文摘

椎间盘变性的基础(IDD)被认为是严重的临床症状,尤其是对下腰痛(LBP)。因此,有必要探索监管职责和诊断特异表达基因和潜在药物IDD的性能。通过WGCNA co-expression分析,得到36 co-expression模块。其中,MidnightBlue IDD和红色模块是最相关。功能性浓缩相关分析表明,红色模块主要是嗜中性粒细胞的激活和调节cytokine-mediated信号通路和细胞凋亡,而MidnightBlue模块主要是与细胞外基质的组织,骨骼发育、细胞外基质、细胞外基质成分,和其他细胞外基质。此外,356个基因高度相关模块筛选构建蛋白质相互作用网络。网络度分布分析表明,已知IDD-related基因有更高程度的分布。浓缩的分析表明,这些基因被浓缩在MAPK_SIGNALING_PATHWAY(罗斯福= 0.012),CHEMOKINE_SIGNALING_PATHWAY和一些其他的途径。通过构造一个疾病基因相互作用网络,终于确定了三个针对疾病的基因。通过结合药物靶基因相互作用网络,两个潜在的治疗药物,entrectinib larotrectinib,下定了决心。 Finally, based on these genes, the diagnostic model in the training dataset, test dataset, and verification dataset all showed a high diagnostic performance. The findings of this study contributed to the diagnosis of IDD and personalized treatment of IDD.

1。介绍

下腰痛(LBP)是一种多因素疾病,与椎间盘变性(IDD)作为主要因素(1]。衰老的过程椎间盘(2)将导致椎盘(试管)的退化,导致神经症状包括枸杞多糖(3];据报道,世界上80%的人口患有腰痛,甚至可能导致丧失劳动力严重病例(4,5]。由于缺乏一个清晰的理解IDD的病理机制,治疗或延误IDD似乎是无效的。随着人口老龄化,IDD-induced枸杞多糖进一步的发病率增加,指着探索IDD的病理机制的需要。

大规模基因表达研究表明,许多在IDD编码基因差异表达,其中发挥重要作用在IDD [6,7]。例如,炎症反应的表达式CHI3L1自分泌因子,在髓核组织特定(NP),在变性显著调节,这可以通过促进Akt3信号通路(IDD8]。随着基因和蛋白质组学的发展工具,我们理解的遗传病IDD大大改善。目标不和谐的基因治疗策略发展令人鼓舞的结果从IDD的动物模型9]。小说的慢病毒载体表达切成分有效地抑制大鼠纤维环(AF)细胞的凋亡,沉默的表达切(10]。

近年来,越来越多的生物信息学研究进行了盘修复,并取得了一些有效的分析结果。GATA3,例如,生物信息学分析确定CCND1 TNFSF11 LEF1, DKK1是相关的退行性椎间盘疾病(11]。基于生物信息学分析,LOC102555094可能被ZFP217脱甲基,激活FTO, LOC102555094 / mir - 431 / GSK-3β在IDD [/ Wnt起到了至关重要的作用12]。原朱等人发现了几个lncRNA / circRNA-miRNA-mRNA交互轴(MALAT1 / hsa_circrna_102348 - hsa - mir - 185 - 5 - p - TGFB1 /”丛书,MALAT1 - hsa - mir - 155 - 5 - p hif1a hsa_circrna_102399 - hsa - mir - 302 - a - 3 - p hif1a MALAT1 - hsa - mir - 519 d - 3 - p mapk1和hsa_circrna_100086 - hsa - mir - 509 - 3 - p - mapk1),这对治疗IDD[可能是至关重要的13]。

本研究的目的是调查mRNA表达IDD的势函数基于RNA的表达谱IDD的病人。我们系统地分析了mRNA表达谱IDD和健康的病人。此外,我们开发了一种新颖的算法识别mRNA在IDD进展确定mRNA IDD诊断和预后的生物标记。

