| 查看: 206 | 回复: 5 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
[交流]
孟德尔随机化如何与病理组学结合，预后生物标志物研究43天发文
|
|||
|
期刊：International Journal of Genomics（IF=2.0，Q3） 平均审稿周期：1.4-3.5个月，中位数为2.2月；本文从投稿至接收共计43天。 平均录用比例：约73.5%。 标题：整合孟德尔随机化与病理组学分析：错配修复基因作为胃腺癌预后生物标志物的研究 胃腺癌约占全部胃癌病例的90%以上，但其早期诊断率仅约20%，5年生存率不足30%，且患者间预后差异显著。错配修复（MMR）基因家族（如MLH1、MSH2、PMS2）主要负责修复DNA复制错误、维持基因组稳定性，其功能异常已被认为与胃腺癌发生发展密切相关。 然而，既往研究多停留于“相关性”层面，尚难以明确MMR基因与胃癌究竟谁是因、谁是果？分子层面的信息又如何转化为临床可用的工具？    |
回复此楼» 猜你喜欢
OpenAI又攻克数学难题了，离AI做有机合成还有多远？
已经有12人回复
-
极限拉扯，如何抉择
已经有13人回复
-
课题组会帮你通过考核么？
已经有7人回复
-
入职后第一次管课题组的专利缴费，对账才发现官费比别人多掏了一倍
已经有6人回复
-
售一区SCI文章T0P，我:8O.551.O54,科目全,可十急
已经有9人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有8人回复
-
售SCI一区文章，我:8O5.5.1.O5.4,科目全,可伽急
已经有10人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有9人回复
-
售SCI一区文章，我:8.O.55.1.O.54,科目齐全,可伽急
已经有7人回复
-
售SCI文章，我:8O5.5.1.O.54,科目齐全,可+急
已经有10人回复
» 本主题相关商家推荐: (我也要在这里推广)
|
研究简评与生信启示，本研究对计划开展遗传学与病理影像整合分析的科研人员具有明确的参考价值： 1. 因果推断先行：研究未局限于“表达-预后”的传统相关性分析，首先通过MR从遗传层面明确因果方向，从研究起点减少反向因果和混杂偏倚的干扰，提升了结论可靠性。 2. 病理组学的巧妙应用：研究将临床常规HE切片中提取的量化特征转化为分子层面的MSH2表达信息，构建的模型可解释、可验证，具备临床落地潜力。 3. 分析逻辑闭环：研究形成了“因果关联锁定→预后价值验证→预测模型构建→生物学机制探索”的完整的分析链条，逻辑严密。 整体来看，本研究基于公开数据开展，分析路径清晰、可复现性强，为有意向开展“遗传学+病理AI”整合分析的科研人员提供了实用的方法学参考框架。 更多科研成果分享及生信期刊推荐请关注【Med科研指南】，查看关于该文献的详细信息：https://mp.weixin.qq.com/s/QBpObyTOIhi1qz_5S8FIag 文献：Zhang Y,Jin Y,Zhao W, et al. Integrative Mendelian Randomization and Pathomics Analysis Using Expression Quantitative Trait Loci and Genome-Wide Association Study Data Identifies Mismatch Repair Genes as Prognostic Biomarkers in Gastric Adenocarcinoma. Int J Genomics. 2026;2026:2686529. doi:10.1155/ijog/2686529 |
6楼2026-10-08 11:07:56
2楼2026-10-08 10:46:06
3楼2026-10-08 10:47:57
|
主要结果1：因果推断——MMR基因与胃癌的因果关联 研究者从公开GWAS数据库获取MMR基因eQTL数据与胃癌GWAS汇总数据，采用MR分析评估7个MMR基因与胃癌的因果关系。结果如图所示，MLH1和PMS2是胃癌的风险因素；MSH2是保护因素。这一步先回答了“是不是因果”，为后续研究奠定遗传学基础。 主要结果2：生存分析——MSH2的预后价值 基于MR筛选出的3个阳性关联基因，研究者利用TCGA胃癌患者数据做KM生存分析和Cox回归分析。结果如图a-c所示：MSH2高表达患者预后更好，MLH1高表达预后更差，而PMS2则未显示统计学差异。在校正临床因素后，MSH2仍是独立保护因素；亚组分析也显示，其保护趋势在各临床分组中方向一致。（图d）。 主要结果3：AI模型——基于HE切片的MSH2预测模型 鉴于MSH2的重要临床意义，如何便捷地在临床中评估其表达水平成为关键。研究者使用TCGA中胃癌患者的HE病理图像，基于随机森林算法建立预测模型。算法从图像中筛选出9个最优特征（图a-b），在训练集和验证集AUC分别为0.811和0.786（图c-d）；校准曲线显示模型预测概率与实际概率一致性良好（图e-f），高MSH2组的模型PS显著更高（图i-j），模型判别性能稳定。    |
4楼2026-10-08 10:52:46
