在儿科过敏性喘中解读与cuproptosis相关的签名,使用集成的scRNA-seq和批量RNA-seq分析
Jingping Liu1, Yujia Sun1, Chunxin Tian1
1Nanjing Pukou Hospital of Traditional Chinese Medicine, Nanjing, Jiangsu, China.
概括
这项研究研究了儿童过敏喘 (AA) 中的铜不平衡和cuproptosis. 一个机器学习模型有效地使用五个关键变量预测了AA,提供了潜在的诊断价值.
科学领域:
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 儿科过敏性喘 (AA) 很普遍,患者观察到铜不平衡.
- 儿童AA中铜不平衡和铜的作用尚不清楚.
研究的目的:
- 调查与cuproptosis相关的基因 (CRG) 与儿科AA的免疫细胞透之间的关联.
- 使用机器学习算法开发儿科AA的预测模型.
主要方法:
- 对基因表达综合 (GEO) 数据集 (GSE40732,GSE40888,GSE193816) 的CRG表达和免疫细胞透的分析.
- 权重基因共同表达网络分析以确定关键的CRG.
- 机器学习模型 (RF,SVM,XGBoost,GLM) 用于AA预测.
主要成果:
- 在儿科AA中,四个CRG被上调.
- 在AA样本中观察到CD4+T细胞,巨细胞和巨细胞中减少了cuproptosis评分.
- 一个SVM模型表明AA的高预测效率 (AUC = 0.952) .
结论:
- 一个五变量机器学习模型显示出诊断儿科AA的前景.
- 杯和特定的免疫细胞都与儿科AA病变产生有关.


