在小鼠NASH模型中使用单细胞测序结合机器学习的关键因素查
Yu-Mu Song1, Jian-Yun Ge1, Min Ding1,2
1Guangdong Provincial Key Laboratory of Large Animal Models for Biomedicine, and South China Institute of Large Animal Models for Biomedicine, School of Pharmacy and Food Engineering, Wuyi University, Jiangmen, Guangdong, China.
Heliyon
|July 23, 2024
概括
研究人员通过单细胞RNA测序和机器学习确定了16个与非酒精性脂肪肝炎 (NASH) 进展相关的核心基因. 这些发现为NASH提供了潜在的治疗点.
科学领域:
- 肝病学和免疫学 肝病学和免疫学
- 基因组学和生物信息学
背景情况:
- 非酒精性脂肪肝炎 (NASH) 是一种复杂的肝病,遗传驱动因素不明.
- 识别关键基因对于开发向疗法至关重要.
研究的目的:
- 确定和分析对非酒精性脂肪肝炎 (NASH) 进展至关重要的基因.
- 为了利用单细胞RNA测序 (scRNA-seq) 和机器学习进行基因发现.
主要方法:
- scRNA-seq分析以比较Chow和NASH组中的细胞种群.
- 高维权基因共同表达网络分析 (hdWGCNA) 用于识别与NASH相关的基因模块.
- 机器学习和深度学习 (CNN) 来识别核心基因及其与免疫细胞的相关性.
主要成果:
- 在Chow和NASH组之间确定了不同的库弗尔细胞群.
- 在NASH中涉及肝脏巨细胞的高信号相互作用.
- 确定了150个与NASH相关的基因,机器学习突出显示了16个核心基因.
- 核心基因和免疫细胞之间建立了密切的相关性.
结论:
- scRNA-seq和机器学习有效地从大型数据集中识别与NASH相关的基因.
- 这种方法为发现NASH新型治疗点提供了基础.
