和|log2-FC|>1为过滤条件，作者发现与正常心肌组织相比，SIC心肌病患者的心肌组织中有173个基因差异表达。67个DEG上调，106个下调。铁死亡相关基因（NOX4、HMOX1、POR、SAT1等）在脓毒症诱导的心肌病模型中高度表达。最近的研究表明，NOX4在心血管系统中具有特征，HMOX1可由脓毒症诱导，POR被选为SIC的关键基因。上述结果与作者的研究结果一致。对这些DEG进行聚类分析

SIC中DEG的功能途径富集分析

作者对GSE79962数据集中上调和下调的DEG进行了KEGG和GO富集分析。结果表明，DEG的功能存在显著差异。上调的DEG主要富集在肌肉组织发育、小分子代谢过程调节、肌动蛋白细胞骨架调节、白细胞跨内皮迁移和AMPK信号通路中（图2A、B）。下调的DEG主要富集于对白细胞介素1的反应途径、肽酶活性的调节、细胞因子产生的正调节、参与免疫反应的中性粒细胞激活、MAPK信号通路、JAK-STAT信号通路和细胞因子-细胞因子受体相互作用。众所周知，AMPK对细胞能量平衡、代谢稳态、炎症反应、氧化应激和心肌细胞存活具有强大的调节作用

WGCNA鉴定的关键模块和基因

GSE79962数据集的31个样本共衍生出22828个基因。这些基因被用于构建共表达网络。样本的聚类分析结果如图4所示。建立了每个数据集的聚类树，没有发现异常值（图4A）。当标度独立度达到0.8时，合理选择软阈值。计算无标度拟合指数和平均连通性，并选择β=5的幂（无标度R2=0.87）（图4B）。根据动态树切割算法的标准，每个模块的最小基因数量被设置为30。鉴定了最后37个由不同颜色代表的转录模块（图4C）。

关键基因的筛选

基于FerrDb V2数据库，作者获得了612个铁死亡相关基因。作者还从文献中鉴定了16个铜死亡相关基因。使用STRING数据库创建了一个蛋白质-蛋白质相互作用网络，以进一步探索这些基因之间的关系。作者鉴定了128个铁死亡相关基因与铜中毒相关基因密切相关。因此，作者通过将铜死亡相关基因与铁死亡相关基因相结合，构建了一种新的信号（CRF）。蛋白质-蛋白质相互作用网络基于STRING在线数据库构建，并使用Cytoscape软件进行可视化（图5A）。通过将DEG、基于WGCNA的枢纽基因和CRF基因进行交集，确定了SIC的三个交集基因（POR、SLC7A5和STAT3）（图5B）。ROC曲线和AUC分析证实了这三个基因的诊断价值。如图所示

SIC TF miRNA关键基因网络的构建

作者进一步研究了这三个基因在SIC中的调控机制。鉴定了三个基因的靶miRNA和TF，然后基于miRnet构建了TF–miRNA关键基因网络。最后，构建了一个包含三个基因、19个TF和21个miRNA的TF–miRNA关键基因网络，该网络具有45个边缘（图7）。

总结

总之，研究使用生物信息学方法鉴定了参与脓毒症诱导的心肌病的关键基因和途径，并揭示了铁死亡和铜死亡的潜在作用。研究结果表明，15种药物是脓毒症诱导的心肌病治疗的候选药物。需要进一步的研究来探索铁死亡性贫血、铜死亡和脓毒症诱导的心肌病之间的因果关系，并提供预后标志物。总体而言，作者的分析为预测生物标志物和药物靶点提供了一个工作流程，可广泛用于其他疾病。