文章预览
导语 今天给同学们分享一篇生信文章“ WGCNA and machine learning analysis identifi ed SAMD9 and IFIT3 as primary Sjögren's Syndrome key genes ”，这篇文章发表在 Heliyon 期刊上，影响因子为3.4。 结果： GSE40568 和 GSE40611 两个测试数据集之间的批量效应由 “sva” 包校正 。在 pSS 患者和健康对照者之间共鉴定出 376 个 DEGs 。由 2 个基因组成的模块 plum291 与 pSS 组和健康对照组的临床特征相关性最强 （cor = 0.47，P = 2.1e-17 ）。在这 291 个基因中，还发现 186 个基因是 pSS 患者和对照个体之间的 DEG，因此它们被归类为 KDEGs。 这些 KDEG 的功能主要与免疫调节有关，例如抗原受体介导的信号通路、白细胞介导的免疫和单核细胞分化的生物过程、免疫受体活性和趋化因子信号通路 。通过三种机器学习分析，即 LASSO 回归 、SVM-RFE 和 RF ，KPG，IFIT3 和 SAMD9 在前 10 个最重要的基因
………………………………
