使用机器学习算法识别糖尿病病和认知功能障碍中常见的生物标志物

科学领域:

• 分子生物学分子生物学
• 基因组学就是基因组学.
• 神经科学是一个神经科学.

背景情况:

• 糖尿病引起的认知功能障碍是一个全球性的健康问题.
• 已知糖尿病病 (DKD) 会加剧认知障碍,但根本机制尚未完全理解.

研究的目的:

• 在糖尿病患者中确定DKD和认知功能障碍之间的共享差异表达基因 (DEG) 和潜在生物标志物.
• 开发一个诊断模型的DKD与认知功能障碍.

主要方法:

• 来自基因表达综合 (GEO) 数据库的RNA测序数据分析.
• 机器学习算法 (LASSO,SVM-RFE) 和Venn图用于识别重叠的DEG.
• 基因本体学 (GO),基因组丰富分析 (GSEA) 和基因组变异分析 (GSVA) 用于功能丰富.
• 在动物模型中用于生物标志物验证的RT-PCR,免疫光和西部斑.

主要成果:

• 在DKD和皮神经元之间确定了133个DEG;8个重叠基因 (ZNF564,VPS11,YPEL4,VWA5B1,A2ML1,KRT6A,SEC14L1P1,SH3RF1) 被选择为潜在的生物标志物.
• 这些生物标志物在与自,无酸酶活性和MAP-激酶信号传递相关的途径中得到丰富.
• 一个诊断模型显示了可靠的DKD与认知功能障碍的预测能力.
• 验证了SH3RF1在小鼠模型的皮质,海马体和脏中的显著上调基因,可能通过亡影响DKD和认知功能障碍.

结论:

• SH3RF1可能作为糖尿病病和相关认知功能障碍的常见基因表达生物标志物.
• 已识别的生物标志物和诊断模型为了解和管理这些相互关联的条件提供了潜力.