JCR一区7分线粒体基因,纯生信非肿瘤分型诊断模型

简介: **摘要:**一项研究在《翻译医学杂志》(IF 7.4)上发表,揭示了线粒体分子特性如何影响风湿性关节炎(RA)的治疗。通过对线粒体基因的分析,研究人员识别出RA患者的三个亚型,每个亚型具有独特的分子和细胞特征。亚型关联分析显示,亚型C对特定生物制剂如英夫利昔单抗、抗TNF药物、利妥昔单抗和甲氨蝶呤/阿巴西普的响应更强。利用机器学习建立了基于线粒体基因的诊断模型,该模型在区分RA亚型上表现优异,为患者分层和个性化治疗提供了新策略。

今天给大家分享一篇IF=7.4的非肿瘤线粒体思路的文章,于2023年8月发表在Journal of Translational Medicine:A compendium of mitochondrial molecular characteristics provides novel perspectives on the treatment of rheumatoid arthritis patients,线粒体分子特性综述为风湿性关节炎患者治疗研究开辟了新的视野

image.png

摘要

风湿性关节炎(RA)是一种自身免疫性疾病,其特点是高度异质性,表现为不可预测的疾病发作和对现有治疗方法的显著变异。RA患者缺乏最佳分层可能是当前治疗方法效果不佳的一个原因。本研究的目的是通过利用线粒体基因来阐明RA的分子特征,并据此构建和验证一个RA的诊断框架。线粒体蛋白从MitoCarta数据库中获得,使用R包limma来筛选差异表达的线粒体基因(MDEGs)。使用Metascape进行富集分析,然后使用ConsensuClusterPlus包的无监督聚类算法基于MDEGs识别出不同的亚型。进一步探讨了这些亚型中的免疫微环境、生物途径和药物反应。最后,使用机器学习算法构建了一个基于多生物标志物的诊断模型。利用存在于转录轮廓中的88个MDEGs,可以将RA患者分类为三种不同的亚型,每种亚型都有其独特的分子和细胞特征。亚型A表现出炎症细胞和途径的明显激活,而亚型C则以特定的先天淋巴细胞为特征。亚型B中的炎症和免疫细胞显示出较为适中的激活水平(Wilcoxon检验P < 0.05)。

值得注意的是,使用费舍尔检验,亚型C与生物制剂如infliximab抗TNFrituximabmethotrexate/abatacept的更好反应之间显示出更强的相关性(P = 0.001)。此外,线粒体诊断SVM模型在区分RA的训练集(AUC = 100%)和验证集(AUC = 80.1%)中都显示出高度的鉴别能力。这项研究为RA中的线粒体改变提供了一个开创性的分析,为患者分层提供了一个新的框架,可能增强了治疗决策。

结果

image.png

图 1. RA患者与健康对照之间差异表达的线粒体基因的识别

  • A-B RA患者与健康对照之间差异表达基因的火山图和热图。
  • C RA患者中所有30个线粒体基因的相关性热图。
  • D-E 118个差异表达的线粒体基因的GO富集和KEGG分析。

image.png

图 2. RA训练队列的共识聚类

  • A 当k=3时,RA样本的共识分数矩阵。
  • B 对于k=2-6的共识聚类累积分布函数(CDF),它可以完全描述实随机变量的概率分布。
  • C k=2-6的CDF Delta面积曲线的相对变化。
  • D MDEGs表达轮廓的主成分分析,显示了聚类的稳定性和可靠性。
  • E 118个MDEGs RNA调控因子在三个聚类中的分布。

image.png

图 3. 基于88个交集基因的RA共识聚类
PS:这图真排版挤成这样,PDF和官方原文也是,有点小无语

  • A venn图显示了三个亚型之间MDEGs的交集。
  • B 当k=3时,RA样本的共识分数矩阵。
  • C 对于k=2-6的共识聚类累积分布函数(CDF),它可以完全描述实随机变量的概率分布。
  • D k=2-6的CDF Delta面积曲线的相对变化。
  • E MDEGs表达轮廓的主成分分析,显示了聚类的稳定性和可靠性。
  • F 88个MDEGs RNA调控因子在三个聚类中的分布。

