7+非肿瘤纯生信，分型+机器学习，寥寥数图就可以拿下7+

今天给同学们分享一篇生信文章“Micro-inflammation related gene signatures are associated with clinical features and immune status of fibromyalgia”，这篇文章发表在J Transl Med期刊上，影响因子为7.4。

结果解读：

在GEO队列中发现了与炎症相关的DEG

整个分析的流程图如图1所示。FM患者和对照组共鉴定出1920个DEG，包括960个上调的DEG和958个下调的DEG，它们如火山图所示（图2A）。从GO 0006954中获得774个炎症基因：炎症反应，获得54个交集基因（图2B）。

通过一致聚类将患者分为不同的炎症状态

根据54个DEIGs的mRNA表达谱，61名FM患者被分为两种分子亚型（C1:n = 31；C2:n = 30）在删除重复样本后通过无监督聚类分析（图3A–C）。DEIGs的整体表达谱在两种亚型之间不同（图3D）。作者使用ssGSEA算法进一步评估了每个样本的炎症反应富集分数。结果显示，C1组的炎症反应高于C2组和正常组，尤其是在他们的孩子期，神经炎症反应（图3E）。由于DEIGs的Fold变化较小，C1组被定义为微炎症亚型，C2组则被定义为非炎症亚型。

FM不同炎症状态表现出不同的临床特征、免疫特征和通路活性

表中进一步比较了两种亚型的临床特征表1.1.微炎症组中重度抑郁症患者的比例显著增加，表明微炎症可能与抑郁症的发生有关。微炎症组的BMI也有所增加。然而，经修订的纤维肌痛影响问卷（FIQR）评分没有统计学意义。

此外，作者使用ssGSEA算法量化了两种亚型的免疫细胞在血液中的富集分数。与非炎症亚型相比，微炎症亚型中活化的树突状细胞和自然杀伤细胞的比例较高，但非炎症亚类型中效应记忆CD8 T细胞的比例更高（图4A）。作者进一步评估了失调的免疫细胞评分和炎症反应评分之间的相关性，作者发现活化的树突状细胞与炎症反应和神经炎症反应呈正相关（图4B，C），表明FM中的微炎症可能与活化的树突细胞相关。

使用多种机器学习算法开发分子亚型分类器

作者旨在基于54个DEIGs找到核心炎症亚型相关特征，以建立一种可以特异性预测FM患者不同亚型的分类器。使用3种机器学习算法来进行特征选择，总共13种（HGF、YES1、MS4A2、HRH4、MMP8、HRH1、MAP2K3、ENPP3、CCR3、IL13、ORM1、IL10、SNCA），23种（MMP8、MAP2K3、FURIN、EIF2AK1、ENPP2、HRH1，HGF、MS4A1、MCPH1、TFR2、SNCA、YES1，HK1、CD200R1、C2CD4A、ORM1，C4A、PLA2G3、IL10，STAB1、FOLR2、NAPEPLD、CD47），分别使用Lasso、RF-RFE和XGBoost算法选择9个（MMP8、ENPP3、MAP2K3、FURIN、HGF、HRH4、PTPN2、FOLR2、YES1）DEIGs（图5A–D）。交叉口后获得5个轮毂DEIG，包括MMP8、ENPP3、MAP2K3、HGF、YES1（图5E）。此外，抑郁和BMI等临床特征在两种亚型之间存在显著差异。作者推测，这些特征在FM中也可能具有相关的分类价值。因此，作者应用SVM模型，基于5个中枢DEIGs和2个临床参数，即抑郁和BMI，构建了不同炎症亚型的分类器。最佳分类阈值为0.421，这意味着如果患者有 > 42.1%，他或她会被归类为微炎症亚型，否则他或她将被归类为非炎症亚型。

总结

FM是一种以广泛弥漫性疼痛为主要临床特征的慢性疾病。它的疼痛性质多样，休息后难以缓解。症状包括抑郁、焦虑、疲劳、睡眠质量下降和认知功能障碍，严重影响患者的生活质量和社会功能[1]。FM最初被归类为非炎症性疾病，但近年来的广泛研究暗示炎症可能与FM密切相关。炎症细胞因子如IL-1、IL-8和TNFα的上调与疾病相关的合并症也有关联[26]。Andrade等报道了FM存在慢性低度炎症状态。作者研究中基因的小幅变化不能用于区分两个亚型之间的差异表达基因(DEGs)，这也证实了上述发现。尽管DEIGs的表达水平在非炎症和微炎症亚型之间非常相似，但统计学上仍然存在显著性，并且ssGSEA分析显示C1亚型的炎症水平较高。