7+非肿瘤+WGCNA+机器学习+诊断模型，构思巧妙且操作简单

今天给同学们分享一篇生信文章“Platelets-related signature based diagnostic model in rheumatoid arthritis using WGCNA and machine learning”，这篇文章发表在Front Immunol期刊上，影响因子为7.3。

结果解读：

DEGs和血小板相关基因的鉴定

作者通过R的“GEOquery”和“limma”包，在数据预处理后获得了GSE93272的基因表达矩阵和临床数据。DEG的选择标准为log2|FC|≥1和adj.P≤0.05。（FC，倍数变化；adj.P：调整后的P值）。作者获得了3776个上调的DEG和4714个下调的DEG（图1A）。每个样品中DEG的表达如图1B所示。

通过WGCNA识别PRS

作者使用样本聚类树来阐明异常值（图1C）。然后，作者通过WGCNA中的“pickSoftThreshold”函数选择软