研究问题#
能否基于公开转录组和单细胞数据，识别牙周炎中稳定、可解释、可验证的炎症相关 biomarker 或细胞状态？
背景与意义#
牙周炎是口腔医学中高发的慢性炎症性疾病。公开数据库中已有较多牙周炎相关表达谱数据，适合进行可复现的生信分析。但已有研究常见问题是：
- 单数据集筛基因，缺少外部验证；
- 只做 biomarker 模型，机制解释不足；
- bulk 分析和单细胞分析割裂；
- 免疫浸润结果缺少细胞来源验证。
当前假说#
牙周炎组织中存在稳定的 inflammatory immune signature，其中中性粒细胞、巨噬细胞和趋化因子相关基因可能构成跨数据集可复现的疾病特征。单细胞数据可用于解释 bulk signature 的细胞来源。
初始分析路线#
- 搜索并整理牙周炎 GEO 数据集。
- 筛选至少 2 个可用于 discovery / validation 的 bulk 数据集。
- 进行差异表达分析和交叉验证。
- 做 GSEA / GSVA 或 GO/KEGG 富集，确认炎症、免疫、骨吸收相关信号。
- 做免疫浸润分析，观察主要免疫细胞变化。
- 如果有合适单细胞数据，验证关键基因和 signature 的细胞来源。
- 构建候选 biomarker panel，但避免过度包装机器学习。
数据集清单#
| 数据集 | 类型 | 样本 | 用途 | 状态 |
|---|---|---|---|---|
| 待搜索 | bulk transcriptome | 牙周炎 vs 健康 | discovery | pending |
| 待搜索 | bulk transcriptome | 牙周炎 vs 健康 | validation | pending |
| 待搜索 | scRNA-seq | 牙周组织 / 牙龈 | cell source validation | pending |
相关 Wiki 页面#
- 牙周炎
- 免疫浸润
- 口腔微生物组失衡
- 巨噬细胞
- NF-kB信号通路
- 破骨细胞分化
- 差异表达分析
- WGCNA
- 单细胞RNA测序分析
下一步最小动作#
- 搜索 GEO 中牙周炎相关表达谱数据集。
- 为候选数据集建立 dataset notes。
- 判断哪些数据集适合 discovery / validation。
- 制定第一版分析计划。