6.2分最新铁死亡文章！多组学非肿瘤，实验+机器学习连招出牌，先导师一步研究这个思路...
大家好，我是雪梨，希望研究生信的大家也健健康康~
今天是世界防治哮喘日，它旨在号召大家关注这种尚无根治方法的疾病。目前，全球哮喘患者已超过3亿，预计2025年将达到4亿，这对医疗保障系统和哮喘患者们都是巨大的挑战。今年四月，一篇发布在BBA- Molecular Basis of Disease上的文献使用GEO数据库，通过机器学习的手段摸索了铁死亡与哮喘的发生、发展的关系，试图为哮喘治疗提供新的药理靶点。
本篇文献有一定的实验过程，包括细胞培养与处理、动物模型构建等。机器学习套路主要集中在前半部分，识别出核心基因ALOX15，为研究打下了可靠的基础。无论选题意义，还是套路参考方面都值得一看。
下面就一起来看看吧！
预计阅读时间：7分钟
文献背景
Identifying ALOX15-initiated lipid peroxidation increases susceptibility to ferroptosis in asthma epithelial cells
确定 ALOX15 引发的脂质过氧化会增加哮喘上皮细胞对铁死亡的易感性
期刊：Biochimica et Biophysica Acta(BBA) - Molecular Basis of Disease
IF：6.2
文献背景
技术路线
数据收集与预处理：收集哮喘患者鼻上皮和痰样本数据，并进行预处理，以去除批次效应。
差异表达基因筛选：利用limma包筛选哮喘患者与健康对照组的差异表达基因。
功能富集分析：使用GO、KEGG和DO数据库进行差异表达基因的功能富集分析。
特征基因筛选：利用LASSO、SVM-RFE和RF三种机器学习算法筛选特征差异表达基因。
蛋白质互作网络分析：构建蛋白质相互作用网络，并进行拓扑分析。
转录因子预测：利用NetworkAnalyst进行转录因子预测。
Logistic回归模型构建：基于特征基因构建Logistic回归模型，区分哮喘患者和健康对照组。
免疫细胞分析：利用CIBERSORT算法计算免疫细胞组成，分析ALOX15表达与免疫细胞的关系。
蛋白质对接：利用分子对接技术分析ALOX15与PEBP1的结合模式。
细胞培养与处理：培养16HBE细胞，进行HDM/LPS刺激以建立铁死亡模型。
siRNA沉默：利用siRNA沉默16HBE细胞中的ALOX15基因。
Western blot与免疫荧光：通过Western blot和免疫荧光技术检测蛋白表达和共定位。
脂质过氧化与铁离子检测：利用流式细胞术和免疫荧光技术检测脂质过氧化水平和铁离子。
动物模型构建：构建HDM/LPS诱导的哮喘小鼠模型，并进行Fer-1处理。
BALF细胞计数与病理染色：收集支气管肺泡灌洗液，进行细胞计数，并进行病理染色观察。
统计与作图：利用GraphPad Prism软件进行统计分析，并绘制相关图表。
铁死亡相关机制研究：综合多方面结果，阐明ALOX15在哮喘铁死亡过程中的关键作用。
研究结果
Figure1
Figure1 调查流程示意图
Figure2
Figure2 使用机器学习算法识别与哮喘相关的关键DEFRGs
(A) 显示鼻上皮细胞样本和健康对照组哮喘 DEGs 的火山图。
(B) 显示痰样本和健康对照组哮喘 DEGs 的火山图。
(C - D) 鼻上皮样本和痰样本（DEGs 和 FRGs）的维恩图。
(E) 使用基于最小 lambda 的 LASSO 算法获得的 12 个 DEFRGs。
(F) 使用 SVM-REF 算法获得的 10 个 DEFRG。
(G) 使用 RF 算法获得的 12 个 DEFRG。
Figure3
Figure3 ALOX15在哮喘中的表达模式
(A) 维恩图显示，通过三种机器学习算法，ALOX15 是唯一与哮喘相关的 FRG。
(B) 鼻上皮样本、痰样本、支气管上皮样本和外周血样本示意图。
(C-F）ALOX15 在四个不同组织中的表达水平在患病样本和健康样本之间上调。
(G-J）ROC 曲线显示了 ALOX15 在四种不同组织中的诊断效果。
阅读中有任何疑惑
或是想get同款思路
记得扫码添加雪球老师
Figure4
Figure4 铁死亡相关哮喘预测模型的构建与验证
训练集和验证集合并数据集去除批次效应之前(A)和之后(B)的 PCA 图。
(C) ALOX15 与模型中其他基因的相关性。
(D-E)估计模型在训练集和验证集诊断性能的 ROC 曲线。
(F）用于预测哮喘发生的列线表的建立。
