通过机器学习算法和WGCNA通过重复性妊娠流产的诊断生物标志物的识别和验证
Changqiang Wei1, Yiyun Wei1,2,3, Jinlian Cheng1
1Department of Prenatal Diagnosis, The First Afliated Hospital of Guangxi Medical University, Nanning, Guangxi, China.
Frontiers in immunology
|September 11, 2023
概括
这项研究确定了三个关键基因 (WBP11,ACTR2,NCSTN) 作为复发性妊娠丧失 (RPL) 的潜在生物标志物. 这些发现为RPL机制和改善生殖健康的潜在治疗目标提供了新的见解.
科学领域:
- 生殖生物学 生殖生物学
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 经常性流产 (RPL) 影响生殖健康,但其潜在机制尚不清楚.
- 了解RPL的分子基础对于开发有效的治疗方法至关重要.
研究的目的:
- 调查与RPL相关的生物标志物和分子机制.
- 探索在RPL中临床应用的新型治疗策略.
主要方法:
- 使用GEO数据库 (GSE165004) 进行基因表达特征分析.
- 应用差异表达分析,WGCNA,机器学习 (LASSO,SVM-RFE,RandomForest) 和RT-qPCR用于枢纽基因识别和验证.
- 使用CIBERSORT评估了免疫细胞透,并进行了泛癌分析.
主要成果:
- 确定了352个与免疫和代谢途径相关的差异表达基因 (DEGs).
- 发现了三种枢纽基因 (WBP11,ACTR2,NCSTN) 对RPL具有强大的诊断价值.
- 在恶性瘤中确认了枢纽基因的异常表达和与预后不佳的关联,与已识别的小分子药物一起.
结论:
- 鉴定并验证了用于重复流产的新型枢纽基因 (WBP11,ACTR2,NCSTN).
- 这些基因可以作为RPL.的关键生物标志物和治疗点.
- 这些发现有助于理解RPL的分子机制,并推进治疗策略.


