机器学习和单细胞转录基因组造型揭示了通过THBS2/TGFβ1/P-Smad2/3信号通路调节纤维细胞激活在过度化的痕中

科学领域:

• 皮肤病学 皮肤病学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 缩性痕 (HS) 是一种复杂的炎症性皮肤疾病,其机制尚不清楚.
• 过度的细胞外基质沉积是HS的特征,影响皮肤功能和外观.

研究的目的:

• 在HS中识别出不同的纤维细胞亚群.
• 开发新的生物标志物和HS诊断和预后的预测模型.
• 阐明涉及HS病变发生的分子途径.

主要方法:

• 对正常和HS皮肤样本进行单细胞RNA测序 (scRNA-seq) 分析.
• 权重基因共同表达网络分析 (WGCNA) 和用于基因模块和亚型识别的非负矩阵因子化.
• 机器学习算法,包括卷积神经网络 (CNN),用于基因签名选和验证.
• 定量逆转录-聚合酶连锁反应,西部涂抹,免疫光,CCK8和伤口愈合试验用于功能验证.

主要成果:

• 在HS中使用scRNA-seq.q.识别出明显的纤维细胞亚群.
• 使用hdWGCNA识别了与HS纤维细胞相关的关键基因模块.
• 一个三基因签名和一个CNN模型被开发用于HS诊断和预测,包括免疫细胞透.
• 鉴定出THBS2是一种关键基因,参与HS中的纤维细胞增殖和迁移,通过TGFβ1/P-Smad2/3通路起作用.

结论:

• 独特的纤维细胞亚群与过度缩的痕形成密切相关.
• 开发的CNN模型和确定的关键基因 (例如THBS2) 显示出HS诊断和治疗的生物标志物的潜力.
• 准TGFβ1/P-Smad2/3通路可能为HS提供治疗策略.