在多器官纤维化中,使用T1映射进行器官特异性和共享途径的非侵入性评估

科学领域:

• 生物医学成像学 生物医学成像学
• 遗传学 遗传学 是一个
• 计算生物学是一种计算生物学.

背景情况:

• 纤维性疾病会影响多个器官,对发病率和死亡率做出重大贡献.
• 了解纤维化的共同和器官特异性机制对于开发有效的治疗方法至关重要.

研究的目的:

• 开发机器学习模型,在多个器官中量化间歇性纤维化 (T1时间).
• 研究纤维化病的遗传基础和共同的生物途径.
• 评估多器官纤维化负担与死亡风险之间的关联.

主要方法:

• 利用了来自43881名英国生物库参与者的磁共振成像 (MRI) 数据.
• 应用机器学习量化T1时间,这是间歇性纤维化的一个标志物,在肝脏,胰腺,心脏和脏中.
• 进行了全现象和全基因组关联研究 (GWAS),以确定遗传位置和相关性.

主要成果:

• 对肝脏,胰腺,心肌和皮T1时间分别确定了27,18,11和10个独立的遗传位置.
• 发现了重叠的基因位置,涉及金属离子运输,葡萄糖代谢,免疫功能和炎症的途径.
• 发现多器官纤维化负担较高和死亡率增加 (HR=3.31) 之间存在显著的关联.

结论:

• 基于机器学习的T1时间量化能够对器官纤维化进行大规模分析.
• 揭示了纤维化背后的共同和器官特异性遗传通路,提供了潜在的治疗点.
• 跨多个器官的纤维化高负担是增加死亡率的重要预测因素.