2。结果

2.1。IDD-Related基因的识别模块

方法包括数据收集、批处理效果移除,co-expression模块识别,和富集分析,其次是蛋白质网络建设、网络特征选择和分类器构造和验证。工作流图所示1。获得的数据集GSE56081和GSE124272从地理,和数据标准化和re-annotated芯片。包括更多的样本大小,GSE56081 GSE124272表达谱数据集和合并,最后,我们得到了12296个基因的表达谱。GSE56081整体基因表达数据集是高于GSE124272数据集,还有一批效果(图2(一个)使用R软件包),它被上海广电获得一个新的表达谱。作为新概要文件显示一致的数据集(图中分布2 (b)),这表明没有批是合格的进一步影响的表达谱数据分析。碘缺乏症的异常基因表达模块进行了分析,通过应用R软件包WGCNA分析IDD-related co-expression模块基于基因表达谱。在这项研究中,的力量β= 7 (R^ 2 > 0.85没有规模)是软阈值,以确保无尺度网络(图2 (c)和2 (d))。总共有36个模块识别(图2 (e))。疾病和模块之间的关系。首先,每个模块的特征向量之间的皮尔逊相关系数(图计算疾病的发生2 (f))。进一步分析的特征向量的分布差异显著相关模块IDD和对照组显示的特征向量分布LightPink4疾病集团MidnightBlue,和红色的模块是明显高于健康组,而LightCyan1模块的特征向量分布在疾病组显著低于健康组(图2 (g))。基于这两种方法,LightPink4 MidnightBlue,红色,和LightCyan1模块,它被发现是IDD的发生密切相关,确定本研究IDD的关键模块。

2.2。功能的参与IDD-Related模块

为了更好地理解的功能参与四个疾病相关模块,IDD-related基因从DisGeNET[获得第一14]。基因集的交集和IDD-related监管基因分析(图四IDD-related模块3(一个))。我们发现红色的基因与IDD-related MidnightBlue模块显示显著的交叉调控基因 ,这表明基因在红色和生物与IDD MidnightBlue模块。去进行功能富集分析在红和MidnightBlue模块。红色模块被浓缩到20生物过程,这主要是与中性粒细胞激活和调节cytokine-mediated信号通路和细胞凋亡,和另一个23细胞组件,主要涉及细胞外膜和细胞粘附(图3 (b))。同样,MidnightBlue模块是丰富大量的条件但最重要的是10生物过程,主要包括细胞外基质的组织,骨骼发育和其他生物过程(图3 (c))。十大细胞组件包含细胞外基质、细胞外基质成分,与细胞外基质(图和其他组件3 (d))。此外,MidnightBlue模块也丰富了许多分子的功能,如受体调节器活动和细胞外基质的结构组成(图3 (e))。先前的报道表明促炎细胞因子、免疫细胞分泌,和细胞因子调节细胞外基质的椎间disc-abnormal修饰酶,引起代谢酶和合成代谢酶之间的不平衡,这将导致普遍的背部,颈部和背部疼痛15]。这些结果表明基因在红色和MidnightBlue模块与IDD分享强大的生物相关性。

2.3。IDD-Specific蛋白质相互作用网络的建设

确定新IDD-related基因,基因集的红色和MidnightBlue模块选择,和基因之间的皮尔逊相关性计算模块和模块的特征向量,分别。总共855个基因选择相关性大于0.7,和这些基因的表达表进一步计算确定的AUC IDD。我们一共获得了356个基因和AUC高于0.8映射这些356个基因数据库的字符串16)(https://string-db.org/)。从这里,533交互数据收集涉及252个基因构建一个IDD-specific蛋白质相互作用网络。在网络,一些基因被大量的其他基因有关,和许多基因与基因(图4(一)),在这些基因,MAPK1相对最大的基因与其他基因交互网络。p38 MAPK信号通路中起着重要的作用在许多炎症和代谢变化在椎间盘变性(17]。网络的度分布进行了分析(图4(b)),它已经发现,大部分节点度左右,高于10几个节点,显示中值法分布,这与生物网络的特点是一致的。有9个已知IDD-regulated基因网络中,大多数这些基因有很大程度上的排名,这表明一个更大的节点学位IDD-specific蛋白质交互网络更接近于IDD(图4(c))。网络中节点的度是用作GSEA排名功能富集分析,和这些基因被发现显著富集到5 KEGG通路(图4(d) -4(h)), MAPK_SIGNALING_Pathway(罗斯福= 0.012)和CHEMOKINE_SIGNALING_Pathway(罗斯福= 0.024)。

