生物信息学分析用于构建细胞衰老相关的与年龄相关的黄斑变性诊断模型,并识别相关的疾病亚型,以指导治疗

科学领域:

• 眼科医生 眼科 眼科
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 与年龄相关的黄斑变性 (AMD) 是导致视力丧失的主要原因.
• 细胞衰老越来越多地与AMD病变发生有关.
• 将衰老与AMD联系在一起的精确机制需要进一步阐明.

研究的目的:

• 开发基于机器学习的AMD诊断模型.
• 根据与衰老相关的基因表达来识别不同的AMD亚型.
• 研究这些亚型背后的生物学功能和致病机制.

主要方法:

• 机器学习用于AMD诊断模型的创建.
• 无监督的集群用于识别AMD亚型.
• 基因本体学 (GO),KEGG,基因组变异分析 (GSVA) 和权重基因同表达网络分析 (WGCNA) 用于生物功能和网络分析.
• 编程细胞死亡 (PCD) 途径和免疫微环境的分析.

主要成果:

• 使用5个与炎症相关的基因开发了一种新的AMD诊断模型.
• 确定了两个不同的AMD亚型 (A和B).
• 与A亚型相比,B亚型表现出较高的细胞衰老和编程细胞死亡 (ferroptosis,necroptosis,pyroptosis) 的水平.
• 在亚型之间观察到不同的免疫微环境,这表明不同的致病机制.

结论:

• 利用与衰老相关的基因表达可以促进AMD诊断和亚型.
• 已识别的AMD亚型显示老化,PCD途径和免疫反应的差异性参与.
• 这些发现突出了AMD亚型的独特的致病机制和潜在的治疗点.