非肿瘤也能做疾病分型？还能基于铁死亡基因构建评分模型，一分钟告诉你生信分析方法！
肿瘤分型、风险评分都见得太多了，
但你知道非肿瘤疾病也能做疾病分型吗？还能构建评分模型！这回生信分析思路又多了个选择，你想不想要？
小云之前跟你们说过，不要抱怨非肿瘤疾病的数据少，因为数据少有少的好处，稍微加点创新性就能发一篇不错的生信文章。肿瘤数据虽多，但是内卷严重呀。而且非肿瘤疾病能做的分析并不比肿瘤少哦！连肿瘤分析中常见的疾病分型、风险评分也能做！
小云今天就带你看看非肿瘤疾病是如何做疾病分型、还能基于铁死亡基因构建评分模型的？非肿瘤疾病分型+热点方向+评分模型＝新的生信思路！保证你看完就想立马复现。
文章题目：自闭症谱系障碍（ASD）中铁死亡相关分子簇的鉴定和免疫特性研究
发表杂志：Frontiers in genetics
影响因子：IF=4.722
发表时间：2022年8月
数据信息
研究思路
从GEO数据库中获得201例正常样本和293例自闭症谱系障碍(ASD)样本的数据。使用无监督聚类分析来识别基于铁死亡相关基因(FRGs)的分子亚型，并评估亚型之间的免疫特征。采用LASSO和SVM-RFE机器学习算法筛选出7个铁死亡相关的预测基因。基于7个基因构建铁死亡评分，并评估评分预测的准确性。
主要研究结果
1. 分析自闭症谱系障碍（ASD）患者中FRGs的表达、功能富集分析和免疫细胞分析
分析224个FRGs在对照组和ASD组之间的表达谱，筛选出16个差异表达的铁死亡基因，包括6个上调基因和10个下调基因(图1)。GSEA发现这些差异基因主要富集免疫相关通路，提示免疫系统的改变可能是ASD进展的主要发病机制之一。因此，进一步利用CIBERSORT算法分析了两组间22种免疫细胞比例的差异(图1)。
图1
2. 在ASD中基于16个FRGs进行疾病分型
使用一致性无监督方法分析了ASD样本中16个FRGs的表达谱。结合共识矩阵的结果，将293名ASD儿童聚为两个聚类，包括Cluster1 (n = 148)和Cluster2 (n = 145)(图2E)。主成分分析(PCA)证实了两个聚类的区分(图2F)。
图2
3. 针对ASD的2种亚型进行分析，建立铁死亡评分模型
总结
怎么样？看完这篇文章是不是就知道原来非肿瘤也能做疾病分型的思路呀。非肿瘤疾病数据虽然没有肿瘤多，但是能做的分析内容可不比肿瘤少，再与热点（比如铁死亡）关联，进行疾病分型，构建铁死亡评分，增加临床意义，一篇4分+的文章就到手了！性价比超高，比辛辛苦苦做实验轻松多了。
说明生信分析能做的可比你想象的还要多哦。疾病分型+热点方向+评分模型，新的生信思路不就诞生了嘛！还不快来复现？
如果你还苦恼于非肿瘤疾病没有思路，或者对铁死亡等热点方向感兴趣，想要做疾病分型和评分模型的小伙伴快来联系小云吧。
