利用ssGSEA估计不同风险组中28个免疫细胞的浸润分数,发现25种免疫细胞的浸润水平差异具有统计学意义(图7A)。Pearson相关性结果表明预后基因和风险评分均与浸润免疫细胞显着相关(图7B)。16个GEP基因(炎症基因)和四个免疫检查点在高风险和低风险组中显着不同(图7C)。通过 SubMap分析,作者发现CTLA-4免疫位点在Roh队...
1行代码完成8种免疫浸润分析 im函数可视化数据算法 免疫浸润一直是生信数据挖掘的重点,免疫浸润的各种算法也是大家学习生信数据挖掘必学的知识点。 医学和生信笔记 2023/08/30 1.2K1 怎么分析和展示RNAseq基因表达数据中基因的相关性 编程算法线性回归 TCGA是癌症基因组分析中相当流行的数据库,针对里面数据的挖掘结果、...
本文利用GEO数据集识别并鉴定与氧化应激相关的DEGs。其次利用生物信息学方法比较AS和对照样品免疫浸润水平的差异,构建PPI网络鉴定出关键的AS诊断标志物,并在其他数据集中进行了验证。利用相关性分析和单细胞分析,表明ALOX5和NCF2是铁死亡的差异表达基因。随后利用PCR、免疫组化(IHC)和免疫印迹(Western Blot)等实验证实...
从GEO数据库中获得骨关节炎滑膜数据。采用单样本基因集富集分析(ssGSEA)和GSEA分别分析免疫浸润和巨噬细胞相关生物学通路的差异。利用蛋白质相互作用(PPI)网络分析和机器学习建立巨噬细胞相关基因诊断标记(MAGDS)。RT-qPCR检测小鼠模型中关键MAGs的表达。构建ceRNA调控网络。
基于凝血signature分析肿瘤微环境! 我们做基础研究是为了什么?当然是要解决临床问题呀!那么利用生信分析解决临床问题,最能体现生信的价值! 文章题目:肝细胞癌中凝血相关基因的免疫浸润及临床意义分析 发表杂志: Briefings in bioinformatics 影响因子:IF=13.994
1 单个疾病WGCNA+PPI分析筛选hub基因。 2 单个疾病结合免疫浸润,铁死亡,自噬等基因集,机器学习算法等。 3 两种相关疾病联合分析,包括非肿瘤结合非肿瘤,非肿瘤结合肿瘤或者非肿瘤结合泛癌分析 4 基于分型的非肿瘤生信分析 目前非肿瘤生信发文的门槛较低,有需要的朋友欢迎联系小编咨询 ...
关于非肿瘤生信,我们也解读过很多,主要有以下类型 1 单个疾病WGCNA+PPI分析筛选hub基因。 2 单个疾病结合免疫浸润,铁死亡,自噬等基因集,机器学习算法等。 3 两种相关疾病联合分析,包括非肿瘤结合非肿瘤,非肿瘤结合肿瘤或者非肿瘤结合泛癌分析 4 基于分型的非肿瘤生信分析 目前非肿瘤生信发文的门槛较低,有需要的朋友...