4+m6A+机器学习+分型,要素过多,没有思路的同学可借鉴

news2024/11/27 15:45:38


今天给同学们分享一篇生信文章“Diagnostic, clustering, and immune cell infiltration analysis of m6A regulators in patients with sepsis”,这篇文章发表在Sci Rep.期刊上,影响因子为4.6。

84524ab28b895769cd4ba72f0023e59e.jpeg

结果解读:

脓毒症中m6A调节因子的转录改变

为了鉴定脓毒症患者中编码m6A调节因子的差异表达基因,使用“limma”软件包进行差异表达分析,以分析来自GSE65682数据集的802份血液样本,即760份来自脓毒症患者,42份来自健康对照。热图显示,脓毒症患者和健康对照组之间17种m6A调节因子的表达显著不同(图第1A段)。作者发现METTL3、METTL14、RBM15、RBM15B、CBLL1、YTHCD1、YTHDC2、YTHDF1、YTHDF2、YTHDF3、HNRNPC、LRPPRC、HNRNPA2B1、RBMX、ELAVL1和FTO的表达在脓毒症患者中显著降低,而IGFBP2的表达在脓毒症患者中显著升高。然而,作者观察到WTAP、FMR1和ALKBH5的表达没有显著差异(图1B)。

43a4c920c1e48d1dece598508e7f2bc4.jpeg


随机森林(RF)模型和支持向量机(SVM)模型的构建

为了建立诊断m6A相关基因特征,分别构建了RF和SVM模型。显示|残差|和|残差|值的反向累积分布的箱图显示,RF模型的残差分布低于SVM模型的残差分配(图2A,B)。基于上述结果,RF模型被认为是预测脓毒症发生的更合适的模型。然后,根据模型误差与决策树数量之间关系的概述,选择500棵树作为该模型中的变量,呈现出稳定的误差概率(图2C)。接下来,作者通过评估m6A相关基因的重要性对其进行排序,结果表明FTO、HNRNPC和RBMX是最重要的3个基因。此外,ROC分析用于比较两个模型的准确性,以及RF模式的AUC值

f8786221ad3139d4c222c224b1a82538.jpeg


预测列线图的构造

为了更好地评估脓毒症的风险,构建了一个列线图来结合10种推荐的m6A调节因子(图第3A段)。在该预测列线图中,FTO、HNRNPC、RBMX、YTHDC1、LRPPRC和RBM15B的表达水平与脓毒症患者的风险评分呈负相关,并被视为脓毒症的保护因素。使用校准曲线来确定列线图的预测精度(图3B)。DCA表明,脓毒症患者可以从基于该列线图的预测决策中受益,因为用m6A调节因子相关模型构建的决策曲线显示出最大的益处。

9e945c44ec552032c85c2dae107bd228.jpeg


m6A调节器的亚型分析

为了进一步确定m6A调节因子的表达模式与脓毒症亚型之间的关系,使用一致聚类方法来揭示m6A相关基因的作用,并且当 = 2,脓毒症患者被分为两个亚组(m6A亚型A和B),两组之间的相关性高于其他k值(图4A)。热图显示了两组之间m6A相关基因表达的差异(图4B)。METTL3、METTL14、RBM15、RBM15B、CBLL1、YTHDC1、YTHD2、YTHDF1、YTHDF2、YTHDF3、HNRNPC、LRPPRC、HNRNPA2B1、RBMX和ELAVL1在m6A亚型A中上调,而IGFBP2和FTO在m6A聚类B中上调。主成分分析结果表明,这两个m6A亚型可以显著区分。此外,单样本基因集富集分析(ssGSEA)用于量化两者之间浸润免疫细胞的差异

f396946771600cfc9f68f0f217731737.jpeg


m6A基因标记的构建

为了研究m6A相关亚型的潜在生物活性,作者在m6A亚型A和m6A亚型B之间鉴定了699个与m6A相关的亚型相关的DEG(图6A)。接下来,使用“limma”软件包进行功能分析,以揭示DEG的作用。在生物过程(BP)类别中,DEG主要参与蛋白酶体蛋白质分解代谢过程、蛋白酶体介导的泛素依赖性蛋白质分解代谢和细胞成分分解。DEG在细胞成分(CC)类别中的富集主要集中在分泌颗粒膜、核膜和细胞器外膜。DEG的分子功能(MF)主要与泛素样蛋白转移酶活性、泛素蛋白转移酶活力和镁离子结合有关(图6B)。此外,KEGG分析表明,DEG在神经退行性变多种疾病的途径中富集

