系統的自己免疫と感染を区別するトランスクリプトミックの血液シグネチャの機械学習ベースの識別

科学分野:

• 免疫学と計算生物学
• トランスクリプトミクスとバイオインフォマティクス

背景:

• 系統的自己免疫と感染症は免疫学的成分を共有し,診断用バイオマーカーの発達を妨げます.
• 自己免疫性疾患と感染性疾患を区別することは,病理が重なり合っているため,臨床的に難しい.

研究 の 目的:

• 自己免疫疾患と感染症を区別するための全血トランスクリプトーム分析を評価する.
• 診断の正確性を向上させるため,RNAのシーケンシングデータのための新しい事前処理方法を開発し,検証する.

主な方法:

• 機械学習アルゴリズム (ランダムフォレスト,k-NN,SVM) で22の公開データセット (594の自己免疫性疾患,615の感染症) を利用した.
• 遺伝子発現値の分類によって RNA 配列のバッチ効果に対処するための新しい事前処理方法を実装した.
• アップストリームレギュレータと生物学的経路を特定するために,情報提供遺伝子の濃縮分析を行った.

主要な成果:

• この新しい事前処理法では,原始データでは63%の確率で,病態を識別する精度が98%に達しました.
• 外部検証では,新しい自己免疫疾患と感染症のデータセットを区別するための精度が80%から96%であったことが示されました.
• RPL7,TLK2,ANK2を含む24の遺伝子シグネチャーは 89%の精度で自己免疫と感染症を区別しました

結論:

• 全血トランスクリプトームに適用された新しいバッチ修正アルゴリズムは,自己免疫疾患と感染症を効果的に区別することができます.
• このアプローチは,自己免疫病原性への潜在的メカニズム的洞察を提供し,差異診断のための新しいバイオマーカーを提供します.
• この発見は,炎症性疾患の患者の診断に有用なツールとして,トランスクリプトーム分析を支持しています.