本来船长关注的一本生信友好杂志Computers in Biology and Medicine(IF=7.0)不幸被on hold了,如此生信友好且不要求湿实验的杂志很难寻找替代品啊。
不过还真给船长找到了,Future Generation Computer Systems!
偏向计算机科学,收稿范围也比较明确:
先别划走,是不是觉得这本杂志和医学没啥关系?船长开始也这么认为的,不过在该杂志内搜索一番发现了个了不得的事情:
虽然不多,但是该杂志确实发表了几篇生信文章啊!而且实验含量很少,就比如船长下面分享的这篇,那真是纯生信文章,而且选题还是船长推荐过的非常经典的12种细胞死亡方式+预后签名,如果说哪里不同,就是该研究加了一个“消融研究”,其实就是通过AUC、AUPR、准确率、召回率等评估了自己创建的模型,其实主要表述方式侧重点不一样,方法和生信差不多的。
(ps:没有思路,或者想做点新东西就来找船长!船长可以提供免费方案评估,以及付费方案设计1和个性化分析!如果这些都不想要船长这里还有十分好用的生信服务器,助力你的研究坐火箭~)
定制生信分析
云服务器租赁
加好友备注“99”领取试用
后台回复321获取原文献,文献编号240718
l题目:基于Transformer从程序性细胞死亡角度预测HCC转移相关药物靶点
l杂志:Future Generation Computer Systems
l影响因子:IF=6.2
l发表时间:2024年6月
研究背景
肝细胞癌(HCC)是全球第六大常见癌症,也是癌症相关死亡的第三大原因。HCC的早期诊断具有挑战性,其转移倾向导致普遍较差的预后。现有研究表明HCC转移与程序性细胞死亡(PCD)之间存在密切联系。然而,由于基因之间存在高维、高阶非线性相互作用和复杂的调控机制,通过生物实验建立从基因到PCD再到HCC转移的生物学过程是困难的。这些基因是阻止HCC进展的关键药物靶标。深度学习技术,特别是Transformer模型,在肿瘤学中分析临床和遗传数据方面显示出巨大潜力。
研究思路
1.基因筛选:使用最小绝对收缩和选择算子(LASSO)技术从与PCD相关的基因中筛选出与HCC转移性高度相关的147个关键基因。
2.模型构建:基于筛选出的关键基因构建深度学习模型,特别是使用Transformer模型来预测HCC的转移概率。
3.功能分析:通过基因本体(GO)和京都百科全书(KEGG)富集分析,研究这些关键基因在HCC转移中的生物学功能和途径。
4.药物靶标验证:通过免疫分析和药物敏感性测试来评估这些基因作为药物靶标的潜力。
5.生存分析:使用Cox回归模型评估这些PCD相关基因对HCC患者生存时间的影响。
数据来源
数据集/队列 | 数据库 | 数据类型 | 详细信息 |
TCGA | TCGA | RNA-seq数据 | 200个肝细胞癌样本 |
基因集 | GSEA基因集、KEGG数据库、相关综述文章以及手动审查 | 基因集 | 1466个涉及12种PCD模式的关键调控基因 |
主要结果
1.构建与PCD相关的基因签名
利用Lasso方法鉴定了147个与HCC转移相关的关键PCD基因,并通过差异表达分析发现其中75个基因上调,72个基因下调。通过GO和KEGG富集分析,这些基因被证实参与了包括甘油脂质代谢、肌动蛋白丝组装调控、细胞周期过程的负向调控以及免疫细胞迁移等关键生物过程,为HCC的分子机制理解提供了新的视角,并可能对治疗策略产生影响。
图1关键 PCD 基因的表达分析
2.消融研究
在消融研究中,通过与传统机器学习技术(如深度神经网络、XGBoost、随机森林和支持向量机)的比较,本研究基于Transformer神经网络的方法在AUC、AUPR等关键评估指标上表现更佳。5折交叉验证进一步证明了模型的稳健性,证实了深度学习在HCC转移预测方面的优越性和潜力。
图2多种方法的预测性能比较(A)ROC曲线(B)精确率-召回率曲线
3.PCD与HCC转移的关联分析
通过多变量Cox回归分析,对12种细胞死亡方式的关键基因集进行了综合评估,并针对每种死亡方式生成了预后基因签名。特别地,对具有50个以上特征基因的6种PCD模式进行了深入分析,并通过比较HCC转移样本与对照组的基因表达水平,识别了可能的生物标记物和相关机制。利用森林图对分析结果进行了可视化展示,揭示了不同PCD模式与HCC转移之间的复杂关联,为理解HCC的分子机制提供了新的视角。
图3转移性和非转移性肝细胞癌中细胞死亡途径的差异表达:从基因表达数据的多元 Cox 回归分析中获得的见解
4.基于PCD签名的免疫分析
通过免疫分析探讨了免疫调节因子与模型预测转移性之间的关系,发现高转移性预测与更强的免疫反应性相关。这一结果表明肿瘤的转移性与免疫系统的激活状态紧密相关,特别是高转移潜力的肿瘤样本触发了更强烈的免疫反应。这可能意味着肿瘤细胞通过特定的免疫调节途径来适应或逃避宿主的免疫反应。
图4条形图显示了 HCC 患者的免疫调节剂和模型预测之间的相关性
5.PCD签名在预测药物敏感性中的有效性
通过分析药物IC50值与PCD关键基因表达的相关性,发现了12个与药物敏感性高度相关的基因。特别是,某些基因如KHDRBS1、EIF2B1、CAMKV和SCN2B与特定药物(如多西他赛、17-AAG和阿法替尼)的敏感性呈正相关,而与其他药物则呈负相关。这些结果揭示了基因表达与药物反应之间的潜在联系,并为开发针对性治疗策略提供了可能的分子靶点。
图5药物与关键 PCD 基因关系气泡图
6.生存分析
采用Cox回归模型分析了关键PCD基因对HCC患者生存时间的影响。通过输入特定基因的表达数据,初步预测了患者的生存情况,并根据预测结果的平均值将患者分为高风险和低风险组。结果显示,两组患者的生存时间存在显著差异,这表明PCD相关基因可能对HCC患者的临床预后有重要影响。该发现为利用基因表达分析来指导HCC患者的治疗管理提供了科学依据。
图6模型预测的高风险和低风险病例的生存分析图
文章小结
本研究深入分析了HCC转移机制与基因表达及病理特征的复杂关系,并特别关注了PCD在HCC发展中的关键作用。通过深度学习技术鉴定了与HCC转移相关的关键基因,并利用这些基因构建了预测模型,该模型在多个评估指标上表现优异。研究还包括了免疫学和药物敏感性分析,提供了HCC病理生理学的新见解,并强调了基因表达分析在优化HCC患者治疗管理中的重要性。此外,研究结果为开发新的靶向疗法提供了科学依据,并计划将这些发现应用于临床实践,以提高HCC治疗的疗效。如此一篇纯生信文章竟然出现在2024年的Q1区6分杂志上,真的是难以置信,有没有小伙伴知道这本杂志是个什么情况?投稿的时候你会把生信文章投这本杂志吗?有时候也不妨尝试一下,可能会有惊喜哦~
船长寄语
船长可以为您提供以下服务哦:评估思路(免费)、生信分析、方案设计、服务器租赁、特色数据库搭建等!欢迎大家扫码咨询,有问必答!
生信分析
思路设计
服务器租赁
扫码咨询船长
往期推荐