基于机器学习算法筛选胰腺癌诊断标志物及药物敏感性分析

目的 通过生物信息学方法和机器学习算法挖掘基因表达综合数据库(Gene Expression Omnibus, GEO)中胰腺癌的关键表达基因,探究胰腺癌的诊断标志物。方法 以GEO数据库获得的芯片数据集GSE15471、GSE16515作为训练组,GSE28735作为验证组,用于筛选出差异表达基因(Differentially Expressed Genes, DEGs)。利用套索算法(Least absolute shrinkage and selection operator, Lasso)与支持向量机的递归特征消除算法(Support Vector Machines with Recursive Feature Elimination, SVM-RFE)从DEGs中筛选出胰腺癌的关键表达基因,并在验证组中进行验证。采用受试者工作特征(Receiver Operating Characteristic, ROC)曲线的曲线下面积(Area Under Curve, AUC)评价关键表达基因的诊断效能。使用Kaplan-Meier生存曲线对关键表达基因进行预后生存分析。通过Cell...     

逍遥散治疗抑郁症代谢网络的模块划分与生物学机制研究

逍遥散的抗抑郁作用已经明确,应用代谢网络的功能模块划分方法,从功能模块角度探究逍遥散治疗抑郁症的生物学机制具有重要意义和价值。通过数据库收集逍遥散调节差异代谢物、差异代谢物相关的酶以及与抑郁症相关的蛋白,对逍遥散调节差异代谢物进行通路富集分析和交互分析,利用STRING工具构建差异代谢物相关的酶与抑郁症的蛋白网络,应用CNM分解算法提取网络蛋白功能模块并进行功能模块富集分析。结果发现,逍遥散调节差异代谢物97个、差异代谢物相关酶234个、抑郁症相关蛋白258个。通路交互分析划分为2个子网络,其中一个为神经系统和细胞信号转导相关通路,另一个为内分泌系统和代谢途径相关通路。对蛋白网络以及使用CNM算法从中提取的9个蛋白功能模块进行KEGG通路富集分析,结果发现模块1和模块3属于可用较少的蛋白富集到较多的通路,这些通路对应的功能包括内分泌系统、氨基酸代谢、神经系统和信号转导等。本研究采用通路交互分析和代谢网络模块划分策略阐释逍遥散治疗抑郁症的生物学机制,为从代谢调控角度深入研究中药复方药理作用机制提供思路参考和方法借鉴。