2.4。IDD开采和识别的关键基因

考虑到IDD-specific蛋白质网络的重要性,我们所有IDDRGs引入网络。两个IDDRGs之间的交互关系和两个IDDPPIG从字符串获得数据库构建一个新的IDD监管网络,包含435个节点和4362块的交互信息,并有194 IDDRGs(图5(一个))。我们发现网络中的IDDRG程度显著高于IDDPIG。IDDRG IDDPPIG基因的丰富意义的计算,结果表明,共有168个IDDPPIG基因(69.7%)被IDDRG,大大丰富了 ,表明网络中大量IDDPPIG基因与IDDRG间接或相互关联的。IDDRG的网络特征和IDDPPIG进一步系统地比较,观察,平均每个IDDPPIG之间最短路径和IDDRG明显 短于其他IDDPPIGs(图之间的平均最短路径5 (b)),这表明有一个IDDPPIG和IDDRG之间更紧密的互动关系。的倍数平均最短路径从一个IDDRG IDDPPIG基因和平均最短路径从每个其他IDDPPIG IDDPPIG基因计算,我们发现他们中的大多数都在0.8和0.85之间,这是低于随机网络(图5 (c))。在分析中的每个IDDPPIG网络的度分布,它是观察到的平均程度高于随机网络(图5 (d))。此外,我们还发现一个更高比例的IDDRG IDDPPIG基因相互作用比随机网络(图5 (e))。

基于上述结果,IDDRG比例相当高的交互和IDDPPIG显著低多的最短路径和高度的分布被选为一个新的潜在IDD的关键基因。在这里,我们获得了三个基因(表1)。

2.5。潜在的关键IDD基因药物和药物靶点

进一步确定关键IDD的潜在药物靶点基因,之后王et al。18),我们决定网络距离这三个关键基因和5490种药品DrugBank(图6(一)),发现三个关键基因和药物之间的距离短于随机的背景。一共有两种药物测定根据全球罗斯福< 0.05(表2)。随后,这两种药物之间的关系和碘缺乏症的三个关键基因(SIRT7、NTRK2 CHI3L1进一步分析了分子对接方法(图6 (b))。当药物DB11986和DB14723 CHI3L1蛋白质相结合,这两种药物可能与蛋白质的活性位点结合,−9.7千卡/摩尔和10.0千卡/摩尔,分别。如此高的对接得分表明,这两个分子可能有潜在的生物活性与CHI3L1的蛋白质。两种药物必将NTRK2蛋白质时,对接得分显著降低−8.6千卡/摩尔和−7.9千卡/摩尔,分别,虽然他们都绑定到活性部位。药物DB11986可以延长从另一边的活性部位由于添加剂的分子结构的农场,但DB14723都嵌入NTRK2蛋白质的相对较小的分子结构。有趣的是,当药物DB11986 DB14723与SIRT7蛋白质,两种药物的对接分数有显著不同。其中,对接得分的DB11986 SIRT7−9.5千卡/摩尔,而DB14723 SIRT7−7.9千卡每摩尔。这样的一个显著差异还表示,也有可能这两个药物的活性差异对SIRT7蛋白质。这些结果表明,不同的绑定相似的两种药物三种蛋白质可能意味着潜在的相互作用和生物活性的差异。

