基于多个机器学习算法识别和验证心力衰竭中与衰老相关的基因

科学领域:

• 心血管研究研究心血管研究
• 老年学是一门学科.
• 生物信息学是一种生物信息学.

背景情况:

• 越来越多的老年人群需要了解与年龄有关的心脏衰退.
• 识别新的病理和心脏保护途径对于对抗心脏衰老至关重要.

研究的目的:

• 为了确定与心力衰竭相关的与衰老相关的基因.
• 阐明与衰老和心力衰竭有关的生物功能和信号通路.
• 发现与年龄相关的心力衰竭的潜在治疗药物.

主要方法:

• 权重基因共同表达网络分析 (WGCNA) 和CellAge数据库用于基因识别.
• 基因本体学 (GO) 和KEGG通路丰富分析,以获得功能性见解.
• 机器学习算法 (LASSO,RF,SVM-RFE) 用于基因查和验证;DSigDB用于药物发现;CIBERSORT用于免疫透分析.

主要成果:

• 在心力衰竭中确定了57个上调和195个下调的与衰老相关的基因.
• 衰老基因主要参与细胞衰老和细胞循环.
• 14个关键的衰老基因被确定并以高精度 (0.911) 验证; 里莫纳班特和洛瓦斯塔丁显示出治疗与年龄相关的心力衰竭的潜力.
• 在衰老的心肌中观察到巨细胞M2和T细胞CD8的显著差异.

结论:

• 使用生物信息学和机器学习识别了衰老特征基因和潜在的治疗心力衰竭药物.
• 为研究与年龄有关的心脏衰退的机制和治疗提供了新的策略.