整合机器学习算法和单细胞分析,在动脉样硬化斑块中识别与肠道微生物群相关的巨细胞生物标志物

科学领域:

• 心血管研究研究心血管研究
• 免疫学 免疫学 免疫学
• 微生物组研究 微生物组研究

背景情况:

• 动脉样硬化中巨细胞和肠道微生物群之间的相互作用尚未得到充分理解.
• 目前缺乏有效的动脉样硬化斑块破坏稳定的生物标志物.

研究的目的:

• 研究肠道微生物群落与动脉样硬化中的巨细胞之间的关系.
• 确定与动脉样硬化斑块不稳定相关的新生物标志物.

主要方法:

• 进行了权重基因联合表达网络分析 (WGCNA) 和差异基因表达分析.
• 随机森林和非负矩阵因子化 (NMF) 算法确定了关键的巨相关基因.
• 用单细胞分析和临床样本验证来证实研究结果.

主要成果:

• 鉴定了五种与肠道微生物群相关的巨细胞基因 (PLEK,IRF8,CD68,CCR1,BTK),并发现它们在动脉样硬化斑块上升调节.
• 使用这些基因作为潜在的临床诊断工具,开发了一种名录.
• 特别是在不稳定的动脉样硬化斑块中观察到PLEK的高表达.

结论:

• 肠道微生物群相关的巨细胞基因 (PLEK,IRF8,CD68,CCR1,BTK) 涉及到动脉样硬化病变的发生.
• 这些基因显示出作为诊断标记物的潜力,以帮助动脉样硬化患者.