根据三种机器学习算法和WGCNA,确定IgA脏病的功能亚型
Hongbiao Ren1, Wenhua Lv1, Zhenwei Shang1
1College of Bioinformatics Science and Technology, Harbin Medical University, 150086, Harbin, China.
BMC medical genomics
|February 23, 2024
概括
这项研究确定了IgA脏病 (IgAN) 的三种分子亚型及其特定基因标记物. 这种分类促进了对IgAN异质性的理解,并可能为这种常见的功能衰竭原因提供准确的治疗策略.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
背景情况:
- IgA病 (IgAN) 是导致衰竭的首要原因,但其分子机制和分类仍然有限.
- 目前的Igan分类严重依赖病理学,缺乏分子层面的疾病异质性的洞察力.
研究的目的:
- 为了识别IgA脏病 (IgAN) 的分子亚型.
- 探索已识别的IgAN亚型中的功能性和免疫细胞透异质性.
- 建立Igan亚型的分类器,以帮助未来的精确治疗.
主要方法:
- 使用微阵列数据集 (GSE116626,GSE115857) 来识别Igan中的差异表达基因 (DEG).
- 使用无监督的集群算法 (hclust,PAM,ConsensusClusterPlus) 和随机森林来分类Igan亚型.
- 应用权重基因共同表达网络分析 (WGCNA) 和CIBERSORT用于免疫细胞透分析,以验证亚型异质性.
主要成果:
- 确定了102种DEG和三个不同的功能性Igan亚型:病毒-激素,细菌-免疫和混合.
- 发现的亚型特定标记基因 (例如,ATF3,JUN,FOS用于病毒激素;LIF,C19orf51,SLPI用于细菌免疫) 与蛋白尿和eGFR相关.
- 通过WGCNA模块和独特的免疫细胞透模式 (例如,T毛囊辅助细胞,巨细胞,乙素细胞) 确认了亚型异质性.
结论:
- 在分子水平上成功确定了IgA脏病 (IgAN) 的三种新功能亚型.
- 开发了一个亚型分类器,有可能在IGAN患者中制定精确的治疗策略.
- 在IgAN亚型中显示出显著的分子和免疫异质性.