34f354fcd41205d22a0f53ce57353b8a.jpeg


m6A亚群与细胞因子的相关性

根据m6A相关基因的表达,使用主成分分析(PCA)来确定每个脓毒症患者的评分,该评分被定义为m6A评分。桑基图显示了两个m6A聚类、两个基因聚类和两个m6A得分的分布(图7A)。此外,作者发现m6A亚型和基因亚型之间的m6A评分存在显著差异(图7B),m6A亚型B和基因亚型B的m6A得分较高,揭示了m6A评分与免疫激活的相关性。在脓毒症的整个过程中,炎症因子的失衡是脓毒症病因的关键32。进一步的研究揭示了脓毒症中m6A模式与炎症因子之间的关系,包括白细胞介素(IL)-1β、IL-8、IL-10、IL-11和TNF受体超家族成员1A(TNFRSF1A)。

39ccea56253459a6eea90dd587ad846b.jpeg


总结

作者对脓毒症患者中m6A调节因子的综合分析揭示了影响免疫细胞浸润特征和炎症因子水平的调节机制,并构建了一个列线图来确定它们在预测脓毒症风险中的价值。基于17种重要的m6A调节因子的表达,鉴定出两种m6A亚型,亚型B可能与脓毒症明显相关。


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1169027.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

ChinaSoft 论坛巡礼 | 安全攸关软件的智能化开发方法论坛

2023年CCF中国软件大会(CCF ChinaSoft 2023)由CCF主办,CCF系统软件专委会、形式化方法专委会、软件工程专委会以及复旦大学联合承办,将于2023年12月1-3日在上海国际会议中心举行。 本次大会主题是“智能化软件创新推动数字经济与社…

5.RDD持久化

概述 今日目标: RDD 持久化 RDD持久化原理RDD持久化策略如何选择RDD持久化策略案例 相关文章如下: spark官网地址RDD编程指南 RDD 持久化 RDD持久化原理 Spark中最重要的功能之一是跨操作在内存中持久化(或缓存)数据集。当…

Make.com实现多个APP应用的自动化的入门指南

Make.com是一款基于云的自动化平台,可帮助用户将多个应用程序连接在一起,并通过设置自动化流程来简化日常任务。Make.com提供丰富的API集成,支持连接各种流行的应用程序,包括社交媒体、电子商务、CRM等。 使用Make.com实现多个AP…

AM@点与点集的关系@n维空间邻域

文章目录 abstract坐标平面平面点集 平面邻域利用邻域描述点与点集的关系聚点点集分类 n n n维空间基础概念线性运算和空间概念 空间中的两点距离 n n n维空间中的变元极限 n n n维空间内的邻域 abstract 坐标平面和平面点集, n n n维空间点集点与点集的关系n维空间及其邻域 …

python用cv2画图(line, rectangle, text等)

Python做图像图形研究的时候,通常需要画很多辅助几何形状(比如bounding box等)。基于opencv的几何图形绘制具有易用性,而且天然能和numpy数组交互。 本文总结了几种常用的cv2画几何图形的方法,当一个简易的手册使用&a…

【this详解】学习JavaScript的this的使用和原理这一篇就够了,超详细,建议收藏!!!

😁 作者简介:一名大四的学生,致力学习前端开发技术 ⭐️个人主页:夜宵饽饽的主页 ❔ 系列专栏:前端js专栏 👐学习格言:成功不是终点,失败也并非末日,最重要的是继续前进的…

IS200EPSMG1AED 使用Lua创建逻辑脚本或完整程序

IS200EPSMG1AED 使用Lua创建逻辑脚本或完整程序 IS200EPSMG1AED 是一种支持网络的I/O控制器,它执行类似于可编程逻辑控制器(PLC)的控制、逻辑和监控功能。然而,与PLC不同,X-600M是为基于网络的应用而设计的。X-600M可以使用内置网络服务器和…

094基于web+springboot的酒店客房管理系统

欢迎大家关注,一起好好学习,天天向上 文章目录 一项目简介技术介绍 二、功能组成三、效果图四、 文章目录 一项目简介 本酒店客房管理系统有管理员,用户,会员,清洁人员。管理员功能有个人中心,用户管理&am…

