机器学习揭示了吸烟对肺部不同细胞类型的基因配置文件的影响
Qinglan Ma1, Yulong Shen2, Wei Guo3
1School of Life Sciences, Shanghai University, Shanghai 200444, China.
Life (Basel, Switzerland)
|April 27, 2024
概括
这项研究使用机器学习来分析吸烟者和非吸烟者的肺细胞中的基因表达. 它确定了可能表明吸烟状态及其对肺部健康的影响的特定基因.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 吸烟是COPD和肺癌等肺部疾病的主要危险因素.
- 烟草烟雾中的有害化学物质会损害肺组织和功能.
- 关于吸烟对特定肺细胞类型基因表达的影响的研究有限.
研究的目的:
- 分析各种肺细胞类型的单细胞基因表达特征.
- 为了确定与吸烟状况相关的潜在基因标记物.
- 了解吸烟引起的肺损伤的分子机制.
主要方法:
- 来自活跃的,前的和从未吸烟者的肺细胞的单细胞RNA测序.
- 机器学习技术,包括增量特征选择.
- 对肺内皮细胞,上皮细胞,免疫细胞和肺层细胞的基因表达数据的分析.
主要成果:
- 在不同类型的肺细胞中确定了与吸烟相关的基因:B2M,EEF1A1,TPT1 (内皮细胞);FTL,MT-ATP8 (上皮细胞);HLA-B,HLA-C (免疫);HSP90B1,LCN2 (肌瘤).
- 制定了定量规则来表示与吸烟相关的基因表达模式.
- 证明了机器学习在识别吸烟分子标记物的实用性.
结论:
- 机器学习可以有效地识别特定肺细胞群体中与吸烟相关的基因表达特征.
- 这些已识别的基因作为吸烟状态和肺部损伤的潜在生物标志物.
- 这项研究促进了对吸烟对肺部影响的分子理解,并支持未来的癌症研究.
