大家好，我是猕猴桃。今天我们带来一篇最新发表的2分+非肿瘤生信文章的全文复现，满满干货！话不多说，直奔主题。题目是：

于2022年发表，最新的影响因子2.70。

通过生物信息学分析探究皮肤利什曼病潜在hub genes

思路：

通过将数据集GSE55664和GSE63931进行清洗，获得DEGs（|logfc|＞2 padj＜0.05）获得差异表达基因，进行GOKEGG及GESA富集分析。通过string数据库获得蛋白互作网络。通过Cytoscape软件从蛋白相互作用（PPI）网络中鉴定了前10个枢纽基因（MCC算法）。并浸润免疫浸润分析，以及hub gene与免疫细胞的相关性。

使用工具：

1，仙桃生信工具（https://www.xiantao.love/login）

2，String数据库（https://cn.string-db.org/）

3，Cibersortx（cibersortx.stanford.edu）

Figure2差异分析及hub gene的筛选

仙桃生信-数据集检索

将数据集ID输入到检索栏

样本界面选择样本

将样本为了参考组实验组。提交分析。

等待分析结果完成

差异分析结果

火山图

热图

将两个数据集的差异分析|logfc|＞2 p＜0.05筛选后，分别上调下调交集。

分别将上调和下调取交集（为了防止某基因再一个数据集是上调，再另一个数据集是下调则会中情况）

整理好两列后

基础绘图-韦恩图

这里展示的是四列数据的韦恩图，如果是两列数据为两个圆形。

Figure3GOKEGG

功能聚类-GOKEGG分析

将两个数据集交集的DEGs复制到分子列表

结果下载（一定要保存结果，才可进行可视化）

筛选pvalue＜0.25 padjust＜0.05，筛选明星通路（比如IL开头等）

保存结果后会保存到云端

将选好的功能或通路复制到ID列表

E-G，GSEA经典可视化

将第一步中差异分析的结果整理

选出gene和logfc

功能聚类-GSEA富集分析

可以选择基因集和分析参数

提交到历史记录查看

筛选pvalue＜0.25 padjust＜0.05，筛选明星通路（比如IL开头等）

功能聚类-经典可视化

将选好的通路复制到ID列表

结果下载

Figure4ppi互作网络及hub gene的一维柱状图

使用string数据库

将获得的DEGs

下载TSV格式的

将STRING下载的文件上传到cytoscape

再APPs栏下载cytohubba插件

选择算法top多少基因，可以5 10等等

展示MCC算法top10

将关键基因的表达量对应分组整理再一个新的表格

基础绘图-分组比较图

将整理的文件上传

Figure5免疫浸润

PAC图

表达差异-PCA图

将对应的分组添入表达矩阵第一行

上传数据调整参数

接下来使用cibersortx在线分析数据库（需要注册登录）

Upload files（上传文件，注意文件txt格式，大小100mb以内比较好，上传文件有0容易保存）

添加文件

上传后回到主页RUN

选择LM22及上传的文件

等待分析

结果下载

回到仙桃生信工具

交互网络-相关性热图

上传在线分析下载的结果

调整参数

整理数据

将样本名对应到分组

基础绘图-分组比较图

上传文件调整参数

结果下载

Figure6免疫细胞相关性分析

交互网络-棒棒糖图

选择免疫细胞

结果下载