基于WGCNA和机器学习筛选帕金森病免疫相关关键基因

目的:在帕金森病的发病过程中,免疫系统的异常激活和炎症反应起着重要作用。然而,目前对于免疫相关关键基因在帕金森病发生和发展中的具体作用和作用机制的了解仍然有限。本研究旨在通过加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和机器学习筛选帕金森病免疫相关关键基因。方法:从基因表达综合(Gene Expression Omnibus,GEO)数据库下载基因芯片数据,采用WGCNA筛选出与帕金森病相关的重要基因模块;将重要模块中的基因导出,绘制帕金森病重要相关基因与免疫相关基因的韦恩图,从而筛选出帕金森病免疫相关基因。采用基因本体(gene ontology,GO)分析和京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)深入分析免疫相关基因的功能及参与的信号通路。通过R语言的CIBERSORT包进行免疫细胞浸润分析。采用生物信息学方法和3种机器学习方法[最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)]对筛选出的帕金森病免疫相关基因进行进一步筛选研究,绘制4种方法筛选的差异表达基因的韦恩图,筛选交集基因即中心节点(hub node,hub)基因。通过STRING数据库搜索帕金森病hub基因的下游蛋白质,绘制蛋白质互作网络图。结果:筛选出帕金森病重要模块基因中与免疫相关的基因218个,其中45个为上调基因,50个为下调基因。富集分析结果显示218个基因主要在免疫系统对外来物反应和病毒感染通路富集。免疫浸润分析结果表明,CD4^(+)T细胞、NK细胞、CD8^(+)T细胞、B细胞在帕金森病患者样本中的浸润百分率较高,静息NK细胞、静息CD4^(+)T细胞在帕金森病患者样本中显著浸润。4种方法筛选出的hub基因为ANK1基因。交集基因蛋白质互作网络分析结果显示,ANK1基因翻译表达的11个蛋白质主要参与信号转导、铁稳态调节及免疫系统激活等功能。结论:通过WGCNA和机器学习方法,筛选出帕金森病免疫相关关键基因ANK1,该基因可能成为帕金森病诊断和治疗的候选靶点。

基于心脑血管疾病发病风险预测的CatBoost算法和贝叶斯网络模型分析

目的:筛选影响心脑血管疾病发病的主要特征变量,基于排序前10位的特征变量构建心脑血管疾病发病风险贝叶斯网络模型,为心脑血管疾病发病风险预测提供参考。方法:从英国生物样本(UK Biobank)数据库中纳入315896例参与者和相关变量,通过类别型特征提升(CatBoost)算法进行特征选择,将所有参与者按7∶3比例随机分为训练集和测试集,并基于最大最小爬山(MMHC)算法构建贝叶斯网络模型。结果:本研究中人群心脑血管疾病患病率为28.8%。CatBoost算法筛选的排名前10位变量分别为年龄、体质量指数(BMI)、低密度脂蛋白胆固醇(LDL-C)、总胆固醇(TC)、甘油三酯-葡萄糖(TyG)指数、家族史、载脂蛋白A/B比值、高密度脂蛋白胆固醇(HDL-C)、吸烟状态和性别。CatBoost训练集模型受试者工作特征(ROC)曲线下面积(AUC)为0.770,模型准确性为0.764;验证集模型AUC为0.759,模型准确性为0.763。临床效能分析,训练集阈值范围为0.06~0.85,验证集阈值范围为0.09~0.81。心脑血管疾病发病风险贝叶斯网络模型分析,年龄、性别、吸烟状态、家族史、BMI和载脂蛋白A/B比值与心脑血管疾病直接相关,是心脑血管疾病发生的重要风险因素,TyG指数、HDL-C、LDL-C和TC通过影响BMI和载脂蛋白A/B比值间接影响心脑血管疾病的发生风险。结论:控制BMI、载脂蛋白A/B比值和吸烟行为,可以降低心脑血管疾病的发病风险。贝叶斯网络模型可用于预测心脑血管疾病发病风险。

