基于转录组分析的免疫透和PANoptosis相关的分子的识别和阿尔茨海默病的预测模型
Jin-Lin Mei1, Shi-Feng Wang1, Yang-Yang Zhao1
1School of Anesthesiology Zunyi Medical University Zunyi China.
Ibrain
|September 30, 2024
概括
这项研究确定了与PANoptosis相关的关键基因 (PRG) 和阿尔茨海默病 (AD) 中的免疫细胞概况. 一个XGBoost模型突出了预测AD进展和理解疾病机制的五个关键基因.
科学领域:
- 神经科学是一个神经科学.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,具有复杂的潜在机制.
- 新定义的细胞死亡途径PANoptosis越来越多地与各种疾病有关,包括神经退行.
- 了解PANoptosis和AD免疫反应之间的相互作用对于开发新的治疗策略至关重要.
研究的目的:
- 在阿尔茨海默氏症 (AD) 中研究与PANoptosis相关的基因 (PRG) 的表达模式.
- 分析与AD中PRG表达相关的免疫细胞透概况.
- 开发一个预测模型,用于识别AD病变发生过程中的关键PRG.
主要方法:
- 利用基因表达综合 (GEO) 数据库用于AD中PRG的差异基因表达分析.
- 使用基因组变异分析 (GSVA) 进行途径丰富分析 (GO,KEGG).
- 应用权重基因共同表达网络分析 (WGCNA) 识别核心基因模块,并利用机器学习算法 (随机森林,SVM,GLM,XGBoost) 进行预测建模.
主要成果:
- 在AD中确定了差异表达的PRG和独特的免疫透模式.
- 开发了一个XGBoost模型,选择了五个关键的PRG:STAT3,TNFRSF1B,IL4R,CLIC1和TNFRSF10B.
- 这些基因显示出作为AD预测和进展的生物标志物的巨大潜力.
结论:
- 在阿尔茨海默氏病的发病过程中,PANoptosis扮演着重要的角色.
- 建立的XGBoost模型有效地选关键的PRG,提供对AD机制的洞察力.
- 在AD中改变的免疫透与PRG的表达密切相关,这表明了复杂的相互作用.
