BAZ1A在肝癌和子宫颈癌中的共同促癌机制分析

目的通过转录组测序,探讨毗邻锌指结构域的溴结构域蛋白1A(bromodomain adjacent to zinc finger domain 1A,BAZ1A)在肝癌和子宫颈癌中促癌机制的共同点。方法在肝癌和子宫颈癌转录组测序结果中使用“DESeq2”包进行筛选肝癌组差异表达基因(different expression genes,DEGs)和子宫颈癌组DEGs。肝癌组DEGs与子宫颈癌组DEGs取交集获得共有DEGs。通过基因本体论(gene ontology,GO)、京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)对以上3组DEGs相关的功能及通路进行分析。采用STRING数据库对上述3组DEGs进行蛋白质互作(protein-protein interaction,PPI)网络的富集分析,并使用Cytoscape软件筛选出各组DEGs中的核心基因。结果得到肝癌组DEGs为294个,子宫颈癌组DEGs为5662个,共有DEGs为170个。肝癌组DEGs、子宫颈癌组DEGs和共有DEGs都富集到的KEGG通路包括细胞外基质-受体相互作用通路、焦点黏附通路。肝癌组DEGs和子宫颈癌组DEGs都显著富集的GO条目包括细胞运动、生物黏附。PPI网络分析得到肝癌组核心基因为H4簇状组蛋白5(H4 clustered histone 5,H4C5)、H4簇状组蛋白14(H4 clustered histone 14,H4C14),子宫颈癌组核心基因分化簇44(cluster of differentiation,CD44)、激太原1(kininogen 1,KNG1)、圆盘大MAGUK支架蛋白4(discs large MAGUK scaffold protein 4,DLG4),共有组核心基因为H2A簇状组蛋白18(H2A clustered histone 18,H2AC18)。结论在肝癌和子宫颈癌中,BAZ1A都可以通过影响癌细胞运动、迁移的能力,发挥促癌作用。

基于辅助变量不同采样数量下土壤全氮预测

不同采样数量以及预测方法会对土壤全氮预测精度产生影响,为了研究不同样点数量对预测模型预测精度的影响,以北京市通州区为例,采用随机抽样的方法,从312个土壤采样点中随机抽取20、40、60、80、100、150、200、250和300个样点,采用偏最小二乘、RBF神经网络以及随机森林模型进行预测,并对预测结果进行预测精度对比。发现不同采样数量对土壤全氮预测精度产生较大的影响,在北京市通州区东南部乡镇,60~200个采样点是比较合理的采样数量。不同预测方法对预测精度影响显著,随机森林预测模型预测精度最高,RBF神经网络和偏最小二乘预测精度相似。

基于辅助变量的县域土壤有机质预测

为了快速准确地获取土壤有机质的空间分布情况,以北京市密云区为研究区,利用330个采样点进行建模、83个采样点进行验证,选择偏最小二乘回归(PLS)、RBF神经网络(RBFNN)、随机森林(RF)模型作为预测方法,与不同组合的辅助变量相结合,模拟密云区耕地表层土壤有机质空间分布,并比较不同预测方法、不同辅助变量组合的预测精度。研究结果表明,密云区耕地表层土壤有机质含量在5.42~40.44 g/kg之间,变异系数为30.03%,属于中等程度变异;从不同预测方法来看,随机森林建模预测精度比偏最小二乘以及RBF预测精度要高,而从不同的辅助变量组合来看,有效土层厚度和高程作为辅助变量组合的预测精度最高。研究显示选择合适的辅助变量和预测方法,可以提高县域尺度下土壤有机质空间分布的快速获取。