MétaCan
Menu
Retour à la cohorte
Enregistrement W3043455207 · doi:10.1186/s12920-020-00754-5

Identification of potential crucial genes in atrial fibrillation: a bioinformatic analysis

2020· article· en· W3043455207 sur OpenAlexaff
Junxian Zhang, Xin Huang, Xiaojie Wang, Yanhui Gao, Li Liu, Ziyi Li, Xuejiao Chen, Jie Zeng, Zebing Ye, Guowei Li

Notice bibliographique

RevueBMC Medical Genomics · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesGuangdong Medical Research Foundation
Mots-clésKEGGBiologyGeneGeneticsComputational biologyPopulationBioinformaticsGene expressionTranscriptomeMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Atrial fibrillation (AF) is at least partially heritable, affecting 2-3% of the population in Europe and the USA. However, a substantial proportion of heritability is still lacking. In the present study, we aim to identify potential crucial genes associated with AF through bioinformatic analyses of public datasets. METHODS: Microarray data sets of GSE115574, GSE31821, GSE79768, GSE41177 and GSE14975 from the Gene Expression Omnibus (GEO) database were retrieved. After merging all microarray data and adjusting batch effect, differentially expressed genes (DEGs) were identified. Functional enrichment analyses based on Gene Ontology (GO) resource, Kyoto Encyclopedia of Genes and Genomes (KEGG) resource, Gene Set Enrichment Analysis (GSEA), Reactome Pathway Database and Disease Ontology (DO) were carried out. Protein-protein interaction (PPI) network was constructed using the STRING database. Combined with aforementioned significant bioinformatics information, potential crucial genes were subsequently selected. The comparative toxicogenomics database (CTD) was used to explore the interaction between potential crucial genes and AF. RESULT: We identified 27 of DEGs with gene expression fold change (FC) ≥ 1.5 or ≤ 2/3 (|log2 FC| ≥ 0.58) and 5 with FC ≥ 2 or ≤ 0.5 (|log2 FC| ≥ 1) of AF patients compared with sinus rhythm controls. The most significantly enriched pathway was regulation of insulin-like growth factor transport and uptake by insulin-like growth factor binding proteins. IGFBP2, C1orf105, FHL2, CHGB, ATP1B4, IGFBP3, SLC26A9, CXCR4 and HTR2B were considered the potential crucial genes. CTD showed CXCR4, IGFBP2, IGFBP3 and FHL2 had higher scores with AF. CONCLUSIONS: The 9 potential crucial genes, especially CXCR4, IGFBP2, IGFBP3 and FHL2, may be associated with risk of AF. Our study provided new insights of AF into genetics, molecular pathogenesis and new therapeutic targets.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,051
Tête enseignante GPT0,316
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical GenomicsMême sujetAtrial Fibrillation Management and OutcomesTravaux en français237 207