对埃博拉疫苗接种反应性基因基因签名的基线:跨多个队伍的机器学习方法
Patrícia Conceição Gonzalez Dias Carvalho1,2, Thiago Dominguez Crespo Hirata3, Leandro Yukio Mano Alves3
1Oxford Vaccine Group, University of Oxford, Oxford, United Kingdom.
Frontiers in immunology
|November 29, 2023
概括
机器学习确定了22个关键基因,这些基因与埃博拉疫苗 (rVSVDG-ZEBOV-GP) 的不良反应有关. 这一发现有助于推进个性化疫苗学和了解疫苗反应性.
科学领域:
- 疫苗学 疫苗学 疫苗学
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 疫苗rVSVDG-ZEBOV-GP (Ervebo®) 提供了对埃博拉病毒的保护,但可能会引起暂时的不良反应.
- 了解这些反应对于个性化疫苗学和识别分子因素至关重要.
研究的目的:
- 开发一种机器学习方法,将疫苗接种前的基因表达数据与疫苗接种后的不良事件整合起来.
- 为了识别与疫苗反应性相关的基因表达特征.
主要方法:
- 从四个I期临床试验队列 (瑞士,美国,加,肯尼亚) 的343个血液样本中分析了144个基因.
- 应用机器学习模型,将基因表达与疫苗接种后14天内报告的不良事件相关联.
主要成果:
- 确定了22个关键基因与不良事件相关的关键基因,包括局部反应,疲劳,头痛,肌痛,发烧,寒,关节痛,恶心和关节炎.
- 对潜在的生物学机制的洞察力 疫苗反应性背后的潜在生物机制.
结论:
- 机器学习有效地集成基因表达数据,以预测和理解疫苗诱导的不良事件.
- 鉴定出的基因特征为与埃博拉疫苗相关的个性化疫苗学策略提供了基础.