2.6。IDD生物标志物的鉴定和验证

标记IDD进一步确定基于三针对疾病的相关基因,我们使用GSE124272作为训练集,GSE56081作为测试集,和GSE23130 GSE150408作为外部验证组,SIRT7 NTRK2, CHI3L1担任功能训练数据集获得相应的表达谱。表达谱在每个数据集的热图表明SIRT7, NTRK2, CHI3L1都高度表达IDD组在不同的数据集(图7(一))。在分析三个基因的表达在不同的数据集,我们发现SIRT7和NTRK2基因明显在GSE124272(图7 (b)),NTRK2和CHI3L1显著GSE56081数据集(图中高度表达7 (c)),SIRT7和CHI3L1显著GSE23130数据集(图中高度表达7 (d)),SIRT7和NTRK2显著GSE150408数据集(图中高度表达7 (e))。也,我们增加了实验的验证,具体地说,我们收集了五IDD早期患者的组织(III)和五个高级IDD病人从第三人民医院(V)南宁和评估SIRT7的表达差异,NTRK2,和CHI3L1使用rt - pcr,正如所料,他们有一个更高的表达趋势先进IDD的病人,和CHI3L1 NTRK2显著表达差异(补充图S1)。这些发现表明,单个基因的表达在不同的数据集是很容易被其他因素。因此,我们使用了三个基因作为面板构建一个支持向量机分类模型。十倍交叉验证被用来测试模型和分类精度为100%,所有16个样本正确分类的训练数据集。模型IDD的敏感性为100%,特异性为100%,ROC曲线下的面积(AUC)是1.0。当使用GSE56081数据集进行验证,9 10个样本正确分类,分类精度为90%,模型对IDD的敏感性80%,特异性100%,ROC曲线下面积为0.96。GSE23130数据集用于验证和进一步准确分类19个样品的23岁的分类精度为83.6%,模型IDD的敏感性50%,特异性94%,ROC曲线下面积为0.95。GSE150408数据集用于验证和进一步准确分类27个样本的34岁的分类精度为88.2%,模型IDD的敏感性70.6%,特异性79.4%,ROC曲线下面积为0.94(图7 (f))。这些结果表明,诊断预测模型基于SIRT7, NTRK2, CHI3L1可以有效区分IDD病人从控制人口;因此,这些基因可以作为可靠的生物标志物IDD的具体诊断。

3所示。讨论

下腰痛(LBP)引起的椎间盘变性(IDD)是最常见的肌肉骨骼系统疾病(19]。IDD的众多因素相互作用的结果,包括压力负荷异常、炎症因子,细胞衰老及相关信号通路,但最终结果是细胞外基质合成和分解代谢的不平衡(20.]。在这项研究中,IDD健康样本之间的基因表达模式进行了系统地分析,和两个疾病相关基因模块通过加权co-expression识别方法。这些基因主要是富含嗜中性粒细胞激活和调节cytokine-mediated信号通路,和细胞外相关矩阵多个生物学途径,表明这些模块化与IDD有强烈的生物相关的基因。在此基础上,我们构建了一个蛋白质相互作用网络和观察到的高度与已知IDD节点,并发现相关基因的相关性更高。最后,介绍了IDD-related基因建立针对疾病的网络。通过分析网络拓扑、SIRT7 NTRK2,和CHI3L1终于确定为新IDD-specific基因,而这些基因显著IDD样本中高度表达。

