相关实验视频
Updated: Jul 23, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
260
生物信息学和机器学习以及实验验证的基础上识别与败血症诊断相关的生物标志物
Qianfei Wang1,2, Chenxi Wang1, Weichao Zhang1,2
1Hebei University of Chinese Medicine, Shijiazhuang, China.
Frontiers in immunology
|July 14, 2023
概括
这项研究确定了COMMD9,CSF3R和NUB1作为诊断败血症的潜在生物标志物. 这些基因表达模式与免疫细胞的变化相关,为败血症提供了新的诊断和治疗见解.
科学领域:
- 发现生物标志物的发现.
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
背景情况:
- 败血症是一种危及生命的全身性炎症反应,死亡率高.
- 精确及时诊断败血症仍然是一个重大的临床挑战.
- 了解基因表达和免疫细胞相互作用对于败血症的发病过程至关重要.
研究的目的:
- 为了确定新的毒症诊断生物标志物.
- 为了研究基因表达和免疫细胞透在败血症之间的关系.
- 探索毒症的潜在治疗点.
主要方法:
- 对来自败血症患者和健康对照者的微阵列数据集的分析.
- 应用SVM-RFE和LASSO回归用于标记器选.
- 使用CIBERSORT进行免疫细胞组成分析.
- 使用qRT-PCR和西布洛特的生物标志物表达的验证.
主要成果:
- 确定了50个不同表达的基因,其中2个是上调的,48个是下调的.
- 凯格 (KEGG) 途径分析显示,感染和免疫相关途径的丰富.
- 通过ROC分析,COMMD9,CSF3R和NUB1被确定为潜在的败血症生物标志物.
- 这些生物标志物与特定的免疫细胞群 (例如Tregs,T细胞CD8) 之间建立的相关性.
结论:
- COMMD9,CSF3R和NUB1显示出作为败血症诊断生物标志物的前景.
- 这些生物标志物与免疫细胞透有关,这表明它们在败血症的发病过程中起着作用.
- 这些发现可能会导致更好的败血症诊断和新的治疗策略.
