今天为大家分享的文章干湿结合思路超绝，完整又好复现，想要利用数据库加上一点验证实验发文章的老师们联系小科哦！
文章标题：Endoplasmic reticulum stress promotes hepatocellular carcinoma by modulating immunity: a study based on artificial neural networks and single-cell sequencing
中文标题：内质网应激通过调节免疫促进肝细胞癌：基于人工神经网络和单细胞测序的研究
发表期刊：Journal of Translational Medicine
发表时间：2024年7月15日
影响因子：6.1/Q1
肝细胞癌（HCC）的特点是发病机制复杂、治疗方法有限、预后不良。内质网应激（ERS）在肝癌发展过程中起着重要作用，因此，仍需进一步研究肝细胞控制和内质网应激的分子机制，以期早期诊断和寻找有希望的治疗靶点。
研究方法
整合GEO数据集（GSE25097、GSE62232和GSE65372）以鉴定与HCC相关的差异表达基因（ERSRGs）。采用随机森林（RF）和支持向量机（SVM）机器学习技术筛选与内质网胁迫相关的ERSRGs，构建人工神经网络（ANN）诊断预测模型。利用ESTIMATE算法分析ERSRGs与免疫微环境的相关性。使用药物特征数据库（DSigDB）探索了ERSRGs的潜在治疗剂。通过单细胞测序和细胞通讯评估ERSRGs中心基因PPP1R16A的免疫学景观，并通过细胞学实验验证其生物学功能。
结果分析
1. HCC和正常组织之间DEGs的鉴定
显示HCC与正常组织之间有763个DEGs，其中215个基因上调，548个基因下调。
2. GO 和 KEGG 以及 GESA 富集分析
分析了DEGs在HCC与正常组织之间的功能富集。DEGs在GO分析中的生物学过程主要包括α-氨基酸代谢、小分子分解代谢、羧酸分解代谢、有机酸分解代谢、细胞氨基酸代谢等。
3. ERS相关DEG的识别
通过RF分析中的7个ERSRGs和SVM分析中的6个ERSRGs的交点，最终确定了包括SRPX、THBS4、CTH、PPP1R16A、CLGN和THBS1在内的6个ERSRGs，用于构建下面的ANN。
4. 肝癌人工神经网络预测模型的构建与验证
建立的人工神经网络包括6个神经元（SRPX、THBS4、CTH、PPP1R16A、CLGN和THBS1）作为输入层，2个神经元（分别为HCC和正常组织）作为输出层。种基于急诊室的人工神经网络预测模型是预测肝细胞癌诊断的潜在强大工具。
5. 内质网应激核心基因对免疫浸润的影响值得关注
图中深入研究了HCC与正常组织之间6种ERSRGs的表达。
6. PPP1R16A基因免疫景观的单细胞测序分析
结果表明，在所有重要的信号通路中，有7条通路具有聚集模块化特征，且核心信号通路较多。
文章小结
各种机器学习算法和人工智能神经网络的共识，为ERS相关肝癌的诊断建立了一种新的预测模型。本研究为肝细胞癌的诊断和治疗提供了新的方向。
