二区5分纯生信｜单细胞+非负矩阵+AlphaFold+机器学习组合

说在前面

学文不看刊

这篇分析总体来说工作量不算大，scRNA联合bulkRNA分析，多种机器学习组合预测模型，最后用了AlphaFold2预测蛋白及AutoDock分子对接

非常适合小白学习和模仿，其次在筛选出核心基因后可以再加几个外部数据集观察表达表征，单细胞层次也可再次进行验证，堆上工作量

今天给大家分享的一篇文章：Unveiling the molecular complexity of proliferative diabetic retinopathy through scRNA-seq, AlphaFold 2, and machine learning

标题：通过 scRNA-seq、AlphaFold 2 和机器学习揭示增生性糖尿病视网膜病变的分子复杂性
期刊名称：Frontiers in Endocrinology
影响因子：5.2
JCR分区：Q1
中科院分区：医学2区
小类：内分泌学与代谢2区

摘要

背景：增生性糖尿病视网膜病变（PDR）是失明的主要原因，其发病机制复杂。本研究整合单细胞 RNA 测序（scRNA-seq）、非负矩阵分解（NMF）、机器学习和 AlphaFold 2 方法，探索 PDR 的分子水平。

方法：我们分析了 PDR 患者和健康对照者的 scRNA-seq 数据，以确定不同的细胞亚型和基因表达模式。NMF 用于定义 PDR 中的特定转录程序。利用 Meta-Program 1 中确定的氧化应激相关基因 (ORG)，使用 12 种机器学习算法构建预测模型。此外，我们使用 AlphaFold 2 预测蛋白质结构，并辅以分子对接以验证潜在治疗靶点的结构基础。我们还分析了蛋白质-蛋白质相互作用 (PPI) 网络和关键 ORG 之间的相互作用。

结果：我们的 scRNA-seq 分析显示 PDR 患者有五种主要细胞类型和 14 种亚细胞类型，与对照组相比，基因表达存在显著差异。我们确定了三个关键元程序，强调了小胶质细胞在 PDR 发病机制中的作用。确定了三个关键 ORG（ALKBH1、PSIP1 和 ATP13A2），其中表现最佳的预测模型表现出较高的准确度（训练队列中的 AUC 为 0.989，验证队列中的 AUC 为 0.833）。此外，AlphaFold 2 预测与分子对接相结合显示白藜芦醇对 ALKBH1 具有很强的亲和力，表明其具有作为靶向治疗剂的潜力。PPI 网络分析揭示了中心 ORG 与其他基因之间复杂的相互作用网络，表明其在 PDR 发病机制中发挥着集体作用。

结论：本研究深入了解了 PDR 的细胞和分子方面，并使用先进的技术方法确定了潜在的生物标志物和治疗目标。

关键词： ALKBH1；AlphaFold 2；NMF；PPI；糖尿病视网膜病变；机器学习；氧化应激；单细胞分析。

结果

图 1增生性糖尿病视网膜病变 (PDR) 样本与正常样本的单细胞 RNA 测序分析比较。

(A) PDR 和正常样本的单细胞 RNA 测序数据的质量控制。
(B)高度变异基因的鉴定。前 2000 个变异基因显示为红点。
©主成分分析。据此，我们将细胞组分为两类。主成分的 ElbowPlot (D)和 JackStrawPlot (E) 。
不同组(F)、8 个样本(G)、26 个簇(H)、5 种主要细胞类型(I)和 14 种亚细胞类型(J)的 t 分布随机邻域嵌入(t-SNE) 分析。

图 2 PDR 中细胞间通讯和基因表达的详细分析。

（A、B）基于所涉及基因数量（A）和相互作用权重/强度（B）的五种主要细胞类型的细胞间通讯网络图。
（C-F）小胶质细胞和间充质细胞的基因表达分析。两种细胞类型中上调（C）和下调（D）基因。（E）间充质细胞中下调的基因，但小胶质细胞中上调的基因。（F）间充质细胞中上调的基因，但小胶质细胞中下调的基因。

图 3小胶质细胞中的 PDR 基因模块目录。

（A）热图展示了小胶质细胞中 PDR 基因模块之间重叠的重要性，确定了三个共识模块：元程序 1、元程序 2 和元程序 3。
（B）从 Gene Ontology 和 PathCards 数据库中识别出元程序 1 和氧化应激相关基因 (ORG) 交叉处的 15 个基因。

图 4机器学习衍生的预测模型的开发。

（A）训练和验证队列中机器学习算法组合的 AUC 结果。训练队列为 GSE160306，验证队列为 GSE102485。
（B）性能最高的模型中包含的三个中心 ORG 的描述。
（C）使用 AlphaFold 2 预测的三个中心 ORG 的蛋白质结构。

图 5白藜芦醇与 ALKBH1 的分子对接。

（A） ALKBH1 蛋白的三维结构。
（B） ALKBH1 蛋白与白藜芦醇之间的结合相互作用图。
（C）白藜芦醇与 ALKBH1 的分子对接的近距离视图，突出显示局部扩增细节。

图 6蛋白质-蛋白质相互作用 (PPI) 网络的构建及三个枢纽 ORG 的功能富集分析。

(A)基于与三个枢纽 ORG 密切相关的 50 个基因构建 PPI 网络。
(B)使用七种分析算法确定了 PPI 网络中的前十个枢纽基因。

图 7三种关键 ORG 与阴性对照基因 PXDNL 在各种疾病条件下的相互作用。

分析使用比较毒理基因组学数据库 (CTD；http://ctdbase.org/ ) 进行。三个枢纽 ORG 与(A)糖尿病视网膜病变、(B)视网膜疾病、©眼部疾病、(D)血管疾病、(E)糖尿病并发症和(F)糖尿病之间的推断分数以条形图显示。

小结

主要数据及方法：

Types	Notes
分析数据	scRNA ：GSE165784；bulkRNA ：GSE102485、GSE160306；氧化应激相关基因：Gene Ontology、PathCards
分析方法	单细胞标准流程；小胶质细胞非负矩阵；机器学习组合ORG预测模型；AlphaFold2蛋白结构预测；AutoDock分子对接；PPI多算法网络拓扑分析；CTD评分可视化