通过基于IL-1β基因表达的变异聚类自动分组T2D患者的表型相似性
Lucio José Pantazis1, Gustavo Daniel Frechtel2,3, Gloria Edith Cerrone2,4
1Centro de Sistemas y Control, Instituto Tecnológico de Buenos Aires (ITBA), Lavardén 315 1437, Ciudad Autónoma de Buenos Aires, Argentina.
EJIFCC
|October 23, 2023
概括
这项研究引入了一种基于形状的新型聚类方法,用于分析2型糖尿病患者的纵向基因表达数据. 该方法成功地确定了具有明显IL-1β表达模式的患者组,揭示了显著的临床差异.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 纵向基因表达分析由于数据挑战而复杂.
- 2型糖尿病研究面临类似的障碍与多因素数据.
- 传统的聚类方法在时间变化的基因表达方面扎.
研究的目的:
- 为了确定2型糖尿病患者的临床分组模式.
- 分析随着时间的推移,Interleukin-1β (IL-1β) 基因表达的变化.
- 应用基于形状的聚类来改进纵向数据分析.
主要方法:
- 为基因表达数据开发了一种基于形状的新型聚类方法.
- 应用K-Medoids与曼哈顿距离到纵向IL-1β表达.
- 分析了测量之间的斜率,以捕捉响应变化.
主要成果:
- 根据IL-1β表达模式,成功地将2型糖尿病患者聚集在一起.
- 一个群体显示了代谢综合征临床值的显著差异.
- 曼哈顿距离接近的K-Medoids证明是有效的.
结论:
- 拟议的方法可以通过基因表达变异模式来分组患者.
- 提供临床见解,没有先前的知识或广泛的时间点.
- 适用于需要纵向数据分析的各种领域.
