纯生信文章：多种机器学习与单细胞测序的梦

今天给大家分享一篇 2023 年 6 月发表在《Diabetes, Metabolic Syndrome and Obesity》（3区，IF= 2.8）的文章，通过集成单细胞 RNA-Seq 和大量 RNA-Seq 结合多种机器学习方法，探讨了糖尿病肾病（DN）中的新型免疫特征。
研究的背景： 糖尿病肾病（DN）是终末期肾病（ESRD）的主要原因，其特征是早期的肾小球肥大、肾小球基底膜增厚等，尽管已有严格的血糖和血压控制等标准治疗，但其在延缓 DN 加重方面的有效性仍然令人失望。越来越多的证据表明免疫系统在 DN 的发展和进展中起着重要作用。
研究的目的： 搜索 DN 的潜在免疫相关治疗靶点和分子机制。
研究方法：
1.从基因表达综合数据库（GEO）获取基因表达数据集。
2.从免疫学数据库和分析门户（ImmPort）获取 1793 个免疫相关基因。
3.对 GSE142025 执行加权基因共表达网络分析（WGCNA），找出关键的共表达模块。
4.使用四种机器学习算法（随机森林、支持向量机、自适应增强和 K 最近邻）评估中心基因的诊断价值。
5.利用 CIBERSORT 算法分析免疫浸润模式，并研究免疫细胞类型丰度与中心基因表达之间的相关性。