文献复现：单细胞转录组中的免疫原性细胞死亡特征与101种机器学习组合 PMID:37275552

复现率达95成。

实例数据视频

代码主要内容介绍

在本研究中，使用ssGSEA算法为每个TCGA-KIRC样本获得一个ICD活性得分，作为后续WGCNA分析的表型数据。

使用在单细胞测序水平上识别的836个与ICD相关的DEGs，在移除异常样本后构建了一个共表达网络）。

选择最佳的软阈值power=7（R2=0.874）以确保一个无尺度的拓扑网络。

通过将最小模块基因计数设置为60和MEDissThres设置为0.25，共获得了四个模块。

发现表明，MEblue模块与整体RNA测序中的ICD得分强烈相关（cor=0.7）。

此外，蓝色模块的GS与MM散点图显示了显著的相关性（cor=0.89，p=3.9e57，这表明蓝色模块内的基因可能与免疫原性细胞死亡有功能上的关联。

火山图展示了在TCGA-KIRC整体RNA-seq中肿瘤和正常肾组织间的差异表达基因。

将蓝色模块中的164个基因与整体RNA-seq的DEGs取交集，最终鉴定出131个基因。

这些基因被命名为免疫原性细胞死亡相关基因（ICDRgenes）。

对ICDRgenes的GO富集分析显示在BP中包括T细胞激活、白细胞介导的免疫以及抗原处理和呈递；在CC中如内吞囊泡和MHC蛋白复合体；以及在MF中如酰胺结合、免疫受体活性和MHC蛋白复合体的显著富集。

随后，对131个ICDR基因进行了单因素Cox回归分析，识别出39个P值小于0.05的显著基因。

为了进一步构建和验证模型，将TCGA基因列表与外部数据集E-MTAB-1980进行交集，并提取了37个共有基因。

单因素Cox回归分析的结果以及这些基因之间的相互关系。

ID:3945

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/759216650049.html