通过综合生物信息学分析和实验验证,识别阻塞性睡眠呼吸暂停中的新生物标志物

科学领域:

• 基因组学和生物信息学
• 睡眠医学 睡眠医学
• 分子生物学分子生物学

背景情况:

• 阻塞性睡眠呼吸暂停 (OSA) 是一种复杂的遗传和环境疾病,由于成本和复杂性,其诊断应用有限.
• 识别新的生物标志物和诊断工具对于改善OSA管理至关重要.
• 遗传因素在OSA的多因素遗传中发挥着重要作用.

研究的目的:

• 为了确定与阻塞性睡眠呼吸暂停 (OSA) 相关的潜在目标基因.
• 使用已识别的枢纽基因建立一个可靠的OSA诊断模型.
• 探索OSA潜在的分子机制和潜在的治疗点.

主要方法:

• 利用基因表达综合 (GEO) 微阵列数据集来识别OSA中的差异表达基因 (DEG).
• 采用多尺度嵌入基因共同表达网络分析 (MEGENA) 和LASSO回归来识别OSA枢纽基因.
• 进行了功能注释,途径分析,GSEA,miRNA网络分析,并在慢性间歇性缺氧 (CIH) 鼠标模型中验证了发现.

主要成果:

• 确定了401个上调和275个下调的DEGs,这些DEGs在血管系统发育和细胞对细胞因子的反应等途径中得到丰富.
• 确定了7个OSA枢纽基因 (C12orf54,FOS,GPR1,OR9A4,MYO5B,RAB39B,KLHL4),形成了一个稳定的诊断模型.
• 枢纽基因与与OSA相关的基因相关,涉及JAK/STAT信号传递,并在OSA小鼠模型中显示表达减少.

结论:

• 成功确定了新的生物标志物和阻塞性睡眠呼吸暂停 (OSA) 的稳定诊断模型.
• 鉴定到的转录性变化为OSA的病原性,机制和潜在的后果提供了洞察力.
• 该研究强调了OSA管理的潜在治疗点和药物.