五年制临床医学本科生早科研训练现况调查与策略

目的:调查并分析地方医学院校五年制临床医学本科生早期科研训练现况,探索更为成熟的本科生科研能力培养模式。方法:随机抽取我校2016—2019级临床医学本科生为调研对象,调查其科研参与现状,从本科生对科研的认知;申请助研的意愿及行动;导师对个人学习、生活及成长的影响;与导师沟通相处情况及对本科生科研开展的建议进行调查。结果:76.01%调研对象认为有必要参加科研;申请助研的学生中89.93%在大一、大二期间提出申请;助研本科生中81.52%认为导师培养了自己独立思考的能力,92.39%掌握了实验技能,61.96%收获了个人成长。结论:本科生助研是开展临床医学生早期科研训练的有效模式,有待继续优化以促进本科生科研创新能力培养。

2030年山东省结直肠癌死亡负担预测及危险因素控制效果模拟

目的预测2030年山东省结直肠癌(colorectal cancer,CRC)的死亡负担,评估控制危险因素对减轻CRC死亡负担的效果。方法基于死亡风险与危险因素的相关性和比较风险评估理论,利用山东省危险因素监测数据和CRC死亡数据,结合WHO危险因素控制目标,设定不同的危险因素控制场景,采用比例变化模型估计2030年不同场景下CRC死亡情况。结果若危险因素暴露按自然趋势发展,2030年山东省>20岁人群CRC的死亡数和死亡率将比2013年分别增加47.68%和35.51%,标化死亡率和过早死亡概率将分别降低14.48%和10.10%。饮酒或BMI控制达标场景下,2030年山东省>20岁人群过早死亡概率将比2013年减少12.11%和11.02%。所有危险因素控制达标场景下,2030年山东省将避免413.24人死亡,过早死亡概率将降低13.14%。结论自然趋势下,2030年山东省>20岁人群CRC死亡数和死亡率将比2013年高,标化死亡率与过早死亡概率将下降。若所有危险因素控制达标,可降低CRC的负担,提示应加强控制饮酒和BMI管理等措施,以降低山东省CRC的死亡负担。

卒中后痴呆发病和死亡风险及影响因素研究

目的研究卒中后发生痴呆及死亡的风险及其影响因素,为降低卒中后痴呆发生风险提供科学依据。方法基于英国生物银行(UK Biobank)数据库构建随访队列,采用多状态模型进行卒中和痴呆转归风险预测及影响因素分析。结果在不考虑协变量影响的情况下,6种转归路径中,由痴呆到死亡的累积风险最高,其次为卒中→死亡、卒中→痴呆。卒中后发生痴呆的概率风险是基线状态发生痴呆的4.1倍。年龄(≥45岁)、男性、有当前或既往吸烟史、有时或经常午睡、低体力活动、中心性肥胖和当前饮酒是基线人群3种转归状态(卒中、痴呆和死亡)的影响因素。当前饮酒状态可降低基线人群发生卒中、痴呆和死亡的风险。高龄(≥65岁)[风险比(hazard ratio,HR)=14.15,95%置信区间(confidence interval,CI):1.97~101.39]、有时午睡(HR=1.55,95%CI:1.19~2.02)和中心性肥胖(HR=1.43,95%CI:1.05~1.95)是卒中人群发展为痴呆的危险因素;高体力活动是卒中患者发生痴呆的保护因素(HR=0.72,95%CI:0.52~0.99)。年龄(≥55岁)、男性(HR=1.40,95%CI:1.26~1.56)、当前吸烟(HR=1.25,95%CI:1.06~1.47)和有时午睡(HR=1.14,95%CI:1.03~1.27)是痴呆患者发生死亡的危险因素。结论高龄(≥65岁)、有时午睡和中心性肥胖会增加卒中人群发生痴呆的风险,高体力活动会降低痴呆的发生风险。多状态模型可用于展示疾病转移的影响因素及程度,揭示疾病进程的变化规律。