社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

IF=7.7|这思路太开门了!14种细胞死亡+聚类分型+机器学习+免疫浸润+免疫治疗+单细胞,换个肿瘤再来一篇!

生信塔 • 4 月前 • 91 次点击  
后台有小伙伴想让生信塔讲讲细胞死亡,细胞死亡模式一直都是发文热点,不过单一细胞死亡模式想发高分还是有些难度哦,不如结合多个细胞死亡模式展开分析,7分+SCI不就来了!!
图片
生信塔今天选的这篇文章整合了14 种程序性细胞死亡模式,研究其在骨肉瘤中的作用。通过机器学习构建细胞死亡指数和列线图,划分高低风险组,分析预后、免疫微环境、免疫治疗和药物敏感性。随后又利用单细胞数据,探究关键基因在免疫细胞的表达。数据均公开,生信数据分析加体内外实验验证,逻辑超严谨,轻轻松松发到7分+!这思路太开门了,应用超广泛,换个肿瘤又是一篇~
PS:公共数据库的分析,建议人手一篇!想复现本文思路的朋友,戳戳下方,来找生信塔帮忙吧~  
图片
l题目:骨肉瘤中多个程序性细胞死亡相关预后基因的综合分析及细胞凋亡相关基因的功能验证
l杂志:International Journal of Biological Macromolecules(IF=7.7)
l发表时间:2025年3
研究背景
骨肉瘤预后差,现有临床治疗手段效果有限,缺乏精准分子分型及靶向治疗。程序性细胞死亡(PCD)对肿瘤进展有重要影响,综合分析多种PCD模式有助于探索骨肉瘤治疗新方向,改善患者预后。
数据来源
图片
研究思路
1. 收集多源数据,分析14种细胞死亡模式基因,构建细胞死亡指数(CDI)。
2. 分析CDI预后价值及免疫特征,构建列线图。    
3. 实验验证关键基因GALNT14功能,探究靶向药物硼替佐米作用机制。
图片
主要结果
1. 骨肉瘤细胞死亡簇的识别
通过基因集变异分析计算14种细胞死亡模式得分,发现多种细胞死亡途径显著相关。经无监督聚类分析,将骨肉瘤患者分为2个细胞死亡簇,C1预后较差、复发率高,且多数细胞死亡得分及临床参数在两簇间差异显著。    
图片
图1:细胞死亡得分相关性热图、单因素Cox森林图等
2. 不同细胞死亡簇的免疫状态和功能分析
C1的基质和免疫得分较低、肿瘤纯度较高、免疫细胞浸润较少,巨噬细胞极化模式与C2不同。功能富集分析显示,C2中炎症信号通路显著富集,两簇间差异表达基因参与免疫相关过程。    
图片
图2:不同簇的免疫微环境和功能特性
3. 细胞死亡指数的构建
单因素Cox回归LASSO Cox回归分析,确定7个基因构建细胞死亡指数(CDI)。高CDI组患者预后较差,CDI对患者总生存期预测准确性较高,是有价值的预后生物标志物。    
图片
图3:CDI特征推导过程
4. CDI特征的外部验证及与免疫治疗反应的关联
在外部数据集中,CDI对总生存期有强大预测能力。高CDI得分患者更易复发转移、生存更差,且CDI与多种免疫细胞浸润免疫检查点表达显著相关。    
图片
图4:CDI在外部验证集的预后特征及与免疫相关分析结果
5. 基于临床特征和CDI的列线图的建立与评估
经单因素和多因素Cox回归分析,确定CDI和转移状态为独立预后因素。构建的列线图预测性能良好,校准曲线ROC曲线分析证实其准确性,有助于临床决策。    
图片
图5:列线图构建、评估相关结果
6. 单细胞转录分析和特征基因验证
利用单细胞测序数据库分析发现,7个模型基因在多种免疫细胞中表达,GALNT14在骨肉瘤细胞系中高表达。高GALNT14表达患者生存时间短,其功能与代谢和细胞信号通路相关。    
图片
图6:基因在细胞系和组织中的表达验证结果
7. GALNT14缺失对骨肉瘤进展的影响
敲低GALNT14抑制骨肉瘤细胞体外增殖、侵袭和迁移,促进细胞凋亡,在体内抑制肿瘤生长、增强化疗敏感性,表明其在骨肉瘤进展中起重要作用。    
图片
图7:GALNT14对骨肉瘤细胞体外和体内作用的实验结果
8. 硼替佐米对骨肉瘤细胞的作用
硼替佐米(BTZ)可与GALNT14结合,抑制骨肉瘤细胞增殖、迁移和侵袭,促进细胞凋亡,增强化疗敏感性,与顺铂联合使用显著抑制肿瘤生长。    
图片
图8:BTZ对骨肉瘤细胞作用的实验结果
文章小结
总结下来就一句话,这也太容易复现了!直接套用“14种程序性细胞死亡模式基因集+基于此分型+LASSO等机器学习+构建细胞死亡指数及预后模型+筛选关键基因GALNT14+多公共数据库验证+细胞和动物实验验证”这个公式就行~可见,前几年的生信研究套路,换个基因集or换个疾病也还是能旧活新整来一篇paper的如果您对本研究的分析统计方法产生兴趣,有进一步需要的小伙伴也可以扫码来找生信塔做设计哟,我们能在生信分析和方案设计提供更完善的角度!

生信塔有话说


生信塔公众号持续为大家带来最新生信思路,更多创新性分析思路请点击往期推荐,快来查看吧!想复现这种思路或者定制更多创新性思路欢迎直接call生信塔,我们团队竭诚为您的科研助力!


文献思路复现

定制生信分析

生信服务器


 往期 · 推荐 

IF 16.7!高质量、综合GBD数据库炸裂登场!武大中南医院&湖北医科大襄阳医院携手,3图3表拿下高分,简直美滋滋~

十投九中+纯生信友好=神刊!复旦肿瘤医院李大卫团队2区6分模板文,单细胞数据挖掘+乳酸化修饰,科研人错过血亏!

11种机器学习“飞”上1区Top,诺奖热点不容错过!苏州大学李艳红团队,预后模型这波操作太燃了!


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/180993
 
91 次点击