IF：8+ 基于scRNA-seq 揭示牙周炎患者在接受非手术治疗后免疫反应的重新平衡

本文主要是介绍IF：8+ 基于scRNA-seq 揭示牙周炎患者在接受非手术治疗后免疫反应的重新平衡，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

桓峰基因的教程不但教您怎么使用，还会定期分析一些相关的文章，学会教程只是基础，但是如果把分析结果整合到文章里面才是目的，觉得我们这些教程还不错，并且您按照我们的教程分析出来不错的结果发了文章记得告知我们，并在文章中感谢一下我们哦！

公司英文名称：Kyoho Gene Technology (Beijing) Co.,Ltd.

这期分享一篇2022年7月份发表在 Journal of Translational Medicine (IF:8.44)，作者基于 scRNA-seq 研究牙周炎患者在接受非手术治疗后免疫反应的重新平衡。该文章使用桓峰基因公众号里面生信分享教程即可实现，有需要类似思路的老师可以联系我们！

摘要

背景：牙周炎是口腔黏膜的一种主要炎症性疾病，不仅局限于口腔，而且具有全身性后果。虽然慢性牙周炎的重要性已被重视，但牙周炎引起的全身免疫反应及其治疗效果仍不清楚。

方法：使用单细胞RNA测序，分析了健康对照和治疗前后牙周炎患者的PBMCs。提取了每种细胞类型的差异表达基因和生物学途径，并计算了反映细胞特征的活性评分。细胞间串扰可分为治疗应答和非应答途径。

结果：分析了牙周炎引起的泛细胞差异表达基因，发现大多数细胞类型的CRIP1显著增加，这进一步支持了在牙周炎患者中观察到的血浆CRIP1水平升高。此外，激活的细胞类型特异性配体-受体相互作用，包括BTLA, IFN-γ和抵抗素途径，在牙周炎患者中很突出。牙周治疗后，健康对照组的BTLA和IFN-γ通路恢复到相似水平，而抵抗素通路即使在治疗后仍被激活。

结论：这些数据共同提供了对牙周治疗反应的转录组变化和分子相互作用的见解。确定了牙周炎特异性全身炎症指标，并建议非手术治疗的未解决信号作为未来的治疗目标。

生信分析流程

相关数据集选择：

2个患者 scRNA-seq 数据

基因集选择

单细胞分析结果找到的Marker

生信分析方法：

我们从文章的分析流程中提取所有的分析内容，整理出来就 11个分析条目，每个条目都包括分析的内容，这些分析构成了整个文章，本文属于单细胞测序生信分析类文章，下面我们就看看哪些分析可以利用桓峰基因公众号的教程来实现，点击分析条码就会跳转到对应公众号的教程，跟着教程做，您也能发轻松发高分，如下：

1. 单细胞数据比对（CellRanger V2.1.1)

2. 单细胞数据指控及分析（Seurat V4.0.6）

3. 过滤双细胞（Scrublet)

4. 细胞类型注释（SingleR）

5. 差异表达基因分析（edgeR）

6. 标记基因GO富集分析（ClusterProfiler)

7. 细胞间配体-受体相互作用（CellphoneDB）

8. 细胞间配体-受体相互作用（CellChat）

9. 绘制受试者工作特征(ROC)曲线

10. 使用临床信息的PCA图

11. 通过相关检验计算Pearson相关系数和p值的箱线图

研究结果

1. 健康供者和治疗前后牙周炎患者外周血单个核细胞(PBMCs)的组成

A.本研究的图形摘要

B.柱状图显示每个样本的细胞数量。

C.来自所有受试者的111,213个pbmc的UMAP图。

D.投射到UMAP图上的13个主要细胞系的典型标记基因散点图。

E.不同的表达水平。

F.参与者使用六个临床变量的PCA图:ESR, CRP，临床附着水平，探测袋深度，斑块指数和牙龈指数。

2. 先天免疫细胞、单核细胞、树突状细胞和NK细胞中的差异表达基因

A.三种单核细胞亚群的UMAP图:经典、非经典和中间单核细胞

B-D.点阵图显示了基因在各单核细胞亚型(B)、NK细胞(C)和mDCs (D)中的差异表达水平。

E.脂多糖介导的信号通路在mDCs中正向调节的活性评分。

3. 牙周炎诱导的适应性免疫、B、CD4T和CD8T细胞的转录改变

A.四种B细胞亚群的UMAP图:耗竭B细胞、开关记忆B(开关MB)细胞、非开关记忆B(非开关MB)细胞和浆母细胞

B.四种CD4+ T细胞亚群的UMAP图:T辅助1 (Th1)、T辅助17 (Th17)、滤泡辅助T (Tfh)和调节性T (Treg)

C.三种CD8+ T细胞亚群的UMAP图:中枢记忆T (TCM)、效应记忆T (TEM)和末端效应T (TTE)细胞

D-F.点图显示了B细胞亚型(D)、CD4T细胞亚型(E)和CD8T细胞亚型(F)中基因的差异表达水平。

G.采用ELISA法检测健康对照组和牙周炎患者血浆中CRIP1、IFITM1、TNF-α、CRP和ESR的水平。

H.CRIP1与TNF-α、CRP和ESR测量的关系。通过相关检验计算Pearson相关系数和p值。CRIP1和IFITM1的受试者工作特征(ROC)曲线分析显示健康组和牙周炎组之间存在明显差异

4. BTLA信号通路及BTLA+pDCs

A-C.比例健康对照组(A)、治疗前组(B)和治疗后组(C) BTLA信号转导的圆形图。

D.健康组、治疗前组和治疗后组BTLA+ pDCs的比例

E.小提琴图为Tregs耐受性评分。使用来自GO:0002645的基因集(称为“正调控的耐受性诱导”)计算耐受性。星号表示使用Wilcoxon秩和检验计算的组间差异的显著性

5. IFNG信号通路的圆形图及表达水平

A.预处理组IFNG信号通路圆图及表达水平，

B.IFNG表达水平的小提琴图。

C.健康组、治疗前组和治疗后组IFNG+ NK细胞比例。

D.树突状细胞中IL1、IL12、IL23、TNF-α等细胞因子的平均表达情况及IFNG受体表达情况。

6. RESISTIN信号通路的表达水平

A-C.健康组(A)、治疗前组(B)和治疗后组(C)中抵抗素信号转导的圆形图。

D.配体-受体对抵抗素信号通路的相对贡献

E.单核细胞中RETN表达水平的小提琴图。

F.健康组、治疗前后组RETN+单核细胞比例。

G.mDCs中RETN表达水平小提琴图。

H.健康组、治疗前后组RETN+ mDCs比例。

Reference:

1. Lee, H., Joo, JY., Sohn, D.H. et al. Single-cell RNA sequencing reveals rebalancing of immunological response in patients with periodontitis after non-surgical periodontal therapy. J Transl Med 20, 504 (2022).

我们根据文章整理出来 11个分析条目，整个文章所使用的分析方法以及软件包在我们桓峰基因公众号上都可以一一对应找到相应的方法，文字版教程结合视频版教程非常适合大家参考学习！！！