使用WGCNA和机器学习算法识别婴儿血瘤的潜在诊断和治疗目标

科学领域:

• 血管生物学 血管生物学
• 儿科瘤学 儿科瘤学
• 基因组学就是基因组学.

背景情况:

• 婴儿血瘤 (IH) 是婴儿和儿童最常见的良性血管瘤,在理解其机制和治疗方面存在挑战.
• 不正常的血管发育是IH的基础,需要确定特定的生物标志物和治疗点.

研究的目的:

• 为了确定婴儿血管瘤 (IH) 治疗的关键目标基因.
• 探索这些基因在IH病理生理学中的作用.
• 开发一种用于IH诊断的预测模型.

主要方法:

• 从基因表达综合数据库 (GEO) 获取的基因表达数据.
• 采用加权基因共同表达网络分析 (WGCNA) 来识别基因集群.
• 利用随机森林和最小绝对收缩和选择操作员 (LASSO) 回归来进行基本的基因识别.
• 进行单样样本基因组丰富分析 (ssGSEA) 进行免疫透评估.

主要成果:

• 确定了与IH相关的五个关键基因:NETO2,IDO1,KDR,MEG3和TMSB15A.
• 基于这些枢纽基因构建了一个名录,用于预测IH诊断,证明了临床意义.
• 在血瘤衍生的内皮细胞 (HemECs) 中发现NETO2表达升高,NETO2沉默显著抑制瘤细胞生长和迁移.

结论:

• NETO2 在婴儿血管瘤 (IH) 发育中起着至关重要的作用.
• 向NETO2为改善IH治疗结果提供了一个有希望的治疗策略.
• 鉴定到的枢纽基因和预测性名谱为IH病理生理学和临床管理提供了宝贵的见解.