目的 探讨免疫细胞与心力衰竭（heart failure,HF）之间的因果关系及血清代谢物的介导作用，以确定潜在的生物标志物和治疗靶点。方法 采用两样本孟德尔随机化（Mendelian randomization,MR）分析方法，基于全基因组关联分析（genome wide association study,GWAS）数据，分析731种免疫细胞、1 400种代谢物与HF的直接和中介作用。选择有效工具变量，并使用R软件进行统计分析，主要采用逆方差加权法进行分析，并以MR-Egger分析和加权中位数法作为补充，最后通过Cochran’s Q等检验方法评估结果的稳定性。结果 PD-L1on CD14-CD16+与HF间存在负向因果关系，敏感性分析支持这一结果，反向MR分析未发现HF对PD-L1 on CD14-CD16+的影响，表明PD-L1 on CD14-CD16+可能在降低HF风险过程中发挥单向作用。进一步的中介MR分析显示，PD-L1 on CD14-CD16+可能通过调控鞘磷脂（sphingomyelin,d17:1/14:0,d16:1/15:0）水平，影响HF的发病风险，中介效应比为6.7%。结论 PD-L1 on CD14-CD16+可能通过提高鞘磷脂（d17:1/14:0,d16:1/15:0）水平，从而降低HF风险，为理解HF的发病机制提供了新的视角。
动态蛋白质网络的构建和复合物挖掘问题是目前研究的热点.针对现有的算法在解决前述问题上的不足,文中考虑了蛋白质的活性周期和连接强度,首先提出了一种基于动态图的蛋白质网络构建算法.然后基于密度聚类设计了一种在动态蛋白质网络上挖掘复合物的算法(PCMA).整个挖掘过程包含三个步骤:基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法的蛋白质复合物生成;基于合并增益的蛋白质复合物合并和基于归属度的复合物调整.在多个公开的生物数据集上进行了实验,实验结果表明,所提算法在查全率、查准率和F-measure方面的性能都要优于现有的算法,且对输入参数不敏感.在保证蛋白质复合物挖掘准确性的前提下,算法的时间复杂度处于一个合理的范围之内.
暂无评论