PPI+机器学习+免疫浸润+实验验证，如此简单也能发4+

最新推荐文章于 2024-10-01 20:12:06 发布

生信风暴

最新推荐文章于 2024-10-01 20:12:06 发布

阅读量900

点赞数 22

文章标签：论文阅读

本文链接：https://blog.csdn.net/2301_79430545/article/details/135406034

版权

该研究通过分析NAFLD患者数据，鉴定出18个代谢相关差异表达基因（MR DEG），进一步筛选出4个关键生物标志物AMDHD1、FMO1、LPL和P4HA1，具有高诊断准确性。通过免疫浸润分析和功能富集，揭示了这些基因在疾病进程中的作用。结果经过外部验证和实验支持，为NAFLD的诊断和治疗提供新线索。

摘要由CSDN通过智能技术生成

今天给同学们分享一篇生信文章“Identification of metabolic biomarkers associated with nonalcoholic fatty liver disease”，这篇文章发表在Lipids Health Dis期刊上，影响因子为4.5。

结果解读：

识别NAFLD患者的MR DEG

主成分分析（PCA）图显示了在消除数据集之间的批次效应之前和之后的GSE48452和GSE63067（图1A-D）。在合并的数据集中，总共识别出129个NASH和HC患者的DEG。其中100个基因上调，29个基因下调（图2A）。使用热图对这些DEG进行可视化（图2B）。最后，将DEG和948个MRG交集以识别18个MR DEG（图2C）。随后，进行了功能富集分析，以确定NAFLD相关MR DEG的潜在机制。图2D显示了每个分类下的前十个GO术语。结果显示，这些MR DEG主要富集在“类异戊二烯代谢过程”、“酰基甘油生物合成过程”和“脂肪酸代谢过程”中。这些MR DEGs富集的KEGG途径主要包括“类固醇激素的生物合成”以及“脂肪酸和甘油脂代谢”途径（图2E）。最后，构建了MR DEG的PPI网络，该网络包括12个节点（11个上调基因和1个下调基因