image.png

图 4. RA亚型的免疫细胞特征

image.png

图 5. RA亚型的通路特征

image.png

图 6. 多种生物制剂对RA亚型的反应

  • Response: :对生物制剂有反应;non-response:对生物制剂无反应。
  • A 对Infiximab的反应/无反应。
  • B 对抗TNF的反应/无反应。
  • C 对rituximab的反应/无反应。
  • D 对methotrexate/abatacept的反应/无反应。

image.png

图 7. RA诊断模型的构建

  • A–B 使用LASSO进行特征选择。
  • C 使用SVM进行特征选择。
  • D 训练集中的RF、glm和SVM的ROC曲线。
  • E 测试集中的RF、glm和SVM的ROC曲线。

image.png

图 8. 通过Spearman相关性分析显示生物标志物与浸润免疫细胞之间的相关性

  • (A) ACACA基因与免疫细胞之间的相关性。
  • (B) BCL2A1基因与免疫细胞之间的相关性。
  • (C) FASTKD3基因与免疫细胞之间的相关性。
  • (D) LYRM2基因与免疫细胞之间的相关性。
  • (E) MTHFD2基因与免疫细胞之间的相关性。

要点

  • 全篇文章的思路也是特别清晰,挑选差异基因,通路富集分析,一致性聚类,免疫细胞表征,外部验证,药物疗效,机器学习筛选生物标志物,免疫浸润分析。MitoCarta数据库的线粒体蛋白,非常典型的非肿瘤诊断模型+外部验证
  • 纯生信这样的工作量能发7分真的可以顶,线粒体,笔者认为这个RA作为非肿瘤,免疫炎症方面可以再深入挖掘,要练手的小伙伴复现一波吧,万一有了新idea~~


