几乎不退稿的“毕业神刊”再上大分!山西医科大学:“国自然前三”的发文和中标利器“线粒体”+经典预后思路,2个月拿下纯生信好文!

学术   2024-10-20 10:02   上海  

今天首先为大家简单介绍一本毕业神刊:《Journal of Translational Medicine》,该刊接收纯生信文章,对于生信相关的研究持开放、积极的态度~并且有一定的发表量,且年发文量稳定。对于包含少量实验验证的生信研究,期刊更加青睐。值得一提的是,该刊审稿速度相对较快,平均2.33月,简直香!称为毕业神刊也是实至名归!感兴趣的朋友速收藏!

接着为大家介绍下科研圈的“宠儿”——线粒体,其相关研究是近年来高分文章的焦点之一。2023年的国自然中标热点中,线粒体荣登榜首第3位,中标数量高达566项,展现了线粒体方向在国科金中的火爆程度。    

最后为大家分享1篇《Journal of Translational Medicine》上发表的线粒体相关纯生信分析文献。文章以热榜“线粒体”为研究切入点,思路行云流水,差异基因,富集分析,共识聚类,机器学习,免疫浸润,超级典型的非肿瘤疾病诊断模型+外部验证,可复现性很高!2个月接收,可以说有手就会!所以生信发文难不难,取决于你的选题新不新,独不独特,当然具备一定的生信分析能力也是必要的,这两点小云都可以帮到你,有需要的直接扫码了解吧!

定制生信分析

云服务器租赁

(加微信备注99领取试用)

研究背景
风湿性关节炎(Rheumatoid Arthritis,RA)是一种自身免疫性疾病,其特点是不可预测的病情发作和对可用治疗方案反应的巨大变异性。目前,RA患者的优化分层不足可能是导致当前治疗方案效果不佳的一个因素。线粒体功能障碍被认为与RA的发展有关,线粒体环境失衡在RA的病理中起着重要作用。此外,线粒体代谢和免疫炎症是RA的重要发病机制,但它们在RA中的相互作用尚未被充分探索。本研究旨在利用线粒体基因的分子特征来阐明RA的分子特征,并据此构建并验证一个RA的诊断框架,为临床精准治疗和RA患者的早期诊断提供参考。
研究结果
1.MDEGs的获得和功能富集
通过R包“limma”筛选类风湿关节炎(RA)和健康对照(HC)组之间的MDEGs。在GSE110169数据集中,总共鉴定出118个MDEGs,并使用Spearman相关分析探究了前30个基因之间的关系。GO富集分析发现MDEGs主要在线粒体包膜、线粒体基质和线粒体组织等方面显著富集;KEGG分析发现这些基因在辅因子生物合成和脂肪酸代谢方面显著富集。
总之,这些结果表明了RA与线粒体代谢之间的关联    
(A-B)RA患者与HC人群差异表达基因火山图和热图;
(C)RA患者前30个线粒体基因的相关热图;
(D-E)118个差异表达线粒体基因的GO和KEGG富集分析。
2.RA训练集的共识聚类
使用R包“ConsensusClusterPlus”进行共识聚类分析,发现k=3时,聚类结果最稳健。主成分分析清晰地展示了三个亚群之间的分离,热图展示了三个亚型中不同表达基因。    
(A)k = 3时RA样本的共识得分矩阵;
(B)共识聚类累积分布函数(CDF),k = 2–6,可以完整描述真实随机变量的概率分布;
(C)k = 2–6时CDF Delta面积曲线的相对变化;
(D)MDEGs表达谱的主成分分析显示了聚类的稳定性和可靠性;
(E)118个MDEGs RNA调控因子在三个簇中的分布。
3.基于88个交集基因的RA共识聚类
随后,选择在三个亚型的交叉点上存在的88个基因进行亚型研究,结果表明,基于外周血中线粒体相关基因对RA患者进行分层是有效的    
(A)维恩图显示三种亚型之间的MDEGs交集;
(B)k = 3 时RA样本的共识得分矩阵;
(C)共识聚类累积分布函数(CDF),k = 2–6,可以完整描述真实随机变量的概率分布;
(D)k = 2–6时CDF Delta面积曲线的相对变化;   
(E)MDEG表达谱的主成分分析显示了聚类的稳定性和可靠性;
(F)88个MDEGs RNA调控子在三个簇中的分布。
4.RA诊断模型的构建
接着筛选RA的关键MDEGs,在88个MDEGs的基础上,利用LASSOSVM 2种算法鉴定出了5个重叠基因(BCL2A1、MTHFD2、LYRM2、FASTKD3和ACACA)。随后在训练集(GSE110169)和测试集(GSE93272)对诊断效果进行了验证,发现这些模型都表现出了卓越的预测性能。
(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RF、glm、SVM的ROC曲线;
(E)测试集中的RF、glm和SVM的ROC曲线。
5.生物标志物与浸润免疫细胞的相关性分析
最后利用CIBERSORT分析了5个生物标志物(BCL2A1、MTHFD2、LYRM2、FASTKD3和ACACA)与免疫细胞之间的相关性。发现BCL2A1与Tregs、记忆B细胞和M2巨噬细胞呈显著负相关,FASTKD3与Treg和M2巨噬细胞呈显著负相关,LYRM2与Tregs、中性粒细胞和M2巨噬细胞呈显著负相关,MTHFD2与Tregs、中性粒细胞和M2巨噬细胞呈显著负相关。    
(A)ACACA基因与免疫细胞的相关性;
(B)BCL2A1基因与免疫细胞的相关性;   
(C)FASTKD3基因与免疫细胞的相关性;
(D)LYRM2基因与免疫细胞的相关性;
(E)MTHFD2基因与免疫细胞的相关性。
文章小结
综上,文章紧抓近年来国自然的发文利器——线粒体,整合了多个免费数据集及数据库,利用机器学习进行疾病分型并构建诊断模型。妥妥的用别人的数据,发自己的文章!整篇文章简单清晰、每一步都丝滑接入,可以说是很经典的思路了。0实验2个月就接收,性价比也很高啦,可复现性又很强,所以朋友们,抓紧复现吧!灵光乍现,但没有下文?没关系,你来提供idea,我提供优质服务,主打就是一个满意!感兴趣的伙伴快快扫码联系噢!

定制生信分析


云服务器租赁

热点推荐

孟德尔随机化

临床公共数据分析

单细胞测序

肿瘤免疫与微环境

机器学习

单基因分析

生信云服务器

代码合集(点击查看)

培训班系列(点击查看)

DOI: 10.1186/s12967-023-04426-7

云生信学生物信息学
专注生信10余年,原创文章数千篇; 公号资料免费领,寻求服务找小云; 长期学习加关注,生信干货更不停。
 最新文章