机器学习揭示了败血症患者中铁亡的特征和一种新的铁亡分类器
Zhigang Chen1, Shiyou Wei1, Zhize Yuan2
1Department of Anesthesiology, Shanghai Pulmonary Hospital, School of Medicine, Tongji University, Shanghai, China.
Immunity, inflammation and disease
|May 23, 2024
概括
研究人员确定了与铁亡相关的基因 (FRG) 作为早期毒症检测的关键生物标志物. 这些发现支持新的诊断策略和对危及生命的感染的潜在治疗点.
科学领域:
- 生物化学 生化学
- 遗传学 是一个遗传学.
- 计算生物学 计算生物学
背景情况:
- 败血症是一种危及生命的器官功能障碍,需要早期诊断.
- 目前的败血症诊断方法不足,需要新的生物标志物.
- 铁亡,一种受调节的细胞死亡,越来越多地与败血症的发病有关.
研究的目的:
- 为了研究铁亡相关基因 (FRGs) 在败血症中的作用.
- 开发基于FRG的败血症诊断分类器.
- 通过FRG分析来确定毒症的潜在治疗点.
主要方法:
- 综合了来自败血症患者的临床和mRNA表达数据.
- 通过共同表达网络和差异分析,在败血症中确定了13个FRG.
- 使用机器学习算法构建了败血症分类器,将ATG16L1和SRC确定为关键基因.
主要成果:
- 开发了一种具有高诊断效率的FRG签名分类器 (AUC从0.711到0.961).
- 在独立数据集和大鼠败血症模型中验证了分类器.
- 证实了ATG16L1和SRC在早期败血症发展中的参与.
结论:
- 与铁亡相关的基因在败血症的发展中起着重要作用.
- 基于ferroptosis的分类器为早期败血症诊断提供了一个有希望的途径.
- 这项研究为开发新的败血症诊断和治疗策略提供了基础.
