生物信息学预测基于网络的集成式多态态表达数据分析在希尔施普隆病的数据分析.

科学领域:

• 遗传学和发育生物学
• 计算生物学和生物信息学
• 胃肠病学 胃肠病学

背景情况:

• 赫施普朗氏病 (HSCR) 是一种罕见的先天性疾病,其特征在于肠道中缺乏肠道质.
• HSCR的遗传基础是复杂的,RET原型瘤基因的突变是主要原因,但其完整的致病性仍然不清楚.
• 了解HSCR背后的分子机制对于开发有效的诊断和治疗策略至关重要.

研究的目的:

• 使用计算多组学方法识别与希尔施普隆病 (HSCR) 相关的新型基因和微RNA (miRNAs).
• 通过网络分析和集群,发现HSCR的潜在生物标志物.
• 通过分析基因-疾病和miRNA-点相互作用来阐明HSCR病变的新方面.

主要方法:

• 应用了集成多omics数据的计算策略,包括蛋白质-蛋白质相互作用 (PPI) 和miRNA-目标相互作用 (MTI) 网络.
• 利用DPClusO和BiClusO算法进行网络分析,并使用miRNA-BD进行miRNA生物标志物潜在查.
• 在已识别的候选基因上进行功能丰富分析 (基因本体学,通路).

主要成果:

• 确定了55个显著的基因疾病模块,提出了178个新的候选基因和两条涉及HSCR的生物途径.
• 从一组137个预测的HSCR相关的miRNA中发现了具有显著生物标志物潜力的12个关键miRNA.
• 功能分析证实了已识别的候选物对HSCR相关生物过程的相关性.

结论:

• 计算多组学方法成功地确定了新的候选基因和与赫施普隆氏病 (HSCR) 病原相关的miRNA.
• 这项研究为HSCR的分子基础提供了新的见解,并突出了未来临床研究的潜在生物标志物.
• 需要进一步的分子实验来验证这些计算发现,并为HSCR提前临床应用.