机器学习识别了原发性硬化胆管炎进展中的关键蛋白质,并将高CCL24与肝硬化联系起来
Tom Snir1, Raanan Greenman1, Revital Aricha1
1Chemomab Therapeutics Ltd., Tel Aviv 6158002, Israel.
International journal of molecular sciences
|June 19, 2024
概括
机器学习发现了用于原发性硬化性胆道炎 (PSC) 存在和严重性的新型血清蛋白生物标志物. CCL24是一种化学激素,因其在PSC进展和潜在的治疗向方面的作用而受到重视.
科学领域:
- 生物化学 生物化学
- 免疫学 免疫学 免疫学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 初级硬化性胆道炎 (PSC) 是一种罕见的,渐进的胆道疾病.
- 目前缺乏PSC活动的预后生物标志物.
- 了解PSC病原体需要识别可靠的疾病标志物.
研究的目的:
- 使用机器学习发现PSC存在,严重程度和肝硬化的血清蛋白生物标志物.
- 探索CCL24在PSC病变发生中的作用.
- 确定PSC的潜在治疗点.
主要方法:
- 从45名PSC患者和30名健康对照人群使用近距离延伸试验 (2870种蛋白质) 来进行血清蛋白质基因分析.
- 机器学习 (弹性网模型) 用于生物标志物发现和预测PSC存在和肝硬化.
- 与增强性肝纤维化 (ELF) 评分和途径分析的相关性分析.
主要成果:
- 机器学习模型准确预测了PSC的存在 (AUROC>0.9).
- 参与细胞粘附,免疫反应和炎症的排名前列的蛋白质.
- 在PSC患者中,特别是肝硬化患者中,CCL24水平升高,并与疾病严重程度相关.
结论:
- 机器学习和蛋白质组学可以识别PSC的新生物标志物.
- CCL24与PSC病变发生有关,可能代表治疗标.
- 这种方法为PSC疾病机制和严重程度分层提供了洞察力.


