根据多种机器学习算法构建调控脱发区域进展的网络,并识别基于多种机器学习算法的免疫监测基因
Jiachao Xiong1,2, Guodong Chen3, Zhixiao Liu1
1Department of Histology and Embryology, Naval Military Medical University, Shanghai 200433, China.
Precision clinical medicine
|June 19, 2023
概括
早期识别严重的脱发症 (AA) 是至关重要的. 研究人员确定了四种免疫监测基因 (IMG),可以帮助早期诊断严重的AA,改善患者的预后.
科学领域:
- 皮肤病学 皮肤病学
- 免疫学 免疫学 免疫学
- 遗传学 是一个遗传学.
背景情况:
- 脱发症 (AA) 是一种导致脱发的自身免疫性疾病,严重的形式包括完全脱发症 (AT) 和泛性脱发症 (AU).
- 对AA患者的早期鉴定和干预,这些患者有发展到严重形式的风险是有限的,这会影响预后.
研究的目的:
- 为了确定关键的基因和生物学机制,严重的AA的基础.
- 发现潜在的生物标志物用于早期诊断严重的AA.
主要方法:
- 对基因表达数据集的分析,以识别严重AA的差异表达基因 (DEGs).
- 权重基因共同表达网络分析以找到相关的模块基因.
- 构建蛋白质-蛋白质相互作用和竞争的内源RNA网络.
- 机器学习算法用于选关键免疫监测基因 (IMG) 和接受器运行特征分析以进行诊断验证.
主要成果:
- 确定了150个DEGs;与免疫反应相关的上调基因,与头发周期和皮肤发育相关的下调基因.
- 发现了四种IMG (LGR5,SHISA2,HOXC13,S100A3) 具有显著的诊断效率.
- 在体内验证证了LGR5下调在严重的AA病变发生过程中的潜在作用.
结论:
- 这项研究提供了关于严重AA的病原体的见解.
- 确定了四种IMG作为严重AA的潜在早期诊断标志物,有助于及时干预和改善结果.
