机器学习识别了巨细胞反应性和耐受性的特征,从而预测疾病的结果
Pradipta Ghosh1, Saptarshi Sinha2, Gajanan D Katkar3
1Department of Cellular and Molecular Medicine, University of California San Diego, USA; Department of Medicine, University of California San Diego, USA; Moores Cancer Center, University of California San Diego, USA.
EBioMedicine
|July 29, 2023
概括
研究人员确定了一种338个基因的特征,该特征定义了不同环境中的巨细胞极化状态. 这种签名预测疾病的结果,并指导针对炎症状况的向治疗.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 单细胞转录组学提供了对巨细胞两极分化的见解,这对于炎症至关重要.
- 将这些见解转化为可预测的疗法仍然是一个挑战.
研究的目的:
- 为了定义巨细胞极化状态的普遍连续性.
- 开发针对巨细胞的诊断和治疗的预测框架.
主要方法:
- 机器学习算法应用于人类巨细胞数据.
- 鉴定出了338个基因的特征,代表了巨细胞的反应性和耐受性.
- 签名的相关性在超过12,500个不同的数据集中得到验证.
主要成果:
- 338个基因的签名准确地识别了生理学和物种间疾病中的巨细胞状态.
- 它在转录组-蛋白质组重叠和疾病检测方面表现优于传统的签名.
- 该签名预测了败血症,肝纤维化,衰老和癌症的结果,并指导了可预测的干预措施.
结论:
- 建立了对巨细胞状态的正式,普遍相关的定义.
- 一个预测框架 (http://hegemon.ucsd.edu/SMaRT) 已被开发用于精确诊断和治疗.
- 这项工作使得对巨细胞的命运进行可预测的操纵,以获得治疗效益.