Sirtuin蛋白7 (SIRT7),这是一个烟酰胺腺嘌呤二核苷酸(NAD +)端依赖组蛋白脱乙酰酶,主要位于细胞核。SIRT7参与多种细胞过程,包括老化、DNA修复、肿瘤发生、代谢(21,22]。SIRT7是软骨内稳态的证明是一个重要的监管机构和参与了办公自动化的发展23]。在OA关节软骨SIRT7表达明显下调,这与自噬基因表达是一致的;此外,损失SIRT7加速II型胶原蛋白分解代谢(24]。神经营养受体酪氨酸激酶2 (NTRK2)是一种神经营养受体激酶(NTRK)家族的成员和膜结合受体。当神经营养蛋白结合,NTRK家族成员和MAPK通路通过NTRK2磷酸化和发出信号,导致细胞分化。Jinhuai胡锦涛等人报道,NTRK2是一种癌基因,及其超表达部分逆转miR-22在肿瘤增殖的抑制作用和入侵25]。炎症相关的自分泌因子CHI3L1,组织并显著调节在变性过程中,可以通过促进Akt3信号通路(IDD8]。CHI3L1可以表达各种各样的细胞,包括软骨细胞、平滑肌细胞和骨肉瘤细胞,但它的功能通常是与炎症和组织重构(26- - - - - -28]。根据目前的研究,SIRT7和NTRK2 IDD先前没有被报道。当前的研究第一次揭示了这两个基因可能参与的参与IDD的发生和发展。

Entrectinib TrkA是一种有效的口服酪氨酸激酶抑制剂,TrkB, TrkC(编码的神经营养基因酪氨酸激酶受体(NTRK) 1、2和3,分别)。25名患者的临床研究包含NTRK各种恶性肿瘤,ROS1,或碱性基因融合和接收entrectinib的有效剂量,79%的总体响应速率显著肿瘤回归在所有NTRK-altered肿瘤(包括ETv6: NTRK3易位)[29日观察。Larotrectinib是生成受体激酶(NTRK)的选择性抑制剂,可用于治疗实体肿瘤携带NTRK基因融合(30.,31日]。大卫年代香港等人表明,159 TRK fusion-positive癌症患者接受larotrectinib, 121的153名可显示客观反应(79%,95%置信区间72 - 85)和24例(16%)显示一个完整的反应(16%)(32]。作为IDD NTRK2被证实为预后基因在这项研究中,我们推测entrectinib larotrectinib可以通过NTRK2消除IDD。

虽然我们分析和验证基因的异常表达和功能作用IDD从多个数据联合使用生物信息学技术,这项研究应该注意的一些限制。首先,样本缺乏一些临床随访信息;因此,我们未能考虑的因素,如其他病人疾病的存在。其次,获得的结果只有通过生物信息学分析不够,这需要进一步实验验证。因此,有大量的样本进一步遗传和实验研究和实验验证是必要的。

4所示。结论

总之,在这项研究中,我们系统地分析了IDD和基因表达模式进行了大规模的全基因组表达谱研究RNA识别两个基因模块与IDD密切相关。三个新的IDD IDD-specific基因已经被发现通过网络挖掘疾病相关,和三个基因参与多种重要的生物通路。与此同时,我们还发现entrectinib larotrectinib可能有效的治疗IDD,为临床医生提供一个目标和参考和生物实验。

5。材料和方法

5.1。RNA表达谱

所有人类椎间盘变性的基因表达谱都从基因表达综合检索(GEO)数据库(https://www.ncbi.nlm.nih.gov/geo/),4个数据集的样本容量不少于10,即GSE56081 [33],GSE124272 [34],GSE23130 [7),和GSE150408选中。其中,GSE56081有10个样本,包括5样本IDD患者和5样品正常髓核的控制。这个平台是人类lncRNA Arraystar微阵列V2.0 (Agilent_033010探头名称版本)。GSE124272数据集包含8 IDD样品和8控制样品在安捷伦- 072363 SurePrint G3人类GEV3 8×60 K芯片039494。GSE23130数据集包含共有23个样本Affymetrix人类X3P数组。

GSE56081数据集是lncRNA芯片平台。GSE56081数据集的探针序列对齐的基因组(GRCh38.p13,https://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_human/release_39/gencode.v39.primary_assembly.annotation.gff3.gz)通过芯片re-annotation的方法来确定调查的记录ID映射。每个记录集群被分配到运用基因ID获取探测器之间的匹配关系和基因获得基因表达谱。

