在中枢神经系统中识别与免疫相关的精神分裂症生物标志物,使用生物信息学方法和机器学习算法

科学领域:

• 神经科学是一个神经科学.
• 遗传学 是一个遗传学.
• 免疫学 免疫学 免疫学

背景情况:

• 精神分裂症是一种严重的精神障碍,急需诊断生物标志物和治疗点.
• 识别潜在的遗传和免疫机制对于推进治疗策略至关重要.

研究的目的:

• 使用生物信息分析识别与精神分裂症相关的新型免疫相关基因.
• 发现潜在的诊断生物标志物和精神分裂症的治疗点.

主要方法:

• 下载并合并了五个精神分裂前额叶皮层基因表达数据集 (GEO数据库).
• 进行了差异基因表达 (DEG) 分析和加权基因共同表达网络分析 (WGCNA).
• 使用CIBERSORT进行免疫细胞透分析和机器学习 (LASSO,随机森林,SVM-RFE) 进行基因查.

主要成果:

• 通过WGCNA识别了六个与精神分裂症相关的模块 (12,888个基因),富含免疫过程.
• 通过整合DEG,WGCNA和免疫基因组,发现了151个与精神分裂症相关的免疫相关基因.
• 通过机器学习选了17个特征基因,包括EIF4A2,EIF4A2在老鼠模型中得到了验证,该模型显示了由RISPERIDONE逆转的减少表达.

结论:

• 发现了17个与免疫相关的特征基因和精神分裂症的枢纽基因 (EIF4A2).
• 这些已识别的基因代表了潜在的诊断生物标志物和精神分裂症的治疗点.
• 这些发现强调了免疫失调在精神分裂症发病过程中的作用.