在类风湿性关节炎中使用WGCNA和机器学习的基于血小板相关签名的诊断模型
Yuchen Liu1,2, Haixu Jiang3, Tianlun Kang3
1School of Clinical Medicine, Peking Union Medical College, Beijing, China.
Frontiers in immunology
|July 10, 2023
概括
这项研究确定了用于类风湿性关节炎 (RA) 诊断的新型血小板相关基因特征 (PRS). 一个六基因模型显示了高精度,为这种致残的自身炎症性疾病提供了潜在的新生物标志物.
科学领域:
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
- 生物标志物发现发现
背景情况:
- 类风湿性关节炎 (RA) 是一种自发炎性疾病,导致严重的残疾.
- 目前的RA诊断缺乏可靠和高效的生物标志物.
- 血小板在RA的发病过程中起着至关重要的作用.
研究的目的:
- 为了识别涉及血小板的RA病变的潜在机制.
- 选新的,可靠和高效的RA诊断生物标志物.
主要方法:
- 使用了来自GEO数据库的两个微阵列数据集 (GSE93272,GSE17755).
- 应用权重基因相关性网络分析 (WGCNA) 用于识别共同表达模块.
- 雇佣了KEGG,GO和GSEA进行丰富分析,以找到与血小板相关的签名 (PRS).
- 使用LASSO算法开发了一个诊断模型,并通过接收器运行曲线 (ROC) 分析进行验证.
主要成果:
- 确定了11个共同表达模块,其中模块2与血小板有显著的关联.
- 使用LASSO构建了一个六基因预测模型 (MAPK3,ACTB,ACTG1,VAV2,PTPN6,ACTN1).
- 在培训和验证队列中,PRS模型实现了高诊断准确性 (AUC 0.801和0.979).
结论:
- 清晰的血小板相关签名 (PRS) 参与了类风湿性关节炎的发病.
- 开发了一种具有良好的RA诊断潜力的诊断模型.
