Airway Dexamethasone RNA-seq

Airway Dexamethasone RNA-seq
GALAXY LAB // BIOINFORMATICS PROJECT

Airway Dexamethasone RNA-seq

地塞米松处理是否会改变人气道平滑肌细胞的基因表达？

这是一个基于公开 RNA-seq 数据集 airway 的差异表达分析项目。 项目以 dexamethasone 处理前后的人气道平滑肌细胞为研究对象，使用 DESeq2 分析处理组与未处理组之间的基因表达变化，并进一步通过 GO 与 KEGG 富集分析解释差异基因背后的生物学意义。

查看 GitHub 仓库 →

Project Overview

本项目关注的核心问题是：

dexamethasone 处理是否会改变人气道平滑肌细胞的转录组状态？如果会，哪些基因和生物学过程受到影响？

项目不是单纯运行一个 RNA-seq 流程，而是围绕一次完整的小型科研实践展开：

  • 理解 RNA-seq count matrix 与样本信息；
  • 根据实验设计选择合适的 DESeq2 分析流程；
  • 学习 log2FoldChange、pvalue、padj 的解释；
  • 使用 PCA、MA plot、volcano plot、heatmap 展示分析结果；
  • 使用 GO 和 KEGG 富集分析解释差异基因的生物学意义；
  • 将分析代码、结果表格和可视化图片整理为可复现项目。

Dataset & Design

Dataset
airway
Data Type
RNA-seq read counts
Sample Type
Human airway smooth muscle cells
Main Method
DESeq2

本项目使用公开 airway RNA-seq 数据集，以 dexamethasone 处理前后的人气道平滑肌细胞为研究对象，分析处理组与未处理组之间的基因表达差异。

Analysis Pipeline

01 Load RNA-seq count data

读取 airway 数据集，整理 count matrix 与样本分组信息。

02 Filter low-expression genes

过滤低表达基因，减少噪声对差异分析的影响。

03 Differential expression analysis

使用 DESeq2 进行 dexamethasone 处理组与未处理组之间的差异表达分析。

04 Visualization

输出 PCA、MA plot、volcano plot 和 top gene heatmap，用于展示样本分布和差异基因特征。

05 Functional enrichment

对上调和下调基因分别进行 GO Biological Process 与 KEGG pathway 富集分析。

Main Findings

本项目的综合解释是：

dexamethasone 处理可能激活气道平滑肌细胞中的激素响应、结构 / 骨架 / 基质相关基因，同时抑制炎症因子、受体信号、细胞通讯和部分形态 / 迁移相关通路，说明其对气道平滑肌细胞转录状态具有系统性影响。

具体来说：

  • 上调基因更倾向于富集在细胞外基质组织、肌肉系统过程、细胞-基质黏附和糖皮质激素响应相关过程；
  • 下调基因更倾向于涉及细胞因子通讯、炎症介质调控、钙信号、cAMP 信号和受体配体信号；
  • 差异表达结果提示 dexamethasone 对气道平滑肌细胞的基因表达具有明显调控作用。

Skills Demonstrated

RNA-seq DESeq2 Bioinformatics Differential Expression GO Enrichment KEGG Pathway R Reproducible Research

Repository

项目代码、结果表格和分析说明已整理在 GitHub：

Open Repository →