基于生物信息学分析和机器学习的骨质疏松症和慢性HBV感染相关基因查
Jia Yang1, Weiguang Yang2, Yue Hu3
1Clinical College of Neurology, Neurosurgery and Neurorehabilitation, Tianjin Medical University, Tianjin, China.
Frontiers in immunology
|October 1, 2024
概括
这项研究确定了16个与HBV相关的基因 (HRGs),并开发了一种诊断模型,以在慢性HBV感染 (CBI) 患者中早期检测骨质疏松症 (OP),显示出高准确度. 这些发现支持早期诊断和针对慢性HBV相关OP的个性化治疗.
科学领域:
- 基因组学就是基因组学.
- 肝病学 肝病学是一种肝病学.
- 内分泌学 在内分泌学.
背景情况:
- 慢性HBV感染 (CBI) 与骨质疏松症 (OP) 的风险增加有关.
- 识别将HBV与OP联系在一起的特定基因对于早期诊断和治疗至关重要.
研究的目的:
- 为了确定参与骨质疏松病变的HBV相关基因 (HRGs).
- 开发一种诊断模型,用于在患有CBI的患者中早期检测OP.
主要方法:
- 从 GEO 数据库收集的公开测序数据.
- 利用差异基因表达,LASSO和机器学习算法 (SVM,RF,GBM) 来识别HRG.
- 构建并验证了一个用于诊断预测的诺莫格拉姆模型.
主要成果:
- 在严格分析后确定了16个关键HRG和三个最终基因.
- 开发了一个支持向量机 (SVM) 模型,其准确度高 (AUC高达0.92),用于CBI中的OP预测.
- 发现了两组与慢性HBV相关的OP患者,在免疫细胞透方面存在显著差异.
结论:
- 成功识别了HRG并开发了与HBV相关的慢性OP的准确诊断模型.
- 这些发现为HBV和OP之间的相互作用提供了洞察力,有助于早期诊断和个性化治疗策略.


