结合生物信息学和机器学习算法来识别和分析COVID-19康复和糖尿病中共享的生物标志物和途径

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 免疫学 免疫学 免疫学

背景情况:

• 冠状病毒疾病2019 (COVID-19) 恢复可能导致持续的症状,包括高血糖症和新发糖尿病 (DM).
• 了解COVID-19康复和DM之间的共享生物途径对于管理长期健康后果至关重要.

研究的目的:

• 通过生物信息学和机器学习来调查共享的途径,并确定DM和COVID-19康复中的生物标志物.
• 开发一种诊断模型,用于预测COVID-19从COVID-19中恢复过来的个体的糖尿病.

主要方法:

• 综合基因转录组数据集来自COVID-19康复和DM使用生物信息学.
• 识别了差异表达基因 (DEG),分析了基因本体学 (GO) 和基因和基因组 (KEGG) 途径的京都百科全书.
• 利用蛋白质-蛋白质相互作用 (PPI) 网络和机器学习来识别枢纽DEG,转录因子 (TF) 和微RNA (miRNA).

主要成果:

• 在COVID-19康复中开发了1型DM (6核心DEG) 和2型DM (2核心DEG) 的遗传诊断模型,具有验证的诊断准确性.
• 确定了8个核心DEG,形成了COVID-19康复和DM的遗传诊断模型.
• 分析表明,各种免疫细胞可能参与COVID-19后的DM发展.

结论:

• 一个强大的遗传诊断模型,包括一个名图,被用来诊断COVID-19康复期的糖尿病.
• 这些发现突显了COVID-19恢复和代谢健康,特别是糖尿病发展之间的复杂相互作用.