(G）决策曲线 分析显示了列线表的临床效益。
(H）校准曲线估计了列线表的预测准确性。
(I)ALOX15 和 PEBP 的相互作用力的三维组合模型。绿色条带代表 ALOX15，深蓝色条带代表 PEBP，黄色虚线代表氢键相互作用力。
具体残基以球棍模型表示。
Figure5
Figure5 HDM 和 LPS 联合刺激诱导 16HBE 细胞铁死亡
16HBE 细胞分为空白对照组、模型组（HDM + LPS 处理）和 Fer-1 处理组（HDM + LPS + Fer-1 处理）。
(A-C）Western 印迹检测 E-cadherin、α-SMA、PTGS2、GPX4 和 FTH1 的表达水平，并用图像 J 软件量化相对强度。
(D) 用流式细胞仪检测脂质过氧化水平。
(E) 用免疫荧光法检测亚铁离子含量；图像以 ×200 倍放大。
Figure6
Figure6 成功建立 HDM/LPS 诱导的小鼠哮喘
(A) 肺组织的 HE 染色和 PAS 染色，图像放大至 ×200 倍。
(B-D) 细胞总数
(B)、中性粒细胞百分比
(C) 和中性粒细胞计数
(D) BALF（n = 5）中的细胞总数（B）、中性粒细胞百分比（C）和中性粒细胞计数（D），数据以平均值 ± SEM 表示
Figure7
Figure7 铁死亡在 HDM/LPS 诱导的小鼠哮喘中增加
(A) 通过过氧化物酶染色检测肺组织中的铁，通过免疫组化染色检测肺组织中 GPX4 的表达，图像放大至 200 倍。
(B-D）检测肺组织中 MDA（B）、GSH（C）和 GSSG（D）的水平（n = 5），数据以均数 ± SEM 表示。
(E）Western 印迹检测肺组织中 ACSL4、PTGS2 和 FTH1 的表达水平。
Figure8
Figure8 HDM 和 LPS 的联合刺激增加了哮喘模型小鼠和 16HBE 细胞中 ALOX15 的表达
(A-B）Western 印迹和免疫组化染色检测 ALOX15 和 PEBP1 的表达水平，并用 Image J 软件量化相对强度。
(C）通过免疫组化染色检测 ALOX15 和 PEBP1 的共定位，图像放大至 ×400 倍。图中数据以三个独立试验的均数±标准平均值表示。
Figure9
Figure9 沉默 ALOX15 可减轻 HDM/LPS 诱导的 16HBE 细胞铁死亡
(A-B）Western 印迹结果显示 ALOX15 在 16HBE 细胞中被成功敲除。
(C) 用流式细胞术检测脂质过氧化水平。
(D）Western 印迹检测 PTGS2、PEBP1 和 FTH1 的表达水平。
(E) 用免疫荧光法检测亚铁离子含量；图像以 ×200 倍放大。图中数据以三个独立试验的均数±标准平均值表示。
阅读中有任何疑惑
或是想get同款思路
记得扫码添加雪球老师
总结
哮喘目前尚无根治性疗法，且治疗主要集中在控制症状上。本研究基于生物信息学分析、体外和体内实验等手段，证明铁死亡参与了哮喘的发生和发展，揭示了铁死亡相关基因ALOX15在哮喘的铁死亡调控中起着关键作用。
本研究利用 HDM 和 LPS 建立哮喘模型，研究铁死亡在哮喘发病机制中的作用。而结果表明，在 HDM/LPS 诱导的哮喘小鼠和 16HBE 细胞中发生了铁死亡，而用 Fer-1 治疗可显著逆转这些变化。结果表明，铁死亡参与了哮喘的发生和发展。
事实证明，机器学习方法能有效识别高通量数据中的核心疾病靶标，从而发现新的生物标记物。这项研究使用三种机器学习算法：LASSO、SVM-REF和RF，来识别核心基因ALOX15。并且采集多组织来源的样本，证明结果的可靠性。发现与健康人相比，哮喘患者体内ALOX15明显上调。文献进一步的研究表明，ALOX15在哮喘的气道炎症中起着关键作用，参与了哮喘中铁死亡的调控。因此，它可作为哮喘的潜在药物治疗靶点。
认识到铁死亡是哮喘发病机制中的一个关键机制，为开发创新诊断工具和个性化治疗方法提供了宝贵的启示，最终有助于改善未来哮喘患者的管理和预后。要进一步完善该文献的研究，可以使用人体细胞、组织或更先进的类人肺器官来验证 ALOX15 在哮喘模型中的作用。
想要高效发文的朋友们快来投奔挑圈联靠的站姐——雪球老师吧！跟着大部队走，这是生信发高分的最快途径了~
如果你想做机器学习思路相关的生信，想获得拆解的原文献，或者想收看最新的直播课程，就扫描下方二维码添加雪球老师微信获得更多资讯吧！
本周三的直播主题是“整好单细胞，实现从0到10的跨越”
现在添加雪球老师微信，回复“5.7”,即可获取原文~