具体过程如下:(1)矩阵文件表达序列标签下载获得这些探针的核酸序列。(2)这些探测器的核酸序列匹配人类基因组库(编码数据库,38岁的版本https://www.gencodegenes.org/human/)使用SeqMap软件35]。图书馆需要序列匹配和不匹配,和相应的染色体探针的位置。(3)总共有19873 re-annotated信使rna探针获得的同时删除多个匹配探测器的存在。

最后,对于所有的表达谱,探测器是映射到基因,当多个探针被映射到相同的基因,中间值作为基因的表达式的值。扩大样本数据集的大小,我们结合GSE56081 GSE124272数据集,战斗R的函数软件包上海广电(36)是用来删除批处理效应来获得一个新的表达谱,和GSE23130数据集作为一个外部独立核查队列。

5.2。加权Co-Expression网络分析

合并后的数据集GSE56081 GSE124272和删除批处理效果,加权co-expression模块构建使用基因表达谱。具体来说,基因的RNA表达数据概要文件被用来检查样品和基因是否合格。然后,我们使用了WGCNA [37包在R基因构造一个无尺度co-expression网络。皮尔森的相关矩阵和平均链接方法进行双向的。然后,加权邻接矩阵构建使用幂函数 (=皮尔逊基因之间的相关性米和基因n;=邻接基因之间米和基因n)。β,这是一个对振动参数,强调强基因之间的相关性,表明弱相关性。后确定的力量β,邻接矩阵转换为拓扑重叠(汤姆)测量基因的网络连接,这被定义为邻接的总和之比所有其他基因,然后,相应的不同(汤姆)计算。分类相似的基因表达谱基因模块,平均链接层次聚类是根据执行TOM-based不同测量的最小大小(基因集团)基因系统树图30。进一步分析模块中,我们计算了不同的模块特征基因,确定模块系统树图的切割线,并合并一些模块。

5.3。Co-Expression模块与IDD的识别

我们定义了相关模块的发生IDD电话服务模块。具体地说,我和IDD特性之间的相关性计算来确定相关的模块与意义 。进一步分析每个模块的特性向量的分布差异在IDD和对照组选择模块执行重要的罗斯福< 0.05。同时,我们获得已知IDD-related基因(IDDRG)从DisGeNET(集14)数据库,分析了十字路口的基因和IDDRGs在每个模块,评估IDDRG浓缩意义的超几何测试,和选择模块与极大丰富的IDDRGs最后IDD模块。

5.4。功能富集分析

基因本体论(去)和《京都议定书》百科全书的基因和基因组(KEGG)通路富集分析使用R包clusterProfiler [38筛查与电话模块相关的基因,所以当识别常见术语在三个类别(生物过程、分子功能,细胞组件)和KEGG通路。为分析,罗斯福的< 0.05被认为是表示统计学意义。

5.5。IDD-Related蛋白质相互作用网络的建设

IDD模块,模块中基因之间的相关性和模块的特征向量计算选择基因设置的相关系数大于0.7。每个基因表达在IDD的分类性能和对照组进一步分析和基因集AUC大于0.8确定的最终核心基因集IDD模块。这些基因集映射到字符串v11.0 [16)数据库来获得这些基因之间的交互数据,和一个IDD-related蛋白质交互网络(IDDPPI)成立。视觉分析使用cytoscope [39,蛋白质相互作用网络中节点的度是用作排名。GSEA [40)来获得极大地丰富KEGG通路富集分析来评估网络功能。

