铜死亡+多组机器学习+WGCNA+分型

本文链接：https://blog.csdn.net/2301_79430545/article/details/133809912

研究发现铜在帕金森病中可能通过影响ATP7B、NFE2L2和MTF1等基因参与细胞死亡，影响突触功能和有氧代谢。通过WGCNA和机器学习方法，识别出相关基因亚型并建立了诊断模型，为帕金森病的早期诊断和治疗提供了新视角。

摘要由CSDN通过智能技术生成

今天给同学们分享一篇铜死亡+多组机器学习+WGCNA+分型的生信文章“Machine learning screening for Parkinson's disease-related cuproptosis-related typing development and validation and exploration of personalized drugs for cuproptosis genes”，这篇文章于2023年1月10日发表在Ann Transl Med期刊上，影响因子为3.616。

帕金森病（PD）是一种常见的神经系统退行性疾病，其特征是黑质（SNpc）中的多巴胺能神经元死亡。越来越多的证据表明，铜（Cu）参与了髓鞘的形成，并通过调节突触活动和神经营养因子诱导的兴奋毒性参与细胞死亡。

1.研究流程

图 1 显示了所有分析过程。首先，从GEO数据库中检索了PD-脑黑质测序数据，并利用GSE49036数据集筛选CR-DEGs，探索其相关性和单基因GSEA通路分析。然后探讨了单个基因与免疫细胞之间的相关性，构建了CR-DEGs mRNA-miRNA-lncRNA网络，构建了基因-药物网络，并进行了分子对接以探讨其结合的可行性。然后探索了存在于帕金森病中的 CR-DEGs 分子亚型，构建了具有临床和聚类分型的 WGCNs，并将聚类分型与临床模块基因交叉。然后利用交叉基因通过机器学习构建诊断模型，并利用 GSE7621 和 GSE20141 验证了该诊断模型。

图1 与杯突症相关的诊断基因和药物治疗的系统分析流程图

2.鉴别帕金森病的 CR-DEG 及基因间的相关性分析

对 GSE49036 数据进行归一化处理，使用 R 软件的 limma 包提取 CRGs，并进行 DEG 分析筛选。根据筛选标准：根据筛选标准：P<0.001，用 "***"表示；P<0.01，用 "**"表示；P<0.05，用 "*"表示，使用pheatmap和ggpubr软件包绘制热图（图2A）和箱形图（图2B），直观显示差异基因表达结果。