Hello呀，各位亲爱的读者老爷们，生信湾我又双叒叕带着文章回来啦~（刚刚发表，新鲜热乎的干货分享来咯~）
今天为大家分享一篇2024年10月发表在《Journal of Translational Medicine》上的超有料研究论文，名为“Identification of metabolism related biomarkers in obesity based on adipose bioinformatics and machine learning”。此论文由重庆医科大学团队携手完成，凭借公共数据挖掘、生物信息学分析以及实验验证等手段，探索肥胖代谢相关生物标志物。话不多说，让我们一同深入研读这篇佳作~
1. 利用WGCNA和机器学习算法结合的方法，从基因表达数据中识别出与肥胖代谢相关的STOX1和NWD2基因，为肥胖的诊断和治疗提供了新靶点。
2. 通过共识聚类分析揭示肥胖患者的代谢亚型，这一思路创新在于识别肥胖患者的异质性，也为开发针对性治疗方案提供了新思路。
PS：没有思路、不知道怎么创新的宝子们，记得来找生信湾哦，超多个性化思路等你来拿！
l题目：基于脂肪生物信息学和机器学习的肥胖代谢相关生物标志物鉴定
l杂志：Journal of Translational Medicine
l影响因子：IF=6.1
l发表时间：2024年10月
（注：公众号后台回复“123”获取文献全文！文献编号：20241110）
近几十年来，肥胖成为全球性公共健康问题，其患病率在不同地区差异大。肥胖与多种疾病相关，但肥胖与常见心脏代谢并发症的潜在机制尚不完全清楚。本研究旨在探究代谢相关基因在肥胖相关代谢疾病中的作用，评估其在细胞模型中的表达。
本研究生信分析数据全部来源于GEO公共数据库，再搭配小鼠样本对生信结果进行简单PCR验证，工作量不大，性价比超高！
研究从GEO数据库获取基因表达数据集，通过DESeq2识别差异表达基因（DEGs），利用多种方法分析代谢相关基因及通路，运用机器学习确定特征基因，在小鼠模型中用qRT - PCR验证，最后评估基因诊断性能及探究其与代谢过程关系。
1. 肥胖相关差异表达基因（DEGs）的鉴定
从GSE110729数据集筛选出40个显著DEGs（20个上调，20个下调），经层次聚类分析，两组间表达差异明显，且火山图显示芯片中差异基因多为下调基因。通过主成分分析评估数据集方差，表明数据具有一定特征性（图1）。
图1：A展示了所有DEGs的层次聚类热图，B呈现了差异基因的火山图，C为PCA分析图。
2. DEGs的GO和KEGG富集分析
GO分析显示DEGs在“细胞葡萄糖醛酸化”等生物过程、“纺锤体”等细胞组分、“葡萄糖醛酸转移酶活性”等分子功能上富集。KEGG分析表明DEGs在“卟啉代谢”等通路显著富集，提示这些通路可能在肥胖中起重要作用（图1）。
图1：D为GO富集分析结果，E是KEGG富集分析结果。
3. GSVA揭示差异基因潜在功能
GSVA分析得到各样本通路分数，经差异分析确定“丙酸代谢”等为主要差异代谢通路。火山图显示肥胖个体中“丙酸代谢”相关基因下调，“卟啉和叶绿素代谢”及“半乳糖代谢”相关基因上调。
4. **基于WGCNA的基因共表达网络分析**
对GSE110729数据集进行WGCNA，选择软阈值功率为24，合并相似模块后得到10个模块。其中橙红色4模块与丙酸代谢相关性最强，其基因在“羧酸分解”等生物过程、“高尔基体顺面膜囊”等细胞组分、“维生素结合”等分子功能上富集（图2）。
图2：A展示了尺度独立性和平均连通性，B为模块特征基因层次聚类树状图，C呈现基因树状图及合并前后模块，D是合并模块与代谢通路相关性分析
5. 机器学习模型构建与评估
将WGCNA得到的橙红色4模块与DEGs取交集得到14个代谢相关DEGs，通过随机森林和XGBoost模型确定两个关键基因STOX1和NWD2。在训练集和验证集中，模型及基因均有一定诊断性能，且肥胖个体中NWD2和STOX1表达降低（图3）。
图3：A、D为模型ROC曲线，B、E是基因ROC曲线，C、F展示肥胖特征基因表达差异。
6. 肥胖中的不同代谢亚型
利用“ConsensusClusterplus”对28例肥胖和苗条个体数据聚类，确定k = 2时稳定性最佳，两个亚型间代谢相关化合物水平有显著差异，经PCA等验证，且亚型与代谢通路强相关，STOX1和NWD2与代谢通路密切相关（图4）。
图4：A、B为聚类结果，C展示代谢相关化合物水平差异，D是PCA分析图，E - G为GO、KEGG分析和GSEA结果，H、I是棒棒糖图。
7. STOX1和NWD2在小鼠中的表达
通过qRT - PCR分析野生型、ob/ob、DB/DB和高脂饮食（HFD）小鼠白色脂肪组织中STOX1和NWD2基因表达，发现肥胖小鼠中两者mRNA水平低于瘦小鼠，表明其可能作为肥胖代谢相关生物标志物（图5）。
图5：展示了STOX1和NWD2在不同小鼠中的表达情况。
怎么样？思路学到没？其实这些生信方法并不陌生，几乎把能用的生信分析方法用了个遍，最后加上外部队列+小鼠样本的qPCR实验验证形成闭环，成功拿下6.1分Top刊！这种干湿结合的思路完整又好复现，发文速度也是杠杠滴，虽然只是一篇二区文章，但是评奖学金+毕业也是足够了。想做机器学习、数据挖掘的可以联系生信湾，无论是生信分析还是基础实验，各种创新性思路设计，生信湾都可以帮你解忧哦~
定制生信分析
云服务器租赁
扫码加群合集 · 推荐
注：本文为原创编译，非声张版权，侵删！