5.6。IDDRG-IDDPPI-Related网络建设

基因在IDDRG和IDDPPI (IDDPPIG)映射到刺V11.0 [16数据库构建蛋白质相互作用网络。的度分布网络中的每个IDDPPIG和IDDRG进一步分析。每个IDDPPIG丰富的意义由IDDRG和IDDPPIG基因相互作用的比例计算使用超几何检验分析的网络特点IDDPPIG IDDRG,和两个IDDPPIG之间的平均最短路径或IDDPPIG和IDDRG之间比较。平均最短路径的多个关系分布在两个IDDPPIG IDDRG和IDDPPIG之间的基因和基因进行了计算。基于上述特点,随机摄动法是用于建立一个随机网络为背景,和重要的基因被选为新的IDD (IDDG)的关键基因。

5.7。IDDG和药物靶网络建设

IDDG检查潜在的药物的影响,药物和药物靶基因之间的关系得到了来自DrugBank v5.1.7数据库(41,总共有16196所以数据被确定。这些药物靶基因和IDDG基因映射到字符串V11.0 [16数据库获取基因交互信息,drug-gene-IDDG网络构造。正如前面所描述的王et al。18),药物IDDG的最短路径计算识别潜在药物IDDG有关。

具体来说,我们计算了IDDG邻近的药物。在这种情况下,我们可以给年代,IDD-related基因设置IDDG;D,在PPI IDD-related基因设置节点的程度;和T药物靶基因集合。距离D(s, t)之间的最短路径年代节点和T节点(年代∈年代IDD-related基因;T∈T是药物靶基因),计算方法如下: 在哪里ω目标基因的重量。如果目标基因的基因IDD-related基因集,计算方法ω=−ln (D+1);否则,ω= 0。

我们生成模拟参考距离分布对应的药物。简而言之,一群蛋白质网络中节点是随机选择的模拟药物目标节点的数目是一样的目标大小(R)。接下来,距离d(年代,R这些模拟药物靶点之间的)(表示模拟药物)和DMEGs计算。1000年之后随机重复,模拟生成参考分布。与此同时,平均值和标准偏差μd (年代,R),σd(年代,R)参考分布和相应的实际观察到的距离被转化为标准化分数,即接近Z:

最后,最短路径的药物IDDG明显高于背景药物根据模拟参考距离分布。之间的结合程度,IDDG和药物评价了分子对接。

5.8。建立IDD诊断预测模型和评价模型的预测性能

IDDG诊断预测模型被用来构造一个基于支持向量机(SVM)分类42]预测IDD和控制样品。支持向量机,这是一个监督机器学习算法模型,分析数据,识别模式。支持向量机创建一个超平面,或无限维度高,并且可以用于分类和回归。给定一组训练样本的每一个标记属于两个类,一个支持向量机训练算法构建一个模型,将新实例赋给一个类,使它成为improbabilistic二进制线性分类。

在这项研究中,GSE124272训练集,GSE56081测试集,和GSE23130外部验证集。该模型在训练数据集,构造和验证了模型的分类能力十倍交叉验证方法。已建立的模型被用来预测在测试集和验证集样品。模型的预测能力是评估使用ROC曲线下面积(AUC)和IDD预测模型的敏感性和特异性进行了分析。

5.9。统计分析

Ggplot2 R软件用于可视化和热图是用来画热图。确切概率法用于多组比较,和意义被定义为 。Benjamini方法被用于多个测试修正获得罗斯福。这些分析都是在R 3.4.3。

数据可用性

的数据支持本研究的发现可以从相应的作者在合理的请求。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

摘要李和郄风扇的构思和设计研究;朱文昊李,李张,Jianxun魏获得数据。Jicheng他分析和解释数据;林唐、珠海李、陈冯统计分析研究;摘要李起草的手稿;郄扇知识内容的修订后的手稿。摘要李和李朱文昊贡献同样这项工作。

确认

本研究通过青年基金项目广西壮族自治区人民医院(YXQNRC 2018 - 2)和广西科技计划项目(Guike AD21220134)。

补充材料

图S1。SIRT7 mRNA表达差异的,NTRK2 CHI3L1 IDD病人早期(3)和先进IDD病人(V)。(补充材料)