在病毒感染中分析基因表达动态和差异表达,使用通用线性模型和准概率方法

科学领域:

• 病毒学 病毒学
• 基因组学就是基因组学.
• 免疫学 免疫学 免疫学

背景情况:

• 呼吸道病毒,如甲型流感病毒 (IAV),人体肺肺病毒 (MPV) 和类型3的类型3病毒 (PIV3) 构成严重的公共卫生威胁.
• 在基因表达水平上了解病毒与宿主之间的相互作用对于开发有效的对策至关重要.

研究的目的:

• 在感染IAV,MPV和PIV3时,探索人类肺部器官组织等价物 (OTEs) 的基因表达动态.
• 确定与这些病毒感染相关的差异表达基因和潜在生物标志物.
• 阐明病毒与宿主相互作用的复杂性和宿主天生的免疫反应.

主要方法:

• 在感染的OTE中对19671个基因进行RNA测序 (RNA-Seq) 分析.
• 用近似概率F测试 (GLMQL) 应用通用线性模型.
• 介绍和利用新的度-高度得分 (MAS) 和放松的度-高度得分 (RMAS) 算法用于生物标志物识别.
• 基因本体学 (GO) 丰富分析以解释生物学意义.
• 使用多项逻辑回归进行感染分类的验证.

主要成果:

• 在对IAV,MPV和PIV3感染的反应中观察到显著的基因表达变化.
• 马斯和RMAS算法成功识别了生物标志物,包括持续激活的干扰素刺激基因 (例如IFIT1,IFIT2,IFIT3,OAS1).
• GO分析揭示了对宿主防御机制和细胞功能的病毒利用的洞察力,包括和线粒体核糖体组装的改变.
• 在分类呼吸道病毒感染方面,获得了92%的平均准确性,超过了传统方法.

结论:

• 这项研究阐明了对常见呼吸道病毒感染的复杂宿主基因表达反应.
• 马斯/RMAS方法为病毒感染中的生物标志物发现提供了稳定可靠的方法.
• 研究结果强调了样本大小对生物标志物可靠性的重要性,并为开发先进的诊断和治疗策略制定了基准.