通过生物信息学分析和机器学习识别心力衰竭中的4个自相关基因

科学领域:

• 分子生物学分子生物学
• 遗传学 是一个遗传学.
• 心血管研究研究心血管研究

背景情况:

• 自对于细胞平衡至关重要,并且在心力衰竭 (HF) 发病过程中发挥着重要作用.
• 连接自与高频率的精确分子机制仍然不完全理解.
• 识别特定的自相关基因 (ARG) 对于理解HF发育至关重要.

研究的目的:

• 识别和描述与心力衰竭 (HF) 相关的自相关基因 (ARG).
• 阐明了自性在HF中的作用背后的分子机制.
• 根据已识别的ARG,发现HF的潜在治疗点.

主要方法:

• 利用基因表达总 (GEO) 数据集GSE57338用于与高频相关的基因表达分析.
• 从HADb和HAMdb数据库中提取了与自相关的基因 (ARG).
• 在差异表达的ARG (AR-DEGs) 上进行了基因本体学 (GO) 和KEGG通路丰富分析.
• 采用机器学习进行基因查,通过外部数据集GSE76701和小鼠模型进行验证.
• 进行了免疫透分析,药物查,并构建了一个转录因子 (TF) 监管网络.

主要成果:

• 在HF和对照组之间确定了15个与自相关的基因 (AR-DEGs) 的差异表达.
• 功能性丰富分析强调了AR-DEGs参与细胞生长调节,icosatetraenoic酸结合和IL-17信号通路.
• 验证并确定了4个关键的ARG:TPCN1,MAP2K1,S100A9和CD38.
• 在HF患者的16种细胞类型中揭示了显著的免疫细胞透差异.
• 发现了194种潜在的治疗药物和16种与关键ARG相关的转录因子.

结论:

• TPCN1,MAP2K1,S100A9和CD38被确定为心力衰竭中关键的自相关基因.
• 这些发现为进一步研究高频自的分子机制提供了基础.
• 已识别的基因和途径为新型HF疗法提供了潜在的点.