非综合征型唇腭裂（NSOC）是我国常见的出生缺陷。近年来，随着我国生育政策相继调整两次，与高龄生育伴发的出生缺陷防控形势日益严峻。开展NSOC风险预测将为健全出生缺陷防控链条提供重要证据。近年来，全基因组关联研究和二代测序等发现了多个与NSOC有关的遗传位点，为开展预测提供了有益信息。本文综述了NSOC风险预测，特别是利用遗传信息开展风险预测的常用方法，以期在研究设计、变量筛选、构建策略及评价方法等方面，为进一步开发和完善NSOC等复杂出生缺陷的风险预测模型提供参考。

不同抑郁症患者的最优治疗方案一般需通过长期、低效率的试错过程来逐步确定。为实现抑郁症的精准治疗，有必要通过特异性生物标志物来选择有效的治疗方法。深度学习是机器学习的一个分支，该技术能处理大量高维、复杂的数据，适用于自动提取和学习临床、基因组学和神经影像数据的特征。近年来，研究人员正在使用深度学习技术开发抑郁症治疗反应的预测模型，有利于指导临床医生为患者选择最佳治疗方案以及在全球范围内推进更为高效的个体化精准医疗方案。本文从人口学、临床症状数据、基因组学数据和功能磁共振成像数据三个方面，对深度学习预测抑郁症疗效方面的相关研究进行综述，并对未来的深度学习研究方向尤其是多组学数据结合深度学习的应用进行展望。

探讨外周血单个核细胞中的炎症相关基因在支气管肺发育不良（BPD）中的诊断价值。采用生物信息学分析手段，纳入GSE32472、GSE125873和GSE220135三个数据集，共包括251例新生儿的全基因组表达谱数据。其中GSE32472数据集作为训练数据集，检测非BPD与BPD新生儿的外周血单个核细胞之间的差异表达基因，并使用基因富集分析（GSEA）检测BPD新生儿中上调基因的通路富集情况，使用主调控因子分析（MRA）算法筛选炎症相关通路中（GO：0006954）的主调控基因。得到主调控基因后，检测主调控基因在GSE32472、GSE125873和GSE220135数据集中的表达，并通过logistic回归模型分析，据此对新生儿进行风险赋分。对比非BPD与BPD新生儿的危险分数，最后使用曲线下面积（AUC）评估模型的分类性能。结果显示，相较于非BPD新生儿，BPD新生儿外周血单个核细胞中出现486个上调基因和433个下调基因，上调基因中炎症相关通路高度富集，最终确定磷脂酰肌醇酶Cβ1（PLCB1）、网状蛋白1（NID1）、血清反应因子结合蛋白1（SRFBP1）、中心体蛋白72（CEP72）、切除修复交叉互补组6样（ERCC6L）与肽基脯氨酰异构酶1（PPIL1）共6个基因为主调控基因。预测模型预测危险分数公式为 PLCB1×0.26+NID1×0.97+SRFBP1×1.58+CEP72×（-0.36）+ERCC6L×2.14+PPIL1×0.67，在GSE32472数据集、GSE125873数据集和GSE220135数据集中的AUC分别为0.88、0.86与0.89，能够区分非BPD与BPD新生儿。综上，基于炎症相关通路基因的预测模型，对于BPD具有一定的诊断价值。

目的:全面分析肝癌的RNA结合蛋白和转录因子基因表达及免疫浸润对肝癌预后的预测价值。方法:在癌症基因组图谱(TCGA)( n＝365)、基因表达综合数据库GSE54236( n＝78)和GSE14520( n＝221)中筛选RNA结合蛋白和转录因子的共同基因集，单因素Cox回归分析进行初筛，通过LASSO-Cox构建生存回归模型，通过标准化得到整合RNA结合蛋白和转录因子的复合指数CIRT，根据其中位数将肝癌患者分为CIRT high组( n＝182)和CIRT low组( n＝182)，并分析两组免疫浸润等差异。 结果:共筛选出37个预后相关的RNA结合蛋白和转录因子基因，通过LASSO-Cox构建基于其中7个最相关基因的预后预测模型。CIRT high组患者的M1型巨噬细胞( P＝0.032)、M2型巨噬细胞( P＝0.009)、静息肥大细胞( P<0.001)、活化自然杀伤细胞( P＝0.007)和静息记忆CD4 ＋ T细胞水平较低( P<0.001)，而CIRTlow组的静息树突状细胞( P＝0.048)、M0型巨噬细胞( P<0.001)、中性粒细胞( P＝0.049)、滤泡辅助性T细胞( P＝0.004)和调节性T细胞( P＝0.001)水平较低，差异具有统计学意义。基因富集分析显示，CIRT high组的TCGA和GSE14520在细胞周期、DNA修复过程中高度富集。在TCGA队列中，CIRT low组的患者比CIRThigh组的患者总生存更优。对TCGA队列中5年随访数据进行分析，CIRT对于肝癌患者长期生存预后具有良好的预测价值(受试者工作特征曲线下面积0.71)。 结论:在肝癌中建立了基于RNA结合蛋白和转录因子表达谱以及免疫细胞浸润的新的预后指标，CIRT可以作为一个独立的预后预测指标。

