XiaoMi-AI文件搜索系统
World File Search SystemTPM2
从 TPM2 获得的新见解
材料与方法 AS 数据集 本研究中，我们从基因表达综合 (GEO) 数据库 (http://www.ncbi.nlm.nih.gov/geo/) 中获得了 AS 的转录组表达谱 GSE43292 (GPL6244)、GSE57691 (GPL10558) 和 GSE125771 (GPL17586)（表 S1）。使用 R 包“limma”对 GSE43292、GSE57691 和 GSE125771 进行探针汇总、合并和背景校正。 微环境评分 ESTIMATE 算法主要基于单个样本的基因集富集分析 (GSEA)，利用表达谱数据对基质细胞和免疫细胞进行评分，然后预测这两类细胞的含量。本研究采用ESTIMATE算法对动脉微环境进行评分，并使用R包绘制微环境评分的散点图，以展示样本与评分之间的关系。TPM2与微环境评分的关系以基质、免疫和ESTIMATE评分作为对差异基因筛选确定的基因进行分组的依据。使用R包“limma”研究TPM2与微环境评分之间的关系。使用受试者工作特征（ROC）曲线检验微环境评分与TPM2关系的诊断价值。加权基因共表达网络分析（WGCNA）使用R包“WGCNA”对所有基因进行WGCNA。对于WGCNA，使用72个AS样本和42个正常样本构建所有基因的共表达网络。使用样本创建邻接矩阵，然后将其转换为拓扑重叠矩阵（TOM）。利用基于TOM的差异测量方法将基因划分为不同的基因模块，最小基因模块>100，相似模块合并的阈值为0.1，利用这些值寻找在AS中发挥重要作用的模块。同时，还利用WGCNA预测模块中基因之间的互连，然后将数据导入Cytoscape软件以绘制基因之间的连接图。还利用基因本体论（GO）分析对TPM2进行了分析，并使用Cytoscape中的BiNGO插件将结果可视化。Cytoscape软件可以为生物学家提供生物网络分析和二维（2D）可视化。BiNGO插件是一种用于确定哪些GO类别在一组基因或生物网络的子图中具有统计过度表达的工具。BiNGO将给定基因集的主要功能主题映射到GO层次结构上，并将此映射输出为Cytoscape图。功能富集分析GSEA是一种可以对全基因组进行GO和KEGG（京都基因和基因组百科全书）分析的计算方法。在我们的研究中，我们根据TPM2的表达水平对样本进行分组，并使用GSEA对全基因组进行GO和KEGG分析。单基因分析 使用 R 包“limma”进行单基因差异分析。 鉴定与 AS 相关的 TPM2 比较毒理基因组学数据库 (CTD 数据库，http://ctdbase.org/) 可用于预测基因/蛋白质与疾病之间的关系。在我们的研究中，使用该数据库分析了 TPM2 与 AS 之间的关系。
8688医疗多重
Congenital myopathy / Congenital muscular dystrophy (COL6A1, COL6A2, COL6A3, COL12A1, FKRP, FKTN, LAMA2, LARGE1, POMGNT1, POMGNT2 (GTDC2), POMT1, POMT2, COL4A1, COL4A2, DAG1, DPM1, DPM2, DPM3, dolk, ISPD, GMPPB, b3galnt2, chkb, plec, sil1, b4gat1 (b3gnt1), pomk (sgk196), itga7, Them5, Micu1, act1, cfl2, dnm2, tbd1, mbt1, mbt1, mbt1, myh8，neb，ryr1，sepn1，tnni2，tnnt1，tnnt3，tpm2，tpm3，stim1，ecel1，cdc78，kbtbd10（kbtbd10），klhl40（kbtbd5）（kbtbd5），mybdbd），mybdbd），mybd） ），mybd），mybd），mybd） Lamp2, VMA21, STAC3, lmod3, MEGF10, epg5, ttn, adamts15, cacna1s, CNTN1, Doc7, Golga2, Hacd1 (PLPLA), inpp5k, klhl9, msto1, Mtm18, mybpp, mybpp, mybpp, mybpp, mybpp srpk3，them38a，trappc11）