这个数据真是神一般的存在，可以自己玩（今年已发6000多篇），可以和孟德尔随机化玩，现在又跟网络药理学、机器学习玩到一起了…还发了12+！怎么做到的呢？这篇文章出自河北医科大学的马玉霞教授团队，研究采用流行病学（NHANES）、网络药理学和功能富集分析相结合的方法，探讨VOCs暴露对青少年生长指标的影响及其潜在机制，以及可能的干预策略。1.NHANES庞大的数据量，增强了结果的外推性。2.应用了多种机器学习模型模型来评估VOCs与生长指标之间的关系，提高了研究结果的准确性。3.最后，通过网络药理学研究识别与VOCs相关的信号通路和关键靶点，从分子层面为该研究提供了支持。这种利用大型数据库并综合多种研究方法的文章创新性十足，拿下高分也是实至名归！你们对这个分析思路感兴趣吗？小云早已做好了复现的准备，需要的宝子随时欢迎来询~定制生信分析
生信云服务器
(加微信备注99领取试用)
![]()
题目：暴露于挥发性有机化合物和青少年的生长指标：揭示关联和潜在的干预策略关注公众号，后台发送“123”可以直接获取原文PDF，文献编号：241125
环境污染物被认为是影响青少年成长的重要因素之一。然而，接触挥发性有机化合物（VOCs）对青少年生长发育的影响尚未得到评估。该研究包括746名参与者，中位年龄为15.0岁（四分位数1，四分位数3:14.0,18.0岁），50.5%为男性。 采用加权GLM分析15种VOCs与生长指标（站高、体重、BMI、腰围、年龄身高、年龄BMI）之间的关系。 Pearson相关分析结果显示，尿中多种挥发性有机化合物的浓度呈正相关。为了减少VOCs中可能的共线性变量，使用自适应LASSO惩罚回归模型来筛选与生长指标相关性较强的VOCs。为了评估VOCs对生长指标的混合影响，对LASSO回归筛选的变量进行了WQS回归分析。对于体重、BMI和年龄BMI，DHBMA是各VOCs中WQS权重最高的。而对于站立高度和腰围，ATAC和PGA的贡献最大。 LASSO回归选择合适变量后，利用BKMR模型分析VOCs混合物对生长指标的影响。当VOCs固定在中位数浓度时，VOCs混合物浓度与站高、体重、BMI、腰围、BMI-for-age呈负相关。进一步评估了BMD是否介导了VOCs混合物与生长指标之间的负相关关系。发现总骨密度在VOCs混合物与体高、体重、BMI、腰围和年龄BMI之间的中介比例分别为23.7%、31.3%、34.1%、23.4%和31.2%。在体高、体重、BMI、腰围和年龄BMI中，VOCs混合物对腰椎BMD的介导比例分别为18.1%、11.9%、10.1%、4.3%和11.3%。然而，骨密度对VOCs和年龄身高之间的关联没有显著的中介作用。 从SEA和 pharmapper数据库中筛选VOCs靶蛋白，最终获得了544个交集靶蛋白。从GeneCards数据库中获得1484种与青少年生长发育相关的蛋白质。上544个靶蛋白取交集筛选了132个重叠靶点作为与VOCs引起的生长迟缓相关的潜在靶点，并进行了GO和KEGG富集分析。前 5位通路分别是癌症、脂质和动脉粥样硬化中的通路、癌症中的蛋白聚糖、IL-17信号通路、流体剪切应力和动脉粥样硬化。 此外，通过STRING数据库构建PPI网络，鉴定出的枢纽蛋白包括IL-1β、CASP3、HSP90AA1、SRC和FOS。因此，可以推断IL-17信号通路可能是VOCs与青少年生长发育相关的潜在机制，IL-1β、CASP3、HSP90AA1、SRC和FOS蛋白可能是VOCs的作用靶点。本文结合NHANES、机器学习模型和网络药理学，研究了VOCs对青少年生长指标的影响。 NHANES数据库真的值得好好挖掘一下，不仅能结合孟德尔随机化还能结合网药，你想结合什么来利用一下呢？有什么需求可以告诉小云，数据库挖掘、整合分析、生信服务器小云都是手拿把掐哦~
