通过生物信息学和机器学习,识别与性结肠炎的铁相关的诊断和类型特征

科学领域:

• 生物化学 生物化学
• 遗传学 是一个遗传学.
• 免疫学 免疫学 免疫学

背景情况:

• 性结肠炎 (UC) 是一种具有复杂病原性的慢性炎症性肠病.
• 细胞死亡的受控形式铁亡已经成为UC发展的潜在因素.
• 确定UC诊断和治疗反应的可靠生物标志物对于有效的患者管理至关重要.

研究的目的:

• 识别和验证与铁亡相关的基因 (FRG) 作为UC的诊断标记物.
• 探索FRG与UC亚型的关联,并预测对像Infliximab这样的生物药物的反应能力.
• 为创新治疗策略和个性化治疗方法在UC建立基础.

主要方法:

• 来自基因表达综合 (GEO) 和FerrDb.的UC数据集的生物信息分析.
• 权重基因共同表达网络分析 (WGCNA) 以确定特征性UC基因.
• 机器学习模型 (LASSO,SVM,RF) 和物流回归用于FRG识别,诊断名录构造和INFLIXIMAB反应预测.
• 开发模型的内部和外部验证.

主要成果:

• 19个FRG与UC相关,其中FTH1和GPX4受到下调,其他17个受到上调.
• 五个枢纽基因 (LCN2,QSOX1,MUC1,IDO1,TRIB2) 被确定为关键的诊断标记.
• 诊断模型显示出高准确度 (AUC>0.96在内部验证,高达0.976在外部验证).
• 随机森林模型有效地预测了infliximab的有效性;确定了两个不同的UC铁化亚型.

结论:

• 五个枢纽FRG (LCN2,QSOX1,MUC1,IDO1,TRIB2) 是UC诊断的有希望的生物标志物.
• 这些FRG可以潜在地预测UC患者对infliximab的敏感性.
• 这些发现支持铁化在UC病变发生中的作用,并为治疗干预提供了目标.