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
|
小程序
【笔记】微信小程序对 van-cell 中 value 的 icon 的自定义
微信小程序对 van-cell 中 value 的 icon 的自定义
1728 0
|
NoSQL Redis 数据安全/隐私保护
Redis 6.0 新特性详解
艺术致敬! 一、众多新模块(modules)API   Redis 6中模块API开发进展非常大,因为Redis Labs为了开发复杂的功能,从一开始就用上Redis模块。Redis可以变成一个框架,利用Modules来构建不同系统,而不需要从头开始写然后还要BSD许可。
10404 27
|
12月前
|
机器学习/深度学习 人工智能 算法
RAGEN:RL训练LLM推理新范式!开源强化学习框架让Agent学会多轮决策
RAGEN是一个基于StarPO框架的开源强化学习系统,通过马尔可夫决策过程形式化Agent与环境的交互,支持PPO、GRPO等多种优化算法,显著提升多轮推理训练的稳定性。
1455 5
RAGEN:RL训练LLM推理新范式!开源强化学习框架让Agent学会多轮决策
|
传感器 大数据 数据处理
大数据处理中的流计算技术:实现实时数据处理与分析
【7月更文挑战第30天】随着分布式系统、云原生技术、数据安全与隐私保护技术的不断发展,流计算技术将在更多领域得到应用和推广,为大数据处理和分析提供更加高效、智能的解决方案。
1387 3
|
网络协议 Linux
在Linux中,如何改IP、主机名、DNS?
在Linux中,如何改IP、主机名、DNS?
|
机器学习/深度学习 人工智能 搜索推荐
一区9.3分top刊|多组学SNF数据融合的正确打开方式
这篇研究文章聚焦于多组学在揭示胎盘功能障碍中的作用,发表于2023年9月的《BMC Medicine》,IF为9.3。研究通过整合转录组学、蛋白质组学和代谢组学数据,鉴定出与常见产科综合征(如先兆子痫、胎儿生长受限和自发性早产)无关的胎盘集群。使用人工智能的无偏相似性网络融合(SNF)方法,分析发现四个不同的胎盘簇,其中早发性先兆子痫的簇显示强烈的功能障碍模式,而以自发性早产为主的簇则较弱。研究结果增加了对病理过程的理解,可能促进个性化干预措施的发展。
778 0
|
SQL 关系型数据库 数据库
SqlAlchemy 2.0 中文文档(二十三)(3)
SqlAlchemy 2.0 中文文档(二十三)
567 0
|
机器学习/深度学习 人工智能 算法
【C++ 职业方向】C++ 职业方向探索:工作职责、编程技能与MBTI人格匹配
【C++ 职业方向】C++ 职业方向探索:工作职责、编程技能与MBTI人格匹配
1254 1

热门文章

最新文章