根据生物信息学,机器学习和实验验证,确定SV2C和DENR是帕金森病的关键生物标志物

科学领域:

• 神经科学是一个神经科学.
• 遗传学 是一个遗传学.
• 生物标志物发现发现

背景情况:

• 由于复杂的潜在机制,帕金森病 (PD) 构成了重大挑战.
• 确定可靠的生物标志物和治疗目标对于有效的PD管理至关重要.

研究的目的:

• 调查帕金森病 (PD) 的潜在生物标志物和治疗点.
• 确定枢纽基因并评估其在PD中的诊断潜力.
• 为了探索PD患者免疫细胞组成的差异.

主要方法:

• 分析了四个基因表达综合 (GEO) 数据集,使用权重基因共同表达网络分析和差异表达分析.
• 机器学习算法的应用 (随机森林,SVM-RFE,LASSO) 用于通过ROC曲线分析进行枢纽基因识别和诊断评估.
• 使用ELISA和qRT-PCR验证PD患者血清和细胞模型中的枢纽基因表达;使用xCell网站评估免疫细胞组成.

主要成果:

• 与对照组相比,SV2C和DENR被确定为PD的枢纽基因,显示PD脑组织的表达减少.
• 接收器操作特征 (ROC) 分析表明SV2C和DENR对PD的诊断价值.
• 这些基因在PD患者的血清和PD细胞模型中被发现是下调的;在PD患者和对照者之间观察到免疫细胞组成 (基细胞,T细胞) 的显著差异.

结论:

• 已确定SV2C和DENR是帕金森病的潜在诊断生物标志物.
• 该研究强调了多巴胺囊泡运输和突触囊泡循环通路在PD病变发生过程中的重要性.
• 这些发现为PD的分子机制和免疫细胞的作用提供了新的视角.