IF=4.1北京朝阳医院团队：scRNA-seq+hdWGCNA+小鼠验证，教你踩中 “代谢 - 免疫

IF=4.1北京朝阳医院团队：scRNA-seq+hdWGCNA+小鼠验证，教你踩中 “代谢 - 免疫 - 纤维化” 交叉热点

来源：特诺科研

各位肾内科、泌尿外科医生朋友，是否觉得“肾缺血再灌注损伤（IRI）” 相关研究难出创新？要么怕实验多、要么怕机制浅？今天就带大家拆解北京朝阳医院团队的这篇 IRI 多组学研究，从公共数据挖到小鼠验证，每步都踩在 “临床转化” 上 —— 要是你觉得自己梳理数据、设计模型麻烦，找我们团队帮你搞定从数据筛选到图表生成的全流程，省心出成果！

一、文章信息速览

原标题：Identifying Immuno-Fibrotic Roles of Lactylation-Related T Cell Hub Genes in Renal Ischemia–Reperfusion Injury: A Multi-Omics Study and Experimental Validation
期刊：Journal of Inflammation Research（IF=4.1）
关键词：肾缺血再灌注损伤（IRI）、乳酸化、T 细胞、枢纽基因（HLA-E/IGHM/CORO1A/TUBA1A）、多组学分析（scRNA-seq/hdWGCNA）、机器学习、分子对接、肾移植纤维化

二、拆解论文“行文架构”：适配肾病领域的多组学发文逻辑

这篇文章能成，核心是走了“找‘代谢 - 免疫’核心细胞→筛枢纽基因→建预测模型→药物 + 实验验证” 的闭环，没堆砌方法，全程围绕 “IRI 后乳酸化 T 细胞怎么促纤维化” 展开，精准契合肾病领域对 “临床问题 + 机制落地” 的要求，咱们医生做研究也能照这个模板抄！

1. 公共库+ 小样本结合，降低成本还贴临床

作者没做大规模测序，而是先挖GEO 公共数据（scRNA-seq 数据集 GSE180420，含 18 只小鼠 IRI 样本；4 个芯片数据集 GSE53605/GSE76882/GSE22459/GSE21374，含人肾移植纤维化样本），再补充自己的小鼠单侧 IRI 模型（8 周龄 C57BL/6，仅做 1/7/14 天取样，实验量小）。

关键操作：专门聚焦“乳酸化相关基因（LRGs）”（332 个，含 “Writer/Eraser” 酶），用 AUCell/GSVA 算乳酸化评分，直接锁定 “高乳酸化细胞”—— 这步超关键，避免后续分析 “无的放矢”，医生做研究也得先找 “核心靶点”（对应图 1A-E，IRI 后尤其是长缺血组乳酸化评分显著升高，T cell_2 集群评分最高）。

图1

2. 抓 T cell_2 集群，聚焦 “乳酸化 + 免疫” 交叉点

IRI 涉及多种细胞，作者没泛泛分析，而是通过 scRNA-seq + 代谢活性分析（scMetabolism 包），发现T cell_2 集群是 “乳酸化高 + 代谢重编程（糖酵解 / TCA 循环活跃）+ 促纤维化” 的核心（图 1F-G）：

还做了细胞通讯分析（CellChat），发现 T cell_2 和单核细胞互动增强，尤其 MIF-(CD74+CD44) 信号轴激活（图 2A-C）—— 这步直接把 “细胞” 和 “纤维化机制” 挂钩，比单纯分析细胞比例更有深度，审稿人一看就觉得 “有临床意义”。

图2

3. 筛枢纽基因 ——hdWGCNA + 机器学习，结果经得起推敲

选基因没靠单一方法，而是用“hdWGCNA（单细胞加权共表达网络）+8 种机器学习” 交叉验证：

先用 hdWGCNA 对 T cell_2 集群建网络，选到 3 个和 “乳酸化 + 长缺血” 强相关的模块（M2/M4/M6），再和芯片数据的纤维化差异基因交集，得到 38 个候选基因（图 2D-K）；

然后用 8 种机器学习（随机森林、SVM 等）筛选，最终锁定 4 个枢纽基因（HLA-E/IGHM/CORO1A/TUBA1A）—— 随机森林模型最优，训练集 AUC=0.888，测试集 AUC=0.897（图 3A-B），这种 “多方法交叉” 十分严谨。

图4

4. 建 “预后模型”—— 关联临床指标，提升文章价值

肾病领域超看重“临床转化”，作者用 4 个枢纽基因建了乳酸化风险评分（公式：风险评分 = 1.568TUBA1A -1.921CORO1A +3.458HLA-E +0.504IGHM）：

这个评分能精准预测肾移植预后：1/2/3 年移植肾存活 AUC 分别达 0.83/0.86/0.87（图 5H-I），还和临床指标强关联（CORO1A/HLA-E/IGHM 高表达→GFR 降、Scr 升，图 6A-F）—— 这步直接把 “基础机制” 和 “医生关心的临床结局” 绑定，文章实用性瞬间拉满。

图5

图6

5. 第五步：药物 + 实验验证 —— 少而精，支撑结论不费力

怕生信结果飘？作者做了两件“轻量级” 验证，性价比超高：

药物预测 + 分子对接：用 CellMiner 找靶点药，比如 HLA-E 对 PLX-4720（ vemurafenib 类似物）结合能达 - 9.4 kcal/mol，CORO1A 对 ST-3595 结合能 - 8.1 kcal/mol（图 7A-F）—— 不用做实验，靠计算就能提 “治疗潜力”；

图7

小鼠实验验证：仅做 qPCR 和染色，就证实 4 个枢纽基因在 IRI 小鼠肾组织中高表达（图 10C），H&E/Masson 染色也验证了纤维化（图 8A）—— 医生不用做复杂细胞实验，补个动物模型的 qPCR/IHC 就能落地。

图8

三、发文技巧与启示

抓“代谢 - 免疫 - 纤维化” 交叉热点：IRI 的核心是 “缺血→代谢乱（乳酸堆积）→免疫激活→纤维化”，作者紧扣这个链条，从乳酸化切入 T 细胞，比单纯做 “免疫细胞浸润” 更有创新；医生可以类比，比如从 “脂质代谢”“氧化应激” 切入其他肾病（如糖尿病肾病）。
“公共数据生信 + 小样本验证” 性价比最高：用 GEO 的 scRNA-seq / 芯片数据做前期挖掘，自己补 10-20 只小鼠（或少量临床样本）做 qPCR / 染色，成本低、周期短，临床忙也能做。
模型要“贴临床”：别建 “无意义的预测模型”，像作者那样关联 “移植肾存活”“GFR/Scr”，比单纯预测 “是否纤维化” 更受期刊欢迎 —— 审稿人最烦 “纯生信不落地”。