识别和验证与氧化应激相关的诊断标记,用于重复的流产:机器学习和分子分析的见解

科学领域:

• 基因组学和生物信息学
• 生殖医学 生殖医学
• 生物标志物发现发现

背景情况:

• 氧化应激 (OS) 越来越被认为是导致重复流产 (RPL) 的因素.
• 然而,将OS与RPL联系起来的特定生物标志物有限,阻碍了有效的诊断和管理.
• 本研究旨在识别和验证RPL的OS相关生物标志物.

研究的目的:

• 在RPL中识别差异表达的氧化应激相关基因 (DE-OSRGs).
• 使用机器学习算法为RPL选择可靠的诊断标记.
• 探索与这些标记物相关的功能途径和治疗点.

主要方法:

• 对基因表达综合 (GEO) 数据集GSE165004对DEGs的分析.
• DEGs与789个与氧化压力相关的基因 (OSRGs) 的汇编相交.
• 通过RT-PCR和免疫组织化学应用四种机器学习算法来选择和验证诊断标记物.

主要成果:

• 20个DE-OSRG的鉴定,其中KRAS,C2orf69,CYP17A1和UCP3被选为关键诊断标记.
• 预测性名图显示了有利的准确性;通路分析显示了核糖体,过氧体和神经退行性疾病通路的丰富.
• 验证证实了RPL组织中KRAS,C2orf69,CYP17A1和升高的UCP3的减少表达.

结论:

• 建议KRAS,C2orf69,CYP17A1和UCP3作为RPL诊断的新型氧化压力相关分子标记.
• 这些标记物也可以作为RPL潜在治疗干预的目标.
• 这些发现为开发针对重复流产的新诊断和治疗策略提供了基础.