关于生信未来趋势，Deepseek首推“多组学和机器学习”，华科大王小川团队瞄准这两点，再联合孟德尔随机化，50天发文8.5分- 大数跨境

首页

关于生信未来趋势，Deepseek首推“多组学和机器学习”，华科大王小川团队瞄准这两点，再联合孟德尔随机化，50天发文8.5分

生信日报

2025-04-03

关于生信未来的发展趋势，小记者推测过有干湿结合、多组学大数据整合、机器学习的进一步应用，咱们再来问一问deepseek，看会不会不谋而合~

看来，Deepseek首推多组学整合分析和机器学习，这跟小记者从大量文献中推测出的规律一致，大家以后发文可以朝这个方向靠拢，跟着大趋势走，发文更省力！

小记者下面就用一个文章示例，展示下具体思路实操，这篇文章来自华中科技大学王小川团队，研究促进阿尔茨海默病治疗的可药用基因。首先，在数据上应用了多个队列的多组学数据；在思路设计上，可用药基因分析这个选题是MR分析的常见选题，但针对常见疾病AD，只做MR分析发高分比较难了，这篇文章做的机器学习模型构建和基因筛选+药靶MR分析的升级思路，多维度研究药用基因，创新性很高，50天就发了8.5分纯生信文章，大牛团队已经引领了潮流，朋友们速速跟上！

瞄准多组学、机器学习这两点，发文又快又好！如果你也想设计这种能发高分的联合思路，欢迎找小记者团队！生信分析操作搞不定，需要生信服务器，也可以找小记者来解决，背靠专业团队，思路评估、设计，生信分析都能做，竭力为您精准提供个性化服务

定制生信分析

生信云服务器

(加微信备注99领取试用)

题目：促进阿尔茨海默病治疗的可药物基因的多组学分析:一项多队列机器学习研究

杂志：The Journal of Prevention of Alzheimers Disease（IF=8.5）

发表日期：2025年3月

研究背景

阿尔茨海默病(AD)患病率的快速上升及其显著的社会和经济影响产生了对有效干预和治疗的迫切需求。然而，目前还没有可以改变疾病进程的治疗方法。

研究思路

该研究首先基于可用药基因进行AD亚型聚类，并鉴定两种亚型之间的DEGs。然后，通过 WGCNA确定两个亚型之间的关键模块基因，并利用共享的簇DEGs、关键模块基因和可用药基因，获得了21个中枢基因。通过10种机器学习方法筛选hub基因并建立DG.score。最后，进行了一项双样本孟德尔随机化(MR)分析，纳入了已鉴定的可用药基因，以评估可用药基因表达和AD风险之间的因果关系。（ps：这里多组学分析涉及到的数据处理量比较大，建议大家直接上生信服务器，可大大节省时间！有需要直接找小记者，提供共享/独享服务器，附带一对一技术指导，等你来询~）

图1：研究流程图

主要结果

1. 基于可用药基因确定了2个AD亚型，获得935个亚型间DEGs。与聚类B中的患者相比，聚类A中的患者γ分泌酶活性、β分泌酶活性和淀粉样蛋白-β的水平显著升高，呈现炎症免疫微环境

图2：AD分子亚型的鉴定

图3：AD亚型的临床特征

图4：两种分子亚型之间的免疫细胞浸润

2. 利用WGCNA鉴定出与AD最显著的正相关的模块和401个模块基因，与亚型间DEGs和可用药基因取交集，得到21个基因

图5：识别与分子亚型相关的关键模块基因

3.采用了10种机器学习算法的113种组合识别hub基因，发现包含21个hub基因的岭模型为最佳模型，并建立DG.score，该评分在多个数据集中被证明对AD具有显著的预测能力

图6：通过机器学习识别hub基因

4. MR分析显示LIMK2、MAPK8和NDUFV2可能导致脑组织和血液样本中AD的风险增加，并且LIMK2水平与海马体总体积、CSF Aβ浓度和CSF p-tau浓度之间存在潜在的相关性

图7：MR分析

小结

可用药基因分析通常会做MR分析，但针对AD疾病，只做MR分析并不出彩，发高分比较难了，这个文章就用多组学数据做成机器学习+MR分析的联合思路，创新性加倍，内容也很丰富，质量和分数自然就高了！多组学和机器学习还是未来发展趋势，早上车发文机会更多，这个纯生信思路的复现价值较高，文中涉及到的分析难度不高，快去复现吧！有任何问题搞不定的话可及时找小记者帮忙解决！无论是想个性化设计这类思路还是定制分析，欢迎随时联系小记者！专业团队为你保驾护航，助你科研之路走的又快又好~