孟德尔随机化多组学:(pQTLs,eQTLs,mQTLs,sQTLs 等;多重共定位等) 疾病的发展是一个很复杂的过程,单一组学数据分析往往无法说明复杂的因果关系,而多组学分析整合了不同层面的数据之间的相互作用,更深层次探索疾病进展 首发!!整合GWAS汇总数据和多个分子QTL数据(pQTL,eQTL,mQTL,sQTL),可以帮助确定GWAS风险位点的调控...
5. 功能特点分析 为了进一步了解乳腺癌中386个SLE-DEGs的潜在功能,作者进行了GO和KEGG富集分析。GO分析显示DEGs富集在细胞周期、细胞增殖和对激素的反应方面(图3F)。KEGG富集分析主要涉及与癌症和细胞周期相关的途径,包括代谢途径、微小RNA、转录调控失调、蛋白聚糖和中心碳代谢(图3G)。 6. PPI网络和关键基因分析 首...
MR分析显示AD风险对乳腺癌症风险有显著的、负面的因果影响(PMR-Egger = 0.113,加权中值 = 0.014,PIVW = 0.060,P简单模式 = 0.712和加权模式 = 0.033)。该分析未显示显著的异质性(QMR-Egger = 12.99和P = 0.11,大众 = 13.68和P = 0.13)或水平多效性(P ...
这篇文章的分析流程比普通的MR稍显复杂,小记者仔细看来,原来作者在MR之外还结合分析了暴露与疾病之间具有潜在功能的遗传相关性和共享风险位点。作者还进行了基于汇总数据的孟德尔随机化方法(SMR)确定具有可能因果效应的候选风险基因,进一步深挖关联下的功能机制,最后结合了转录组数据进行了差异基因的分析,可以说是分析流程...
该研究结合孟德尔随机化、动物模型和转录组学的综合分析,发现HMG-CoA 还原酶(HMGCR)抑制剂(尤其是辛伐他汀)能够降低膀胱癌的发病风险,揭示辛伐他汀抑制膀胱癌的潜在机制。该研究为辛伐他汀在膀胱癌治疗或辅助治疗中的作用提供了新的证据...
作者还进行了基于汇总数据的孟德尔随机化方法(SMR)确定具有可能因果效应的候选风险基因,进一步深挖关联下的功能机制,最后结合了转录组数据进行了差异基因的分析,可以说是分析流程相当丰富,思路开阔,这样的高分思路我们怎么能错过呢?快快上车,我们这就来一探究竟。
今天给同学们分享一篇孟德尔随机化+转录组的生信文章“Exploring the causality and pathogenesis of systemic lupus erythematosus in breast cancer based on Mendelian randomization and transcriptome data analyses”,这篇文章于2023年1月16日发表在Front Immunol期刊上,影响因子为8.786。