目的:探索肾移植术后糖尿病（PTDM）的临床危险因素及易感基因，构建PTDM发病风险预测模型。方法:回顾性分析2001年1月至2022年12月期间在宁波大学附属李惠利医院和浙江大学医学院附属邵逸夫医院随访的肾移植受者资料，根据术后是否发生PTDM将其分为PTDM组和非PTDM组（Non-PTDM组），比较两组临床指标差异，筛选PTDM的危险因素，并通过全基因组关联分析（GWAS）筛选PTDM易感基因。分别建立仅基于临床指标（模型1）和临床指标结合易感基因（模型2）的PTDM发病风险预测模型，比较两种预测模型的预测效能。最后绘制较优模型的列线图，评价模型的校准度、区分度及临床实用性。结果:纳入113例肾移植受者，男70例，女43例，年龄（46.2±10.8）岁。PTDM组51例，Non-PTDM组62例。通过GWAS和多因素logistic回归分析筛选出的相关因素包括糖尿病家族史（ OR=88.912，95% CI：5.827~1 356.601， P=0.001）、术前甘油三酯（ OR=1.888，95% CI：1.150~3.098， P=0.012）、血尿酸（ OR=1.011，95% CI：1.000~1.022， P=0.045）3个临床指标及rs802707基因位点（ OR=10.046，95% CI：1.462~69.042， P=0.019）。模型1预测PTDM发生的受试者工作特征（ROC）曲线下面积（AUC）为0.891（95% CI：0.811~0.972），灵敏度为0.889，特异度为0.742；模型2 预测PTDM发生的AUC为0.930（95% CI：0.864~0.995），灵敏度为0.885，特异度为0.900。 结论:糖尿病家族史、移植前甘油三酯、血尿酸这3个临床指标及rs802707基因位点与PTDM的发生有关联，联合易感基因能提高临床指标对PTDM发病风险的预测能力。

目的:通过生物信息技术筛选与椎间盘退变相关的细胞焦亡基因，确定其生物学功能和信号通路。方法:首先，从基因表达谱(GEO)数据库中下载GSE147383数据集，将细胞焦亡基因与该数据集差异表达基因作交集分析，筛选细胞焦亡差异表达基因。再者，对获得的细胞焦亡差异表达基因进行基因本体论(GO)及京都基因与基因组百科全书(KEGG)分析。同时，绘制蛋白质-蛋白质相互作用网络，筛选获得椎间盘退变细胞焦亡关键基因。其次，通过受试者工作特征(ROC)曲线来评估关键基因的诊断价值并绘制关键基因线性预测模型。最后，采用实时荧光定量聚合酶联反应(qRT-PCR)检测椎间盘退变髓核组织中的细胞焦亡相关基因表达水平。组间比较采用 t检验。 结果:本研究共筛选获得8个椎间盘退变相关细胞焦亡基因，即SR相关和CTD相关因子11(SCAF11)、富含亮氨酸重复结构域蛋白6(NLRP6)、肿瘤蛋白p53(TP53)、半胱氨酸天冬氨酸蛋白酶4(CASP4)、谷胱甘肽过氧化物酶4(GPX4)、中性粒细胞弹性蛋白酶(ELANE)、常染色体隐形遗传性耳聋59蛋白(DFNB59)和常染色体显性遗传耳聋5蛋白(DFNA5)；GO分析表明其主要参与细胞焦亡、炎症反应、细胞对肽的反应以及细胞对肿瘤坏死因子的反应等过程；KEGG富集分析表明椎间盘退变相关细胞焦亡基因主要参与NOD样受体信号通路、中性粒细胞外陷阱、谷胱甘肽代谢、p53信号通路和鞘磷脂信号通路等；构建蛋白质-蛋白质相互作用网络，进一步分析获得2个细胞焦亡关键基因，即CASP4和DFNA5。另外，ROC曲线验证CASP4在椎间盘退变中具有较好的诊断价值[GSE34095中曲线下面积(AUC)＝1.000；GSE124272中AUC＝0.812]，nomogram模型提示CASP4表达越高疾病发生风险越高；qRT-PCR结果表明CASP4在退变组中表达高于正常组( t＝5.048， P<0.01)。 结论:细胞焦亡参与椎间盘退变过程，细胞焦亡基因CASP4可能作为椎间盘退变相关的生物标志物。

