使用机器学习对与DKD相关的HCC进行免疫相关血液生物标志物的查

科学领域:

• 在瘤学瘤学.
• 腎臟病學 (nephrology) 是一種醫學.
• 免疫学 免疫学 免疫学

背景情况:

• 糖尿病是一种全球性的健康问题,经常发展为糖尿病病 (DKD).
• DKD越来越被认为是肝细胞癌 (HCC) 的潜在危险因素,但潜在的机制和诊断标记仍然不清楚.

研究的目的:

• 研究将DKD与HCC联系在一起的分子机制.
• 为了确定与DKD相关的HCC的潜在诊断生物标志物.
• 开发一个对DKD患者HCC的预测模型.

主要方法:

• 公共数据库被用来选DKD分泌RNA和HCC基本基因.
• 使用了权重基因同表达网络分析 (WGCNA) 和蛋白质与蛋白质相互作用 (PPI) 网络.
• 机器学习算法,包括LASSO和随机生存森林 (RSF),用于构建诊断名录.
• 使用定量实时PCR (qPCR) 来验证血液样本中的关键基因表达.

主要成果:

• 确定了与HCC相关的104个差异表达基因 (DEG) 和来自DKD的101个DEG.
• 发现参与炎症和免疫调节的三个关键基因模块是导致DKD相关的HCC的原因.
• 一个包含四个枢纽基因 (PLVAP,C7,COL15A1,MS4A6A) 的诊断性名录被开发和验证.
• 免疫细胞透分析揭示了与这些枢纽基因表达相关的HCC免疫失调.
• 证实PLVAP是与DKD相关的HCC的潜在血液生物标志物.

结论:

• 炎症和免疫途径与DKD相关的HCC有关.
• 一种基于PLVAP,C7,COL15A1和MS4A6A的新型诊断名谱可以帮助评估DKD患者的HCC风险.
• 作为一种易于检测的血液标志物,PLVAP在患有DKD的个体中有望用于早期检测HCC.