晨曦解读

告诉我们SCZ是一个比较棘手的临床问题，需要特异性的诊断标志物来帮助临床医生

晨曦解读

这里选择首次用药的患者可能也是考虑，如果患者没有来进行治疗，可能也不会发现这个患者有精神分裂症

晨曦解读

WGCNA分析，本质上来讲就是把基因进行聚类，这样我们就会得到一些表达相似或者协同的基因，然后如果有表型信息，还可以把模块与表型进行关联，这个时候我们就会得到表型和哪些基因相关，当然，解读方向的不同，你把模块内的基因认为是更重要的基因也是可以的，但是需要注意，WGCNA需要的输入数据为表达矩阵（未经筛选的），差异分析后的表达矩阵显然是不行的，因为WGCNA纳入的数据越多，其稳定性是越高的（涉及到构建无尺度网络，当然其中的算法细节，不建议深究，会用即可）

晨曦解读

和我们预先想的是大致符合的，基本上分类问题需要考虑的就是这几个机器学习的算法

晨曦解读

摘要完毕~

晨曦解读

文章的主要结论并不是我们关心的内容，之所以叫分析模板，是因为我们重点关注作者的分析思路，这里的Figure1A图作者展示了三大差异分析的结果，因为算法的不同，这三种方式肯定会存在差异，所以作者对这三种结果取交集，也就是说，通过Figure1我们获得了SCA与正常对照组之间的差异基因

PCA属于机器学习中无监督学习中聚类的算法，其实就是展示疾病组和正常组是否分割清晰，如果完全重合其实就没有往下分析的必要了，这个图其实应该和差异分析的顺序调换一下，因为这一步是属于数据质控的步骤

晨曦解读

这一步骤其实是存在问题的，因为小伙伴们都知道，GSEA富集分析需要纳入全部基因，如果单纯取差异基因则会丢失部分信息，因为GSEA提出的一部分原因就在于摒弃掉传统富集分析存在阈值或者之前有logFC筛选的情况，如果我们把经过筛选的基因集纳入到GSEA富集分析中，其实从某种程度上来说是丢掉了GSEA富集分析的优势

晨曦解读

这一个步骤其实就是我们常说的挑圈联靠中的联的过程，有的同学可能会疑惑FigureA是什么意思，其实很简单，Upset 图和韦恩图类似都是展示差异情况的，如果遇到多分组用韦恩图无法展示，可以考虑使用Upset 图

晨曦解读

这一步骤其实就没有过多的修改空间了，就是进行一个WGCNA分析，相关的很多内容在挑圈联靠公众号上都已经连载过很多期了，而且可视化的方式，运用我们的扒图技能也没有太大的一个难度，所以当我们有表型信息的时候，不妨可以考虑进行WGCNA分析来探索一下基因表达与表型之间的相关性（当然，数据挖掘很多的时候你可以都做一遍，然后挑结果好的进行展示）

晨曦解读

在这里，作者展示了关键模块中所有基因的表达水平，以及关键模块对于相同测序样本对应的模块基因表达值。红色代表上调的基因，绿色代表下调的基因，这一步骤，其实在别的文献中展示的情况不是很多，在R中运用ggplot2和patchwork即可以完成

晨曦解读

对关键模块中所有基因进行GO和KEGG富集分析，这些图都是基于clusterProfiler包进行绘制的，相关的内容可以参考下面这篇推文：

富集分析可视化探索：https://mp.weixin.qq.com/s/fXkzXi4D-eF98kM6We9Tig

晨曦解读

这块的可视化，可能有的小伙伴不熟悉，所以这里我们简单说一下这个分析的本质，这里其实就是标准的WGCNA分析的后续流程，其实目的只有一个就是筛选出来关键基因，我们可以理解为WGCNA分析是一个针对大样本数据挖掘关键基因的分析即可，具体WGCNA分析的相关内容，也可以参考下面的推文链接：

WGCNA分析教程：https://mp.weixin.qq.com/s/abHE5XSO6p0ktScEv6ggag

晨曦解读

好，到这里，我们来重点阐述一下Figure9整体的逻辑

这里其实我们就需要与临床预测模型的文献区分开来，临床预测模型最后得到的是一个预测模型，落在结果上其实是得到一个列线图或者网页评分器，但是这个不是，这个是获得一个临床诊断标志物，所以说并不涉及到上面的内容，然后我们来看一下图表的内容

第一步：三个数据集的差异分析，然后通过一种比较少见的可视化方式展示，本质上来说也就是获取三个数据集差异分析的交集（为什么把重度抑郁症还有双向情感障碍纳入到分析流程中，因为晨曦并不是相关专业的，从文章中可知，作者想要探索的标志物是在SCZ中特异性表达，但是在BDP与MDD中不表达的）

第二步：筛选真正的差异基因，寻找在RRA合并三大数据集后与WGCNA得到的hub基因还有SCZ特有的差异基因取交集后作为真正的差异基因（作者认为单纯的SCZ差异基因可能会有不阳性的可能，这个时候通过WGCNA缩小一遍范围，然后再通过RRA合并三大数据集后得到的差异基因再筛选一遍）

如果把三类基因做一个总计可以简单理解为，RRA合并的三大基因集的差异分析相当于土壤，这里的基因是在SCZ或者BDP或者MDD中有差异表达的，然后通过WGCNA也获得了一些模块内的hub基因，最后则是SCZ单独进行差异分析的基因，三者的交集才是最终可能的诊断标志物

第三步：然后把交集后的6个Gene symbol，做一个箱线图来看一下在样本中的表达

第四步：通过随机森林、支持向量机、决策树来评估标志物的诊断效力并在另外两个测试集上进行验证