マルチチップ関節分析に基づく炎症性腸疾患の特徴遺伝子と機械予測モデルの構築

科学分野:

• バイオマーカーの発見
• コンピュータ生物学
• 免疫学

背景:

• 炎症性腸疾患 (IBD) は,原因が不明な慢性炎症性疾患であり,診断に困難をもたらす.
• IBDの管理には早期発見と周辺血液のバイオマーカーの調査が不可欠です.
• 現在のIBD診断には 決定的な非侵襲的マーカーが欠けている

研究 の 目的:

• 機械学習技術を用いたIBDの診断モデルを開発する.
• IBDの早期発見のための新しい外周血液バイオマーカーを特定する.
• 特定されたIBDバイオマーカーに関連した免疫関連の経路を探求する.

主な方法:

• 機械学習アルゴリズム (LASSO,SVM,RF) と人工ニューラルネットワーク (ANN) とのマルチチップ共同分析アプローチを使用した.
• 特徴解釈のためのSHAPモデルを取り入れたIBD診断モデルを開発した.
• 遺伝子オントロジー (GO) とKEGG経路の濃縮分析を行いました.
• 特定された遺伝子と免疫細胞集団の関係を調べた.

主要な成果:

• 4つの重要なIBDバイオマーカーであるLOC389023,DUOX2,LCN2,DEFA6を特定した.
• これらのバイオマーカーは免疫システムの調節と微生物の変化に関連しています.
• 強化された経路には,抗菌とIL-17シグナル伝達が含まれ,M1マクロファージは安定した差異的変化を示した.

結論:

• LOC389023,DUOX2,LCN2,DEFA6遺伝子の差異的発現はIBDにおける免疫効果と関連している.
• 機械学習モデルは,ANNと比較して,IBDの優れた診断性能を示しています.
• 発見は,臨床IBD診断,標的治療,および予後評価のための基礎を提供します.