2023年最新CUDA安装教程,看完就会(windows版)。

目录 前言 注意:本教程建立在您已经正确安装了显卡驱动的基础上 第一步,找到对应的CUDA版本 第二步,查看你要安装的pytorch版本对应的cuda版本(如果只需要安装cuda可以跳过) 第二步,下载cuda 第三步,…

PointNet++ 论文阅读

论文链接 PointNet 0. Abstract **背景:**PointNet的设计并未捕捉到度量空间中存在的局部结构,限制了其识别细粒度模式和适用于复杂场景的能力 解决思路: 引入了一种分层神经网络,该网络在输入点集的嵌套分割上递归地应用Poin…

[PHP]禅道项目管理软件ZenTaoPMS源码包 v16.4

禅道项目管理软件ZenTaoPMS一键安装包是一款国产的开源项目管理软件。它集产品管理、项目管理、质量管理、文档管理、组织管理和事务管理于一体,是一款专业的研发项目管理软件,完整地覆盖了项目管理的核心流程。注重实效的管理思想,合理的软件…

C语言,数据结构指针,结构构体操作符 •,->,*的区别,看这篇就够了

在朋友们学习指针和数据结构这一章的时候,对各种操作符云里雾里。当你看到这么文章之后你就会明白了。 一 • 和 ->运算符 • 运算符:是结构变量访问结构体成员时用的操作符 -> 运算符:这是结构体指针访问结构体成员时调用的运算符。 …

GCN火车票识别项目 P1 火车票识别项目介绍 Pytorch LSTM/GCN

从本节开始,我将带大家完成一个深度学习项目:用图卷积神经网络(GCN),实现一个「火车票文字信息提取」的项目,由于火车票上每个节点文字不是等长的,所以还需要添加一个前置的 LSTM 来提取句子特征。 课前说明 1、这是…

VScode + opencv + c++ + win配置教程

准备: 1、下载opencv 2、下载MinGw 3、 3、下载CMake 下载完解压放到一个文件夹里面,便于环境管理,文件夹我重命名了,解压出来文件名不一样正常 环境变量配置 C:\Users\wuxulong\cpp_env\MinGw\mingw64\bin C:\Users\wuxulon…

联想服务器-HTTP boot安装Linux系统

HTTP boot与传统PXE的主要差异 HTTP不再需要使用UDP协议的tftp服务(连接不可靠、不支持大文件)了,只需要dhcp 和http 两个服务即可,支持较稳定的大文件传输。 实验环境 ThinkSystem服务器SR650V2 SR660V2 通过HTTP boot安装Cen…

Android java Handler sendMessage使用Parcelable传递实例化对象,我这里传递Bitmap 图片数据

一、Bundle给我们提供了一个putParcelable(key,value)的方法。专门用于传递实例化对象。 二、我这里传递Bitmap 图片数据,实际使用可以成功传统图像数据。 发送:Bundle bundle new Bundle();bundle.putParcelable("bitmap",bitmap);msg.setD…

YOLO算法改进5【中阶改进篇】:添加SENet注意力机制

SE-Net 是 ImageNet 2017(ImageNet 收官赛)的冠军模型,是由WMW团队发布。具有复杂度低,参数少和计算量小的优点。且SENet 思路很简单,很容易扩展到已有网络结构如 Inception 和 ResNet 中。 我们可以看到,已…

NLP 模型中的偏差和公平性检测

一、说明 近年来,自然语言处理 (NLP) 模型广受欢迎,彻底改变了我们与文本数据交互和分析的方式。这些基于深度学习技术的模型在广泛的应用中表现出了卓越的能力,从聊天机器人和语言翻译到情感分析和文本生成。然而&…

IntelliJ IDEA2023旗舰版和社区版下载安装教程(图解)

🌷🍁 博主猫头虎 带您 Go to New World.✨🍁 🦄 博客首页——猫头虎的博客🎐 🐳《面试题大全专栏》 文章图文并茂🦕生动形象🦖简单易学!欢迎大家来踩踩~🌺 &a…

【C语法学习】14 - 流和文件

文章目录 1 流1.1 概念1.2 优点1.3 分类1.3.1 输入流和输出流1.3.2 标准流和文件流1.3.2.1 标准流1.3.2.2 文件流 1.3.3 文本流和二进制流 4 文件4.1 分类4.2 区别 1 流 1.1 概念 "流"的概念比较抽象,经典C语言书籍《C Primer Plus》中是这样描述的&…