查和验证与系统性红斑狼相关的cuproptosis基因通过表达造型结合机器学习的表达造型

科学领域:

• 细胞生物学 细胞生物学
• 免疫学 免疫学 免疫学
• 计算生物学是一种计算生物学.

背景情况:

• 铜诱导的细胞死亡途径cuproptosis是生命科学中最近的一项发现.
• 系统性红斑狼 (SLE) 是一种复杂的自身免疫性疾病,目前正在研究其潜在机制.
• 识别SLE病变的新型分子参与者对于开发有效的诊断和治疗方法至关重要.

研究的目的:

• 用机器学习和单细胞RNA测序 (scRNA-seq) 来识别系统性红斑狼 (SLE) 中与cuproptosis相关的基因.
• 选和验证潜在的cuproptosis相关的生物标志物用于SLE诊断.
• 研究这些生物标志物与SLE.免疫细胞透之间的关系.

主要方法:

• 机器学习算法 (LASSO,SVM-RFE) 应用于微阵列数据集 (GSE65391,GSE61635),以识别SLE中差异表达的基因.
• 用接收器操作特征 (ROC) 曲线分析来评估候选基因的诊断价值.
• 分析了scRNA-seq数据 (GSE162577),以了解免疫细胞中的基因分布.
• 实时定量PCR (qPCR) 进行了关键基因的实验验证.

主要成果:

• 在SLE培训数据集中发现了12个与cuproptosis相关的基因.
• 包括PDHB和GLS在内的9个特征基因被选为潜在的SLE生物标志物.
• 在培训和验证数据集中,PDHB和GLS都显示出显著的诊断价值.
• 相关性分析揭示了九个基因与SLE.免疫细胞透模式之间的关系.

结论:

• 这项研究成功地确定了九个与cuproptosis相关的基因,作为SLE的潜在生物标志物.
• PDHB和GLS成为SLE的特别有前途的诊断标志物.
• 这些发现提供了关于cuproptosis在SLE发病过程中的作用的新见解,并为未来的研究和临床应用提供了途径.