Identificación de biomarcadores diagnósticos relacionados con la inflamación y subtipos moleculares en la colitis ulcerosa basados en el aprendizaje automático

Área de la Ciencia:

• Inflamación e inmunología
• La genómica y la bioinformática
• Gastroenterología

Sus antecedentes:

• La colitis ulcerosa (UC) es una enfermedad inflamatoria intestinal crónica que afecta al colon.
• La inflamación es fundamental para la patogénesis y progresión de la UC.
• El diagnóstico preciso y las estrategias de tratamiento personalizadas son cruciales para el manejo de la UC.

Objetivo del estudio:

• Identificar nuevos biomarcadores para el diagnóstico de la colitis ulcerosa.
• Clasificar los subtipos moleculares de la UC con relevancia clínica.
• Explorar las posibles estrategias terapéuticas para la UC.

Principales métodos:

• Análisis de datos transcriptómicos utilizando la base de datos de expresión génica (GEO).
• Análisis diferencial de la expresión génica, ontología génica (GO) y enriquecimiento de la vía KEGG.
• Enfoques de aprendizaje automático (LASSO, RF) para la selección de genes de características y el análisis de ROC.
• ssGSEA para la infiltración de células inmunes y GSEA para el análisis de la vía.
• qRT-PCR para la validación de genes marcadores seleccionados.

Principales resultados:

• Se identificaron CCL11 y MMP1 como biomarcadores de diagnóstico para la UC con un alto rendimiento.
• Construido un nomograma que demuestra una utilidad clínica significativa para el diagnóstico.
• Reveló alteraciones significativas en la infiltración de células inmunes y en las vías biológicas clave.

Conclusiones:

• CCL11 y MMP1 están validados como biomarcadores de diagnóstico relacionados con la inflamación para la UC.
• Los enfoques integrados de aprendizaje automático facilitan el diagnóstico personalizado y las intervenciones terapéuticas para la UC.