目录
相关文章
|
6月前
|
机器学习/深度学习 Go 数据库
中科院二区7.7分的纯生信|还是铁死亡,还是肿瘤预后模型
该研究发表在2023年8月的《Computers in Biology and Medicine》杂志上,构建了一个基于铁死亡基因的乳腺癌预后模型。研究发现11个与乳腺癌生存相关的基因,建立了预测模型,并通过TCGA和GEO数据集验证。模型显示良好预测能力,揭示了铁死亡在乳腺癌中的关键角色,特别是JUN基因。此外,还鉴别出10个潜在的免疫治疗靶点,为乳腺癌治疗提供了新方向。
110 2
|
6月前
|
数据挖掘 数据库
略微学习一下二区4.5分纯生信,单基因肺结核叶酸基因集+泛癌分析
研究摘要: 一项发表于2023年《MEDIATORS OF INFLAMMATION》杂志的文章发现,RTP4基因可能成为诊断肺结核的新生物标志物。研究者通过分析GEO数据库中的多个微阵列数据集,使用WGCNA方法识别与肺结核和叶酸生物合成相关的基因模块。RTP4在健康与肺结核患者间的表达有显著差异,并且在抗结核治疗前后表达量变化。泛癌分析显示,RTP4在不同肿瘤类型中的表达与预后关联不一,提示其可能在多种癌症中具有重要功能。这些发现支持RTP4作为诊断工具的潜力,并为进一步研究其在结核病和癌症中的作用奠定了基础。
87 1
|
6月前
|
机器学习/深度学习 数据挖掘 Go
JCR一区5.2分|RNA修饰如何打开格局,一篇非肿瘤m6A带入门
这篇文章探讨了m6A修饰在绝经后骨质疏松症(PMOP)中的作用,通过生物信息学分析和实验验证,鉴定了7个m6A调节剂作为诊断标志物。研究发现这些调节剂可能影响疾病的亚型分类,并提出了m6A模式作为潜在的治疗靶点。文章提供了PMOP新的分子机制理解,为未来诊断和免疫治疗策略提供了依据。
79 0
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
R语言主成分PCA、因子分析、聚类对地区经济研究分析重庆市经济指标
R语言主成分PCA、因子分析、聚类对地区经济研究分析重庆市经济指标
|
5月前
|
数据采集 人工智能 算法
ICLR 2024 Spotlight:单模型斩获蛋白质突变预测榜一!西湖大学提出基于结构词表方法
【6月更文挑战第1天】西湖大学团队研发的蛋白质语言模型SaProt,在结构词表方法下,于蛋白质突变预测任务中荣登榜首。SaProt利用Foldseek编码的结构标记理解蛋白质行为,超越现有基准模型,在10个下游任务中表现出色。尽管训练资源需求大,且有特定任务优化空间,但该模型为生物医学研究带来新工具,促进科学理解与合作。论文链接:[https://www.biorxiv.org/content/10.1101/2023.10.01.560349v4](https://www.biorxiv.org/content/10.1101/2023.10.01.560349v4)
189 7
|
6月前
|
数据挖掘
R语言主成分、因子分析、聚类对我国城镇私营单位就业人员平均工资数据研究与分析
R语言主成分、因子分析、聚类对我国城镇私营单位就业人员平均工资数据研究与分析
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
数据分享|R语言主成分PCA、因子分析、聚类对地区经济研究分析重庆市经济指标
数据分享|R语言主成分PCA、因子分析、聚类对地区经济研究分析重庆市经济指标
|
6月前
|
算法 数据可视化 数据挖掘
JCR一区10.9分|单细胞:有一手数据的肿瘤课题组怎么冲高分文章
这篇文章介绍了在《肿瘤免疫疗法》杂志上发表的一项研究,该研究利用单细胞RNA测序技术揭示了肝细胞癌(HCC)中FABP1(脂肪酸结合蛋白1)依赖的免疫抑制环境。研究分析了II期和III期HCC患者样本的免疫细胞,发现FABP1在III期HCC的肿瘤相关巨噬细胞(TAMs)中过度表达,并与免疫抑制有关。FABP1与PPARG(过氧化物酶体增殖物激活受体伽玛)相互作用,促进了HCC中的脂肪酸氧化,进而影响免疫应答。
91 0
|
6月前
|
机器学习/深度学习 算法 数据挖掘
JCR一区5.4分|经典~非肿瘤机器学习筛选生物标志物+qPCR
本文介绍了一项使用机器学习算法识别间变性甲状腺癌(ATC)新型生物标志物和免疫浸润特征的研究。该研究发表在2023年9月的《Journal of Endocrinological Investigation》上,IF为5.4。通过对GEO数据库中的RNA测序数据进行分析,研究人员鉴定出425个差异表达基因,并利用LASSO和SVM-RFE算法确定了4个ATC特征基因(ADM、PXDN、MMP1和TFF3)。这些基因在诊断、药物敏感性和免疫微环境中具有潜在价值,可能成为ATC诊断和治疗的生物标志物。
124 0
|
6月前
|
Web App开发 算法 数据挖掘
JCR一区7.3分|内质网应激+分型+药物筛选分子对接
这篇研究分析了溃疡性结肠炎(UC)内质网应激相关基因特征,发表在《Frontiers in Immunology》杂志上。通过基因表达谱和加权基因共表达网络分析,研究人员识别出915个差异表达基因和11个关键的内质网应激相关基因(ERSRGs),这些基因在UC中具有诊断价值。他们还发现诺斯卡品作为小分子药物,可能通过影响ERS对UC产生治疗潜力。此外,研究揭示了ERS在UC发病机制中的重要角色,并与免疫细胞浸润和结肠粘膜侵袭相关。通过一致性聚类,确定了ERS相关的亚型,这些发现为理解UC的病理机制和潜在治疗提供了新见解。
70 0