通过WGCNA和机器学习探索心血管栓塞性中风和心房动之间的共享生物标志物
Jingxin Zhang1, Bingbing Zhang1, Tengteng Li1
1School of Life Sciences, Beijing University of Chinese Medicine, Beijing, China.
Frontiers in cardiovascular medicine
|September 13, 2024
概括
生物信息学和机器学习确定了四种共享的生物标志物 (PIK3R1,ITGAM,FOS,TLR4),这些生物标志物将心血管梗塞和心房动联系起来. 免疫反应途径与此有关,这表明这些常见的心血管疾病的新治疗点.
科学领域:
- 生物医学信息学 生物医学信息学
- 心血管研究研究心血管研究
- 基因组学就是基因组学.
背景情况:
- 心血管栓塞性中风 (CS) 和心房动 (AF) 是具有重大社会影响的普遍疾病.
- 在CS和AF之间复杂的关系和共同的病因机制仍然不太清楚.
- 研究共享生物标志物对于理解疾病病原和开发向疗法至关重要.
研究的目的:
- 使用生物信息学和机器学习,识别心血管栓塞性中风 (CS) 和心房动 (AF) 之间的共享分子生物标志物.
- 探索与这些共享生物标志物相关的功能途径和蛋白质-蛋白质相互作用.
- 根据已识别的生物标志物构建CS和AF的预测模型.
主要方法:
- 基于来自GEO的CS和AF基因表达数据集的权重基因同表达网络分析 (WGCNA).
- 分享基因的基因本体学 (GO) 和KEGG通路丰富分析.
- 使用STRING识别枢纽基因的蛋白质-蛋白质相互作用 (PPI) 网络构建.
- 机器学习模型和ROC曲线分析用于生物标志物验证.
主要成果:
- 功能性丰富分析强调了免疫反应途径在CS和AF中的参与.
- 蛋白与蛋白相互作用网络分析确定了与这两种疾病相关的四个关键基因 (PIK3R1,ITGAM,FOS,TLR4).
- 机器学习模型证明了这些已识别的生物标志物的诊断潜力.
结论:
- 四个枢纽基因 (PIK3R1,ITGAM,FOS,TLR4) 被确定为与CS和AF显著相关.
- 这些发现表明,免疫反应途径在CS和AF的发病过程中发挥着关键作用.
- 这些已识别的生物标志物和途径为未来研究致病机制和治疗策略提供了潜在的途径.
