非肿瘤疾病也可以构建预测模型啦

阿尔茨海默病（AD）作为一种慢性进行性神经退行性疾病，是由淀粉样蛋白-β斑块和神经纤维缠结定义的。散发性AD（即典型的AD痴呆）最常见的临床表现是一种缓慢进行的遗忘性疾病，反映了内侧颞叶结构中神经纤维缠结病理的主要早期分布，最终演变为遗忘性主导的多域痴呆。然而，非遗忘表型的特征是基于视觉、语言、执行、行为和运动领域的最初、显性困难。这些表现（“典型AD”）不成比例地影响了65岁之前出现症状的年轻痴呆患者。因此迫切需要确定可能改善AD患者诊断和治疗的新分子靶点。

今天给大家分享一篇发表在Oxidative Medicine and Cellular Longevity（IF:7.31）的文章：

Integrated Analysis of Weighted Gene Coexpression Network Analysis Identifying Six Genes as Novel Biomarkers for Alzheimer’s Disease

基于公共数据，采用差异表达基因分析和基于临床性状的加权基因共表达网络分析（WGCNA）相结合的方法，通过比较对照组和AD患者，进一步分析和鉴定了一组与AD相关的共表达基因，并最终构建预测模型有助于提高AD患者的诊断和治疗。

结果

1、功能富集分析

基于AD组和对照组的数据进行GSEA分析，结果如所示。

2、AD组和对照组之间的差异表达基因的鉴定

在AD患者和对照组之间发现有2349个基因表达下调，2325个基因表达上调。

3、WGCNA和关键模块和枢纽基因的鉴定

剔除异常样本并进行基因筛选后，提取GEO数据集中共161个样本的4665个基因的表达谱，利用R软件中的软件包“WGCNA”构建加权基因共表达网络。如所示，蓝色模块与AD的正相关关系最高。基于蓝色模块中存在的基因，建立了一个蛋白-蛋白相互作用网络，总共有16个基因被鉴定为hub基因。

4、关键模块的GO和KEGG通路分析

5、PPI构建

6、模型的建立与评估

提取所选hub基因的表达谱，建立LASSO模型（）。基于6个基因的模型的AUC值为0.940，说明这些基因可能会作为AD的潜在生物标志物，便于进一步检测。

整体来说，这篇文章方法简单，思路清晰，鉴定了一组与AD相关的共表达基因并建立了AD相关的6-mRNA预测模型。AUC更是达到了0.94。那其他疾病是不是也可以这样做呢？答案是肯定的。

扫码咨询

非肿瘤疾病预测模型构建

二维码

当然，非肿瘤疾病公共数据能做的可不只是筛选诊断预测maker，可还有探究细胞表型异质性的解题思路哦，例如下面这篇最新发表在Nature Communications（IF:17.694）的文章：

Differential compartmentalization of myeloid cell phenotypes and responses towards the CNS in Alzheimer’s disease

髓系细胞被认为是阿尔茨海默病（AD）中的一个重要角色。然而，它在不同身体隔间的表型和功能的连续变化以及它们作为AD的生物标志物的使用仍然难以捉摸。在本研究中，作者对外周血、脑脊液、脉络膜丛（CP）和脑实质之间的免疫细胞进行了表型和代谢特征分析，发现脑脊液细胞增加了炎症、吞噬和代谢相关标志物的表达。AD患者髓系细胞表型的变化在脉络膜丛、脑实质和体外刺激下更为明显，提示AD-髓系细胞更容易受到环境变化的影响。

结果

1、外周血和脑脊液髓系细胞之间的表型差异

2、脑脊液腔室中表达p2y12的髓系细胞比例增加

3、脑脊液处理后的髓系细胞葡萄糖代谢的变化

4、脑脊液暴露后髓细胞表型和免疫反应的变化

5、脉络膜丛和脑实质的髓系细胞表型差异

这篇文献全面展示了AD中髓系细胞的异质性，得出结论：“脑脊液中的髓系细胞存在激活表型（如生物能量途径的改变、表型的变化和吞噬活性的增加）这可能有助于我们的系统抵御病理刺激和/或调节适应性免疫的激活。一旦这一过程发生失调（如AD），它可能导致不同腔室的慢性炎症，这可能进一步损害系统，如T细胞激活和定植的失调”。

同样，其他疾病也可以深入探究不同部位的细胞表型异质性。所以其实有时候一个简单的角度就可以展开分析，也就是除了深入挖掘某一点，扩大分析范围也可以发表到很好的期刊上去。所以有意向的小伙伴赶紧扫码联系我们吧。