通过将RNA-seq差异表达分析与机器学习相结合,发现COVID-19和HFRS之间的共同致病过程
Fatima Noor1, Usman Ali Ashfaq1, Abu Bakar2
1Integrative Omics and Molecular Modeling Laboratory, Department of Bioinformatics and Biotechnology, Government College University, Faisalabad, Pakistan.
Frontiers in microbiology
|May 26, 2023
概括
这项研究确定了汉塔病毒出血热与综合征 (HFRS) 和COVID-19中的常见基因和途径. 这些发现可能会为与这些病毒同时感染的患者提供新的治疗方法.
科学领域:
- 病毒学 病毒学
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 包括汉塔病毒和SARS-CoV-2在内的动物性感染病毒溢出严重影响公众健康.
- 患有综合征 (HFRS) 的汉塔病毒引起的出血热患者可能由于类似的临床表现而面临SARS-CoV-2感染的风险增加.
- 目前还没有有效的治疗方法用于同时感染或管理共享的临床特征.
研究的目的:
- 为了确定在HFRS和COVID-19中失调的常见基因和生物学途径.
- 探索已识别的基因作为疾病分类生物标志物的潜力.
- 为开发用于链接病毒感染的新型治疗策略奠定基础.
主要方法:
- 来自汉塔病毒和SARS-CoV-2感染的外周血液单核细胞 (PBMCs) 的转录组数据的差异基因表达分析.
- 功能注释和丰富分析以确定常见的生物过程.
- 构建蛋白质与蛋白质相互作用 (PPI) 网络以识别枢纽基因.
- 机器学习模型 (随机森林,PLDA,voomNSC,SVM) 用于评估生物标志物潜力.
主要成果:
- 鉴定在免疫和炎症反应中丰富的常见差异表达基因 (DEGs).
- 六个枢纽基因 (RAD51,ALDH1A1,UBA52,CUL3,GADD45B,CDKN1A) 被确定为HFRS和COVID-19中常见的失调.
- 机器学习分类器达到>70%的准确性,表明这些枢纽基因的生物标志物潜力.
结论:
- 这项研究是第一个揭示HFRS和COVID-19中常见失调的生物过程和途径.
- 鉴定到的枢纽基因显示出作为区分HFRS和COVID-19的潜在生物标志物的潜力.
- 这些发现可能有助于开发个性化的治疗方法,以预防或管理共感染.
