XJ
Xue Jiang
Author with expertise in Genomic Landscape of Cancer and Mutational Signatures
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
5
(60% Open Access)
Cited by:
10
h-index:
18
/
i10-index:
23
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
2

De novo mutations identified by whole-genome sequencing implicate chromatin modifications in obsessive-compulsive disorder

Guan Lin et al.Jan 14, 2022
+17
W
W
G
Trio-based whole-genome sequencing identified the role of chromatin modification in OCD pathology.
2
Citation7
0
Save
1

K-means Based Unsupervised Feature Selection to Prioritize Biomarkers of Different Disease Clinical Phases

Xue Jiang et al.Apr 23, 2020
+2
J
W
X
Abstract Huntington’s disease is caused by a single gene mutation, which is potentially a good model for development of biomarkers corresponding to different disease phase and clinical phenotypes. Hypothesis-driven and omics discovery approaches have not yet identified effective candidate biomarkers in HD. So, it is urgent to develop engagement and disease-phase specific biomarkers. The advanced sequencing technology makes it possible to develop data-driven methods for biomarkers discovery. Therefore, in this study, we designed k-means based unsupervised feature selection (KFS) method to prioritize biomarkers of different disease clinical phases. KFS first conducts k-means clustering on the samples with gene expression data, then it conducts feature selection based on the feature selection matrix to prioritize biomarkers of different samples. By conducting alternative iteration of clustering and feature selection to screen key genes which corresponding to the complex clinical phenotypes of different disease phases. Further gene ontology and enrichment analysis highlight potential molecular mechanisms of HD. Our experimental analyses have uncovered new disease-related genes and disease-associated pathways, which in turn have provided insight into the molecular mechanisms during the disease progression.
1
Citation2
0
Save
3

A Self-attention Graph Convolutional Network for Precision Multi-tumor Early Diagnostics with DNA Methylation Data

Xue Jiang et al.May 29, 2023
+10
A
Z
X
3
Citation1
0
Save
1

A Self-attention Graph Convolutional Network for Precision Multi-tumour Early Diagnostics with DNA Methylation Data

Xue Jiang et al.Feb 14, 2022
+10
M
G
X
Abstract DNA methylation data-based precision tumor early diagnostics is emerging as state of the art technology, which could capture the signals of cancer occurrence 3∼5 years in advance and clinically more homogenous groups. At present, the sensitivity of early detection for many tumors is about 30%, which needs to be significantly improved. Nevertheless, based on the genome wide DNA methylation information, one could comprehensively characterize the entire molecular genetic landscape of the tumors and subtle differences among various tumors. With the accumulation of DNA methylation data, we need to develop high-performance methods that can model and consider more unbiased information. According to the above analysis, we have designed a self-attention graph convolutional network to automatically learn key methylation sites in a data-driven way for precision multi-tumor early diagnostics. Based on the selected methylation sites, we further trained a multi-class classification support vector machine. Large amount experiments have been conducted to investigate the performance of the computational pipeline. Experimental results demonstrated the effectiveness of the selected key methylation sites which are highly relevant for blood diagnosis.
0

Impact of spatial organization on a novel auxotrophic interaction among soil microbes

Xue Jiang et al.Sep 28, 2017
+3
P
R
X
A key prerequisite to achieve a deeper understanding of microbial communities and to engineer synthetic ones is to identify the individual metabolic interactions among key species and how these interactions are affected by different environmental factors. Deciphering the physiological basis of species-species and species-environment interactions in spatially organized environment requires reductionist approaches using ecologically and functionally relevant species. To this end, we focus here on a specific defined system to study the metabolic interactions in a spatial context among a plant-beneficial endophytic fungus Serendipita indica, and the soil-dwelling model bacterium Bacillus subtilis. Focusing on the growth dynamics of S. indica under defined conditions, we identified an auxotrophy in this organism for thiamine, which is a key co-factor for essential reactions in the central carbon metabolism. We found that S. indica growth is restored in thiamine-free media, when co-cultured with B. subtilis. The success of this auxotrophic interaction, however, was dependent on the spatial and temporal organization of the system; the beneficial impact of B. subtilis was only visible when its inoculation was separated from that of S. indica either in time or space. These findings describe a key auxotrophic interaction in the soil among organisms that are shown to be important for plant ecosystem functioning, and point to the potential importance of spatial and temporal organization for the success of auxotrophic interactions. These points can be particularly important for engineering of minimal functional synthetic communities as plant-seed treatments and for vertical farming under defined conditions.