生信学习Day5：文献解读

实践：复现文献（PMID40022676）

解读文献

图片来源：

PMID40022676

文章通过生信分析和机器学习寻找到了骨关节炎（OA）伴代谢综合征（MetS）的衰老相关基因，图为文章的研究流程图。

作者寻找了GSE55235、GSE55457两个人源的OA相关数据集，进行合并。一共有20个con样本和20个tre样本。使用“limma”包进行差异表达基因分析，共找到了2287个DEGs。同时，作者寻找了GSE98895数据集，它是一个代谢综合征数据集。作者从中检索了20个con样本和20个tre样本用于加权基因共表达网络分析，找到了1789个关键模块基因。

基于研究目的，要寻找OA和MetS和衰老基因的关系，作者从人类衰老基因组（HAGR）、Ageing Atlas、文献中检索了1037个衰老相关基因，然后与OA的DEGs、MetS的Key Module Genes取交集基因，结果找到了20个交集基因。

然后一方面对这20个交集基因进行KEGG和GO富集分析，寻找与这些基因紧密相关的分子功能（MF），生物过程（BP），细胞组分（CC）。另一方面，调用R包，利用样本中这些交集基因的表达量进行机器学习，找到最适合的诊断模型，文中找到的模型是SVM（支持向量机），SVM找到了5个与衰老相关最密切的基因。

为了评估模型的诊断价值，利用OA相关的另一个GSE12021数据集进行验证，同时绘制ROC曲线评估每个基因的诊断特异性和敏感性。

最后，利用CIBERSORT算法进行免疫浸润分析，评估5个筛选出的OA和MetS早期诊断基因与免疫细胞间的关系，判断它们是否参与免疫调节。