生物信息学和机器学习方法揭示了关键基因和动脉样硬化的潜在分子机制:一篇评论

科学领域:

• 基因组学和生物信息学
• 免疫学 免疫学 免疫学
• 心血管研究研究心血管研究

背景情况:

• 动脉样硬化 (AS) 涉及由于细胞外基质,胆固醇和细胞积累而导致动脉壁的加厚.
• 了解AS的遗传和分子基础对于开发有效的治疗方法至关重要.

研究的目的:

• 用全面的生物信息学和机器学习来识别动脉样硬化中的关键基因和分子网络机制.
• 分析AS和免疫细胞透之间的相关性.
• 预测AS的潜在药物标.

主要方法:

• 使用的基因表达综合 (GEO) 数据集 (GSE20129,GSE90074).
• 通过估计RNA转录的相对子集 (CIBERSORT) 用于免疫细胞分析来识别细胞类型.
• 应用加权基因共同表达网络分析 (WGCNA),拉索回归和随机森林算法.
• 使用基因组变异分析 (GSVA) 和基因组丰富分析 (GSEA) 进行了途径分析.
• 分析了差异性基因表达和相关性,包括与铁亡相关的基因,并利用连接地图数据库进行药物预测.

主要成果:

• 确定了一个与T细胞有很强的关键关联的关键基因模块,在细胞粘附,T细胞通路和NF-κB信号传递方面得到了丰富.
• 选了与AS相关的五个交叉基因 (CCDC106,RASL11A,RIC3,SPON1,TMEM144).
• 在AS中发现铁灭基因 (ACSL4,CBS,FTH1,TFRC) 的差异表达.
• 观察到RIC3和FTH1之间的显著负相关性,以及SPON1和VDAC3.3之间的正相关性.
• 确定了用于AS治疗的潜在候选药物.

结论:

• 这项研究为动脉样硬化的遗传调节提供了新的见解.
• 关键的基因和参与炎症和免疫的途径都与AS病变发生有关.
• 鉴定到的基因和药物预测为AS的治疗干预提供了潜在的途径.