腫瘤分型、風險評分都見得太多了，
但你知道非腫瘤疾病也能做疾病分型嗎？還能構(gòu)建評分模型！這回生信分析思路又多了個選擇，你想不想要？

小云之前跟你們說過，不要抱怨非腫瘤疾病的數(shù)據(jù)少，因為數(shù)據(jù)少有少的好處，稍微加點創(chuàng)新性就能發(fā)一篇不錯的生信文章。腫瘤數(shù)據(jù)雖多，但是內(nèi)卷嚴重呀。而且非腫瘤疾病能做的分析并不比腫瘤少哦！連腫瘤分析中常見的疾病分型、風險評分也能做！

小云今天就帶你看看非腫瘤疾病是如何做疾病分型、還能基于鐵死亡基因構(gòu)建評分模型的？非腫瘤疾病分型+熱點方向+評分模型＝新的生信思路！保證你看完就想立馬復(fù)現(xiàn)。

文章題目：自閉癥譜系障礙（ASD）中鐵死亡相關(guān)分子簇的鑒定和免疫特性研究

發(fā)表雜志：Frontiers in genetics

影響因子：IF=4.722

發(fā)表時間：2022年8月

數(shù)據(jù)信息

研究思路

從GEO數(shù)據(jù)庫中獲得201例正常樣本和293例自閉癥譜系障礙(ASD)樣本的數(shù)據(jù)。使用無監(jiān)督聚類分析來識別基于鐵死亡相關(guān)基因(FRGs)的分子亞型，并評估亞型之間的免疫特征。采用LASSO和SVM-RFE機器學習算法篩選出7個鐵死亡相關(guān)的預(yù)測基因?；?個基因構(gòu)建鐵死亡評分，并評估評分預(yù)測的準確性。

主要研究結(jié)果

1.?分析自閉癥譜系障礙（ASD）患者中FRGs的表達、功能富集分析和免疫細胞分析

分析224個FRGs在對照組和ASD組之間的表達譜，篩選出16個差異表達的鐵死亡基因，包括6個上調(diào)基因和10個下調(diào)基因(圖1)。GSEA發(fā)現(xiàn)這些差異基因主要富集免疫相關(guān)通路，提示免疫系統(tǒng)的改變可能是ASD進展的主要發(fā)病機制之一。因此，進一步利用CIBERSORT算法分析了兩組間22種免疫細胞比例的差異(圖1)。

圖1

2.?在ASD中基于16個FRGs進行疾病分型

使用一致性無監(jiān)督方法分析了ASD樣本中16個FRGs的表達譜。結(jié)合共識矩陣的結(jié)果，將293名ASD兒童聚為兩個聚類，包括Cluster1 (n = 148)和Cluster2 (n = 145)(圖2E)。主成分分析(PCA)證實了兩個聚類的區(qū)分(圖2F)。

圖2

3.?針對ASD的2種亞型進行分析，建立鐵死亡評分模型

總結(jié)

怎么樣？看完這篇文章是不是就知道原來非腫瘤也能做疾病分型的思路呀。非腫瘤疾病數(shù)據(jù)雖然沒有腫瘤多，但是能做的分析內(nèi)容可不比腫瘤少，再與熱點（比如鐵死亡）關(guān)聯(lián)，進行疾病分型，構(gòu)建鐵死亡評分，增加臨床意義，一篇4分+的文章就到手了！性價比超高，比辛辛苦苦做實驗輕松多了。

說明生信分析能做的可比你想象的還要多哦。疾病分型+熱點方向+評分模型，新的生信思路不就誕生了嘛！還不快來復(fù)現(xiàn)？

如果你還苦惱于非腫瘤疾病沒有思路，或者對鐵死亡等熱點方向感興趣，想要做疾病分型和評分模型的小伙伴快來聯(lián)系小云吧。