5+铁死亡+分型+多组机器学习，铁死亡到现在还是大热

今天给同学们分享一篇生信文章“Identification of ferroptosis-related molecular clusters and genes for diabetic osteoporosis based on the machine learning”，这篇文章发表在Front Endocrinol (Lausanne)期刊上，影响因子为5.2。

结果解读：

鉴定在糖尿病性骨质疏松症中特异表达的FRGs

在GSE35958中，使用“limma”软件包对4个对照样本和5个骨质疏松样本的表达谱数据进行了归一化处理（图2A、B）。根据adj. P-Value < 0.05和|log2fold change (FC)| ≥ 1的标准，通过差异分析鉴定出了1102个差异表达基因（DEGs），其中包括677个上调基因和425个下调基因（图2C）。作者从CTD数据库和GeneCards数据库分别获取了38253个和14818个与糖尿病相关的基因。从FerrDb数据库获取了259个与铁死亡相关的基因（FRGs）。作者将DEGs、与糖尿病相关的基因和与铁死亡相关的基因进行了交集分析，得到了15个交集基因，即与糖尿病性骨质疏松相关的FRGs，如Venn图所示（图2D）。通过绘制热图（图2E），作者可以观察到这15个与糖尿病性