Buff叠这么满，才发3分？网药+转录组+孟德尔+机器学习+分子对接+动物实验，这篇绝对发低了...

研究生为了毕业能有多拼？

生信塔今天看了一篇文献，整合多个热门分析手段，比如网络药理学、孟德尔随机化、机器学习、分子对接，甚至还做了湿实验验证，竟然只发了个3.1分！！！

随后，生信塔又仔细一看，原来该文章只要了20天就接收了！这样就说得通了，2-3月正值毕业季，也许是为了能顺利毕业，将文章“抛售”了，以“分数”为代价，换取发文“速度”。不然5分+的工作量，却只发了3分，有点暴殄天物了。下面，我们一起来看看这篇文章吧，是不是真的具备5分+实力！

l题目：口强洁方治疗牙周炎的活性成分和靶点：一项多方法研究    

l杂志：Naunyn-Schmiedeberg's Archives of Pharmacology（IF=3.1）

l发表时间：2025年3月

1. 活性成分与靶点收集结果

从TCMSP和HERB数据库筛选出KQJF的193种活性成分、561个相关靶点；从多个疾病基因数据库获取牙周炎相关靶点，经Venny平台分析，发现272个药物 - 疾病直接相关靶点。构建“药物-成分-靶点-疾病”网络。

图1：网络药理学分析

2. PPI网络

PPI网络有272个节点、7546条边，经MCODE插件分析得到84个关键治疗靶点。    

图2：PPI网络

3. GEO数据集分析结果

筛选GEO数据库得到相关数据集，分析确定66个核心基因，多数在牙周炎组高表达，且核心基因间存在强正相关。同时明确了正常和牙周炎样本免疫细胞浸润差异。    

图3：转录组分析

4. 机器学习模型分析结果

应用4种机器学习模型，SVM模型表现最佳，AUC达0.954。RF模型确定了5个关键预测基因，构建的列线图模型预测性能良好。    

图4：模型构建

5. 分子对接结果

对机器学习筛选的关键靶点和KQJF活性化合物进行分子对接，发现部分化合物与靶点结合亲和力强，如黄芩素与KDR等，结合能越低结合活性越好。    

图5：核心成分与关键靶点的分子对接情况

6. MR分析结果

MR分析表明CASP3基因表达与牙周炎易感性正相关（OR = 1.595，P = 0.015），FOS基因与牙周炎无显著因果关联，且CASP3结果可靠，不受水平多效性影响。    

图6：关键基因与牙周炎因果关系

7. 核心基因聚类分析结果

PD样本核心基因聚类分为DiffGene1和DiffGene2组，两组核心基因表达、免疫细胞浸润及生物学过程、KEGG通路存在差异，还确定了352个差异表达基因（DEGs）。    

图7：免疫浸润分析    

图8：富集分析

8. DEGs聚类分析结果

对352个DEGs聚类得到DEG1和DEG2组，两组基因表达、核心基因差异分析及免疫细胞浸润均不同，体现出不同的免疫调节环境。    

图9：DEGs聚类分析

9. 实验验证结果

建立大鼠牙周炎模型实验表明，KQJFLLN处理组牙周组织病理改善，CASP3表达在蛋白和mRNA水平均降低，证实KQJFLLN可调节CASP3表达，缓解牙周组织降解。    

图10：动物实验验证

这篇文章整体看上去不难，但是照这个工作量发3.1分属实亏了，如果选个好一点的期刊完全可以发的高一些，分析更深入点的话还能冲一冲更高分！联合思路的应用非常符合生信未来发展趋势，选对期刊立马发高分！选题拿不准，联合分析搞不定？直接找生信塔，你的得力助手已就位，十年分析经验，让你省心又省力！

注：本文为原创编译，非声张版权，侵删！