目的:筛选乳腺癌铁死亡相关基因，建立乳腺癌铁死亡相关基因的预后风险预测模型。方法:通过"DESeq2"软件包进行差异分析，单因素Cox回归、Lasso分析、多因素Cox回归分析以及森林图确定独立风险因子，并建立基于铁死亡相关基因的乳腺癌预后预测模型，并对模型效能进行评价。最后通过基因富集分析(GSEA)展示高低风险组信号通路富集结果差异。结果:以log2|Fold Change|>1， P<0.05为差异分析标准，筛选得到乳腺癌组织中差异表达的铁死亡基因89个。通过Cox回归以及森林图，成功构建乳腺癌铁死亡基因预后风险评分模型。模型5年总体生存率ROC曲线下面积(AUC)在肿瘤基因组图谱(TCGA)中为0.753。GSEA结果显示，以标准化富集分数(NES)>1，NOM P<0.05，FDR q<0.25为筛选标准，高风险组富集到了19个京都基因与基因组百科全书(KEGG)信号通路。 结论:本研究构建的乳腺癌预后评估模型对乳腺癌患者的预后具有一定预测能力。

目的:构建自噬基因表达特征的肝细胞癌(hepatocellular carcinoma, HCC)患者预后的预测模型。方法:从癌症基因组图谱(The Cancer Genome Atlas, TCGA)、基因型-组织表达研究项目(The Genotype-Tissue Expression, GTEx)数据库中分别得到所有HCC和正常肝细胞组织的基因转录表达数据，并将每个样本的基因转录表达数据统一转化为log 2(FPKM值＋1)，消除数据库之间测试平台的数据差异。根据人类自噬基因库中获取的人类自噬基因列表筛选出TCGA-GTEx整合后序列中每个样本对应的自噬基因的表达量。采用R语言limma包以错误发现率( FDR)<0.05及差异倍数|logFC|>1为筛选标准，进行自噬基因差异表达分析。采用R语言clusterProfiler包对差异表达自噬基因以 P<0.05为筛选标准，进行基因本体论(Gene Ontology，GO)富集分析及京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)富集分析。根据自噬基因的差异表达量和患者的临床信息，采用R语言survival包进行单因素的Cox回归分析。进一步将单因素的Cox回归分析中有统计学意义( P<0.05)的自噬基因纳入到多因素Cox回归分析中，以每个差异表达的自噬基因表达量和相对应的回归系数 coef值为基础，构建HCC的自噬基因预后模型：expmRNA1×βmRNA1＋expmRNA2×βmRNA2＋…＋expmRNAn×βmRNAn(exp：基因表达量；β：多因素Cox回归分析的回归系数 coef)。绘制预测模型的受试者工作特征(receiver operating characteristic，ROC)曲线并计算ROC曲线下面积(area under curve，AUC)评估模型预测价值。 结果:从TCGA-GTEx数据库中共得到HCC样本374例和正常肝组织样本160例的基因转录表达数据及临床信息。从整合后的样本序列中共筛选出205个自噬基因的表达数据，其中SPNS1、DIRAS3、TMEM74、NRG2、NRG1、IRGM、IKBKE、NKX2-3、BIRC5、CDKN2A、TP73为符合筛选标准的差异表达自噬基因。差异表达自噬基因GO主要富集在丝氨酸/苏氨酸蛋白激酶活性的调控、ErbB 2信号通路、蛋白激酶调节活性、激酶调节活性等功能。差异表达自噬基因主要富集在EGFR酪氨酸激酶抑制剂耐药、Hippo信号通路等KEGG通路。整合并删除生存信息缺失的样本后，共418例样本表达纳入到Cox回归分析中。通过单因素、多因素Cox风险回归分析后，筛选出NRG1( HR＝1.5565，95% CI：1.1793～2.0543)、IKBKE( HR＝1.7502, 95% CI：1.2093～2.5330)这两个自噬基因并建立预后预测模型：(0.44247×NRG1的表达量)＋(0.55977×IKBKE的表达量)。预测模型的ROC曲线显示7年总体生存的AUC为0.711。 结论:基于NRG1和IKBKE表达量构建的HCC预后模型，对HCC患者远期生存率有较高的预测价值。

