通过生物信息学分析和机器学习,探索冷肩和杜普伊特伦病之间的潜在关系

科学领域:

• 基因组学和生物信息学
• 分子生物学分子生物学
• 免疫学 免疫学 免疫学

背景情况:

• 结肩膀 (FS) 和杜普伊特伦病 (DD) 是相关的疾病,其分子相互作用机制尚不清楚.
• 研究共享的遗传和蛋白质相互作用对于理解这两种疾病的发病因子至关重要.

研究的目的:

• 通过对共享基因和蛋白质-蛋白质相互作用 (PPI) 的分析,阐明 FS 和 DD 背后的分子机制.
• 在DD患者中识别FS的关键基因和潜在的诊断标记.
• 探索免疫细胞透在FS的发展中的作用.

主要方法:

• 从基因表达综合 (GEO) 数据库下载和分析基因表达数据 (GSE75152,GSE140731) 来识别FS和DD之间的共享基因.
• 使用Cytoscape和STRING数据库构建了一个蛋白质-蛋白质相互作用 (PPI) 网络,使用MCODE和cytoHubba算法识别枢纽基因.
• 进行了基因本体学 (GO) 和KEGG通路丰富分析,使用TRUST预测转录因子 (TF),并利用机器学习进行候选基因识别. 在FS中分析了免疫细胞透.

主要成果:

• 确定了321个共享基因,富化分析表明细胞外基质和原纤维组织的参与.
• 构建了一个关键的PPI网络,并确定了15个具有DD的FS的枢纽基因. 预计有五个TF与枢纽基因有关,在FS中高度表达.
• 机器学习确定了POSTN和COL11A1作为DD的FS候选基因. 免疫细胞透分析揭示了FS患者的免疫细胞疾病,候选基因表达影响了透.

结论:

• 通过生物信息学和机器学习确定了一个PPI网络,15个枢纽基因和两个与免疫相关的候选基因 (POSTN, COL11A1).
• 在DD患者中,POSTN和COL11A1显示出作为FS的诊断标记物的潜力.
• 这项研究证实了FS中的免疫细胞疾病,并表明候选基因表达和免疫细胞透之间存在联系.