基于机器学习模型和实验验证的验证,识别了与cuproptosis相关的基因集群和重大烧伤中的免疫细胞透

科学领域:

• 生物医学研究的研究.
• 细胞死亡机制 细胞死亡机制
• 烧伤病理学 烧伤病理学

背景情况:

• 严重的烧伤会引起全身应激反应,增加感染风险,使患者的预后恶化.
• 新发现的一种编程细胞死亡形式,即cuproptosis,越来越多地与各种疾病病理有关.
• 了解重大烧伤的分子机制对于改善患者的治疗结果至关重要.

研究的目的:

• 在重大烧伤患者中探索与cuproptosis相关的分子.
• 构建和验证一个基于cuproptosis相关基因的主要烧伤结果的预测模型.
• 确定与cuproptosis相关的关键基因,这些基因可以作为重大烧伤的潜在生物标志物.

主要方法:

• 来自GSE37069数据集的553个重大烧伤样本中的基因表达和免疫透的分析.
• 权重基因共同表达网络分析 (WGCNA) 来识别集群特异性基因和核心基因.
• 机器学习模型,包括通用线性模型,用于预测模型的构建和验证.
• 纳米图,校准曲线,决策曲线和外部数据集用于模型验证,RT-qPCR证实了核心基因表达.

主要成果:

• WGCNA确定了与重大烧伤相关的与cuproptosis相关的基因,并揭示了分子集之间显著的免疫透差异.
• 确定了稳定的集群 (K=2),集群2中的特定基因显示出强大的功能关联.
• 一个包含五个核心cuproptosis相关基因的通用线性模型显示出高精度 (AUC=0.982) 和临床相关性,与损伤时间相关.

结论:

• 这项研究阐明了cuproptosis和重大烧伤之间的显著联系.
• 确定了15个与cuproptosis相关的基因与重大烧伤有关.
• 基于五个核心cuproptosis相关基因的验证预测模型为改善重大烧伤患者的临床管理提供了潜力.