Py学习  »  机器学习算法

导师:照着这篇本科生5分+文章,做个博士课题!代谢重编程+机器学习,纯生信是真香!

生信塔 • 7 月前 • 291 次点击  

偏临床的在职博士,加上一位“放养型”的导师,这样的组合“闻者伤心,听者落泪”,被“后浪”拍在沙滩上也不在少数了。思路、材料、经费,无一不缺。那该怎么办?
生信塔今天给大家推荐的这篇由本科生一作,发表在“Journal of Chemical Information and Modeling”(中科院2区,5.6分)的纯生信文章,筛选卵巢癌的标记物并构建预后模型。(ps:话说这个期刊属于化学大类,但是生物医学也接收,所以本文选刊也是挺有才的,差异化竞争!)
除了选刊之外,本文从肿瘤热门方向(代谢重编程),以热门的研究方法(机器学习算法),关注卵巢癌的热门临床问题(预后,免疫治疗效果,候选药物),确实值得我们学习。
Ps:“生信挖掘”是典型的“四两拨千斤”,“白嫖”各种已有的多组学测序数据,做起来也是“短平快”,适合于思路、样本、经费稀缺的小伙伴!换个疾病或者研究方向,就能复现。小伙伴如果感兴趣,欢迎滴滴生信塔哦。


定制生信分析

生信服务器

加微信备注99领取使用

研究背景
本文以代谢重编程的角度,通过分析并构建“代谢相关基因预后指数(MRGPI)”,对卵巢癌(OC)的预后和免疫治疗反应进行预测。    
数据来源
研究思路
如下图,作者利用WGCNA 分析代谢相关基因,鉴定出与肿瘤分期相关的基因模块;利用Cox回归筛选预后基因,构建MRGPI 模型并对患者进行分组,比较患者的组间差异;用TIDE 方法和 SubMap算法,对不同MRGPI 亚组的患者的免疫治疗反应进行预测,筛选对高 MRGPI亚组患者的潜在药物。    
研究结果
1.OC共表达的代谢模块显示与肿瘤分期相关的特征    
图2鉴定与肿瘤分期相关的共表达代谢基因模块
2.代谢相关基因预后指数按特定预后特征划分患者群体    
图3MRGPI模型的构建与评价
3.MRGPI亚群的异常分子特征和基因组变异    
图4MRGPI模型的验证
4.低MRGPI组表现出高水平的免疫细胞浸润    
图5MRGPI亚群的分子和突变特征
5.低MRGPI患者从抗PD-1免疫治疗中受益    
图6MRGPI亚群的肿瘤免疫微环境    
图7MRGPI亚组对免疫治疗的敏感性
6.针对高MRGPI人群的候选药物    
图8高MRGPI患者潜在治疗药物的鉴定
小结
本文是属于标准的生信挖掘文章,整个研究0实验。在恰当的选刊基础上,利用代谢重编程热点方向,以机器学习算法,关注卵巢癌的免疫治疗效果等因素。对于缺思路,缺样本,缺经费的小伙伴来说,性价比拉满。换个疾病或者研究方向,就能复现。小伙伴如果感兴趣,欢迎滴滴生信塔哦。

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/177029
 
291 次点击