機械学習を用いた潰瘍性大腸炎における酸化ストレス関連バイオマーカーの識別と実験的検証

科学分野:

• 生物医学研究
• ゲノミクス
• バイオ情報学

背景:

• 潰瘍性大腸炎 (UC) の診断と治療は,信頼できるバイオマーカーの欠如によって妨げられています.
• 酸化ストレスはUCの病原性において重要な役割を果たします.

研究 の 目的:

• 潰瘍性大腸炎 (UC) の新しい酸化ストレス関連のバイオマーカーを特定する.
• 生物情報学と実験モデルを用いてこれらのバイオマーカーを検証する.
• UCの診断と治療の可能性を探るため

主な方法:

• 複数の遺伝子発現データセット (GEO) と酸化ストレス遺伝子セットの分析.
• バイオマーカーの識別のためのLASSO回帰とランダムフォレストを含む機械学習アルゴリズムの適用.
• 人工ニューラルネットワーク (ANN) 診断モデルの構築
• qPCRとウエスタンブロットを用いた3%デクストランナトリウム硫酸 (DSS) 誘発性大腸炎マウスモデルでの実験的検証.

主要な成果:

• UCにおける酸化ストレスに関連する6つのハブ遺伝子 (DUOX2,ETFDH,GPX8,ITGA5,NPY,PDK2) を特定し,データセット全体で検証した.
• DSS-大腸炎モデルでは,DUOX2とITGA5は上昇調節され,ETFDH,PDK2とNPYは低下調節された.
• マウスモデルではGPX8タンパク質発現が上昇した.

結論:

• この研究は,UCの6つの酸化ストレス関連バイオマーカーを成功裏に特定しました.
• これらのバイオマーカーは 潰瘍性大腸炎の管理における 診断と治療の標的として有望です
• これらの発見を患者のケアに転用するには,さらなる臨床研究が必要である.