機械学習による潰瘍性大腸炎における炎症関連診断バイオマーカーと分子サブタイプの特定

科学分野:

• 炎症と免疫学
• ゲノミクスとバイオインフォマティクス
• 胃腸内科

背景:

• 潰瘍性大腸炎 (UC) は,大腸に感染する慢性炎症性腸疾患です.
• 炎症はUCの病原化と進行の 中心にある.
• UCの管理には正確な診断と個別化された治療戦略が不可欠です.

研究 の 目的:

• 潰瘍性大腸炎の新たな診断バイオマーカーを特定する
• 臨床的に重要なUCの分子サブタイプを分類する.
• UCの潜在的な治療戦略を探求する.

主な方法:

• 遺伝子表現オムニバス (GEO) データベースを用いたトランスクリプトミックデータ分析.
• 差異的遺伝子発現分析,遺伝子オントロジー (GO),およびKEGG経路濃縮.
• 特徴遺伝子選択とROC分析のための機械学習アプローチ (LASSO,RF).
• ssGSEAは免疫細胞の浸透とGSEAは経路の分析のために.
• 選択されたマーカー遺伝子の検証のためのqRT-PCR.

主要な成果:

• 強力なUCの診断バイオマーカーとして,CCL11とMMP1を特定した.
• 診断のための重要な臨床的有用性を示すノモグラムを構成した.
• 免疫細胞の浸透と 重要な生物学的経路の 変化を明らかにした

結論:

• CCL11とMMP1はUCの炎症関連診断バイオマーカーとして検証されています.
• 統合された機械学習のアプローチは,UCの個別化された診断と治療介入を容易にする.