相关实验视频
Updated: May 8, 2026

Lipidomics and Transcriptomics in Neurological Diseases
Published on: March 18, 2022
血液代谢学和转录学特征根据疾病的严重程度对多发性硬化症患者的亚组进行分层
Alexandra E Oppong1, Leda Coelewij1, Georgia Robertson1
1Division of Medicine, Department of Inflammation, University College London, London WC1E 6JF, UK.
机器学习确定了复发性复发性多发性硬化症 (RRMS) 和继发性进展性多发性硬化症 (SPMS) 之间的血液代谢物差异. 这可能会导致新的生物标志物用于区分多发性硬化症疾病类型和理解神经退行.
科学领域:
- 神经免疫学 神经免疫学
- 代谢学 代谢学 代谢学
- 系统生物学 系统生物学
背景情况:
- 区分复发性复发性多发性硬化症 (RRMS) 和二级渐进性多发性硬化症 (SPMS) 对于治疗至关重要,但缺乏可靠的基于血液的生物标志物.
- 现有证据表明,代谢变化与多发性硬化症 (MS) 疾病严重程度相关.
研究的目的:
- 利用机器学习分析血清代谢数据,以区分RRMS与SPMS患者.
- 开发基于代谢资料的MS患者子集分层的预测得分.
- 调查与MS进展相关的潜在代谢途径和基因表达变化.
主要方法:
- 机器学习分析应用到来自RRMS和SPMS患者的血清代谢学数据.
- 识别差异表达的代谢物及其相关途径.
- 分析全血转录基因组与代谢发现的相关性.
- 基因-代谢物相互作用网络的构建.
主要成果:
- 机器学习准确地对SPMS患者的RRMS进行了分层,开发的得分进一步对患者子集进行了分层.
- 关键的差异化代谢物包括脂质,脂肪酸,乳酸和谷氨酸的升高,以及降低的氨酸和氨酸,这表明细胞呼吸发生了改变.
- 血清代谢变化反映在全血转录组中,在SPMS中,基因丰富了细胞呼吸道.
- 一个基因代谢网络表明,在SPMS中,代谢从糖解转向葡萄糖生成和生成.
结论:
- 通过机器学习分析的血清代谢学,可以有效地区分RRMS和SPMS.
- 在SPMS中发现的代谢转向葡萄糖生成和生成表明了代谢压力.
- 这种代谢压力可能是渐进性多发性硬化中神经退行的一个因素,这表明了潜在的治疗点.
更多相关视频
09:08Isolating Human Peripheral Blood Mononuclear Cells and CD4+ T cells from Sézary Syndrome Patients for Transcriptomic Profiling
Published on: October 14, 2021
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
相关概念视频
Effect of Hepatic Disease on Pharmacokinetics: Drug Dosing and Hepatic Blood Flow
Effect of Hepatic Disease on Pharmacokinetics: Pathophysiologic Assessment and Liver Function Test
Pharmacogenetics of Phase II Enzymes: N-acetyltransferase, Thiopurine S-methyltransferase, UDP-glucuronosyltransferase
Kidney Transplant I: Introduction