文献学习(自备)

2024-03-29 12:12
文章标签 学习 文献 自备

本文主要是介绍文献学习(自备),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

收官大作,多组学融合的新套路发NC!! - 知乎 (zhihu.com)

Hofbauer cell function in the term placenta associates with adult cardiovascular and depressive outcomes | Nature Communications

病理性胎盘炎症会增加几种成人疾病的风险,但这些介质也在稳态条件下表达,它们对成人健康结局的贡献尚不清楚。在这里,我们定义了一个与炎症相关的表达特征,主要在胎盘术语的Hofbauer细胞中表达,并使用表达数量性状位点来创建预测其表达的多基因评分(PGS)。在英国生物样本库中使用这种PGS,我们进行了一项全表型组关联研究,然后进行孟德尔随机化,并确定胎盘模块对心血管和抑郁结果的保护性、性别依赖性影响。受羊膜腔内感染和早产差异调控的基因在该模块中过度代表。我们还将阿司匹林确定为这种炎症相关特征的假定调节剂。我们的数据支持一个模型,即由于早产或产前感染导致胎盘霍夫鲍尔细胞功能的破坏,导致这些个体患抑郁症和心血管疾病的风险增加。

数据代码:

本手稿中来自英国生物样本库和GUSTO队列的数据取决于各自数据访问委员会的成功申请。WGCNA验证的数据是通过GEO登录号GSE148241获得的28.本研究中使用的GWAS汇总统计数据来自公开可用的存储库。英国生物样本库PHQ-9汇总统计数据是通过Neale实验室网站 http://www.nealelab.is/uk-biobank/ 获得的。抑郁摘要和心血管相关摘要统计数据分别通过 MRC IEU 数据库获得,登录号分别为 ieu-b-102、ieu-a-7 和 ieu-a-798。通过GSE182381、GSE171381或 https://placentacellenrich.gdcb.iastate.edu/ 获得用于细胞类型富集的单细胞RNA-seq数据。PRS 生成中使用的数据集包括通过 Homo sapiens genome assembly GRCh37 - NCBI - NLM 获得的 Hg19 构建和通过 Data | 1000 Genomes 获得的 1000 个基因组数据集。本研究中生成或使用的所有其他数据均在补充材料中提供。

这些分析的代码与方法中提到的所有包的晕影一致。运行pheWAS分析的代码可以在 GitHub - MRCIEU/PHESANT: PHESANT - PHEnome Scan ANalysis Tool (pheWAS, Mendelian randomisation (MR)-pheWAS etc.) in UK Biobank 上找到。运行孟德尔随机化分析的代码可在 Two Sample MR Functions and Interface to MR Base Database • TwoSampleMR 找到。


常见生信分析组合叠buff,发文直冲30+! - 知乎 (zhihu.com)

循环蛋白在炎症和多种疾病中具有重要功能。为了确定对炎症相关蛋白的遗传影响,我们对使用 Olink 靶标平台在 14,824 名参与者中测量的 91 种血浆蛋白进行了全基因组蛋白质定量性状位点 (pQTL) 研究。我们鉴定了 180 个 pQTL(59 个顺式,121 个反式)。将 pQTL 数据与 eQTL 和疾病全基因组关联研究相结合,提供了对发病机制的见解,暗示淋巴毒素α在多发性硬化症中的作用。使用孟德尔随机化 (MR) 评估疾病病因中的因果关系,我们确定了特定蛋白质在免疫介导的疾病中的共同和不同作用,包括 CD40 对类风湿性关节炎风险与多发性硬化症和炎症性肠病的方向不一致影响。MR 与溃疡性结肠炎 (UC) 的病因有关,我们发现 UC 患者的肠道 CXCL5 转录本表达升高。这些结果确定了现有药物的靶点,并为促进未来药物靶点的优先排序提供了强大的资源。

数据代码:

完整的每蛋白质GWAS汇总统计数据可在 https://www.phpc.cam.ac.uk/ceu/proteins 和EBI GWAS目录(登录号GCST90274758 GCST90274848)下载。可用于 INTERVAL 队列的个体水平遗传和蛋白质组学数据存放在欧洲基因组表型组档案中,登录号为。EGAS00001002555。基因表达数据在GEO的登录号下。GSE16879用于 IBD 患者的粘膜表达 (GEO Accession viewer) 和 UNIFI 试验 (GEO Accession viewer) 和 IBD TaMMA (https://ibd-meta-analysis.herokuapp.com) 的 GSE206285。eQTLGen联盟的全血式-eQTL汇总统计数据从 eQTLGen - cis-eQTLs 下载。从eQTL目录(Data access < eQTL Catalogue < EMBL-EBI)下载了精细映射的eQTL可信集。IMD的MR GWAS汇总统计数据是从OpenGWAS(Browse the IEU OpenGWAS project)或GWAS目录(GWAS Catalog)下载的。

GitHub:https://jinghuazhao.github.io/INF;cambridge-ceu:Public repositories(修改后的 METAL、pQTLtools)。

这篇关于文献学习(自备)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/858560

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件