通过机器学习和生物信息分析确定非酒精性脂肪肝和动脉样硬化之间的潜在诊断标记

科学领域:

• 基因组学就是基因组学.
• 心血管疾病 心血管疾病
• 肝病学 肝病学是一种肝病学.

背景情况:

• 慢性非酒精性脂肪肝疾病 (NAFLD) 与增加动脉样硬化 (AS) 风险有关.
• 连接NAFLD和AS的精确分子机制仍然不完全理解.
• 识别共同的遗传因素对于理解疾病的发病过程至关重要.

研究的目的:

• 为了确定NAFLD和动脉样硬化的关键基因.
• 评估这些共享基因的临床诊断价值.
• 建立一个发现NAFLD和AS新型治疗点的基础.

主要方法:

• 使用的基因表达综合 (GEO) 数据集用于NAFLD和AS.
• 针对NAFLD基因模块的受雇权重基因同表达网络分析 (WGCNA).
• 使用Venn图和机器学习对差异表达基因 (DEG) 和常见基因进行选.
• 构建了一个诊断名录图,并通过ROC曲线评估性能.
• 使用CIBERSORT算法分析了免疫细胞透情况.

主要成果:

• 确定了NAFLD和AS之间的47个共同基因.
• 突出了RPS6KA1和SERPINA3作为使用机器学习的核心基因.
• 通过名谱和ROC分析证明了RPS6KA1和SERPINA3的显著诊断价值.
• 在肥胖症和NASH中发现了RPS6KA1的差异表达,在NASH中发现了SERPINA3.
• 揭示了巨细胞和巨细胞透在这两种疾病中的参与.

结论:

• RPS6KA1和SERPINA3被确定为NAFLD和AS的潜在诊断标记物.
• RPS6KA1显示为NAFLD和AS的诊断标记物具有前途.
• 塞尔皮纳3与非酒精性脂肪肝炎 (NASH) 和AS密切相关,这表明它在疾病进展中的作用.