肥胖症在我国的发病率逐年递增，饮食和生活方式干预作为最常用的减重措施，其干预效果受到个体遗传、环境等多方面因素的影响。目前全基因组关联分析已经发现了众多减重相关的单核苷酸多态性位点，并对这些位点与饮食、菌群及其他环境因素间的相互作用进行了探索。本文阐述了与减重饮食干预相关的单核苷酸多态性位点研究及基因-环境相互作用分析，并进一步归纳了遗传风险评分、机器学习建模等多位点分析预测模型在减重领域的应用，以期为精准营养理念在医学减重上的进一步应用和发展提供借鉴。

目的:构建膀胱癌铜死亡相关长链非编码RNA（lncRNA）预后风险模型并检验其预测效能。方法:从癌症基因组图谱（TCGA）数据库中下载膀胱癌的RNA表达测序数据和对应样本的临床数据。从已发表的文献中获得17个铜死亡相关关键基因，基于TCGA数据库lncRNA数据，通过相关性分析筛选出与铜死亡关键基因相关的lncRNA，再应用Cox回归和Lasso回归筛选与TCGA数据库膀胱癌患者预后相关的铜死亡lncRNA。将从TCGA数据库筛选的临床信息完整的403例膀胱癌患者分为训练集（203例）和测试集（200例），并依据训练集样本和上述筛选的关键独立预后相关铜死亡lncRNA，构建预后风险预测模型。按照风险评分的中位值，分别将TCGA数据库筛选的膀胱癌全部数据集、测试集和训练集患者分为高风险组和低风险组，应用R语言survival包比较各数据集两组总生存差异。采用主成分分析、受试者工作特征（ROC）曲线验证模型预测效能。采用单因素和多因素Cox回归分析403例膀胱癌患者总生存影响因素，采用ROC曲线分析各因素预测膀胱癌预后的效能。结果:经过筛选，共纳入4个具有独立预后意义的铜死亡相关lncRNA，分别为AC104564.3、LINC00649、AL136084.3、AL136295.2，以此构建的预后模型为：风险评分＝-0.713 42×AC104564.3-0.744 94×LINC00649+0.410 93×AL136084.3- 0.736 89× AL136295.2。生存分析显示，全部数据集、测试集和训练集中高风险组的总生存均较低风险组差（均 P<0.05），提示高风险评分预示着较差的预后。ROC曲线分析显示，应用预后风险预测模型评分预测TCGA数据库全部403例患者1、3、5年总生存的曲线下面积分别0.665、0.629、0.692。多因素Cox回归分析显示，年龄（≥65岁比<65岁： OR＝1.027，95% CI 1.011~1.044， P<0.001）、分期（Ⅳ期比Ⅲ期比Ⅱ期比Ⅰ期比未知分期： OR＝1.593，95% CI 1.308~1.939， P<0.001）、风险评分（高比低： OR＝1.258，95% CI 1.126~1.406， P<0.001）为患者总生存的独立影响因素。ROC曲线分析显示，年龄、分期、风险评分预测患者5年总生存的曲线下面积分别为0.614、0.685、0.692，提示风险预测模型具有更好的预测效能。 结论:成功建立了基于4个铜死亡相关lncRNA的膀胱癌患者预后风险预测模型，内部验证该模型有较高的预后预测效能。