通过机器学习和分子亚型分析来识别与PANoptosis相关的基因,用于异常性肺纤维化

科学领域:

• 肺部医学 肺部医学
• 细胞生物学 细胞生物学
• 生物信息学是一种生物信息学.

背景情况:

• 异形性肺纤维化 (IPF) 是一种严重的肺部疾病,结果不佳.
• 细胞死亡机制对IPF的发病有着显著的贡献.
• 特定的细胞死亡途径PANoptosis与IPF的发展有关.

研究的目的:

• 为了确定IPF中PANoptosis的诊断生物标志物.
• 在IPF中发现与PANoptosis相关的分子亚型.
• 为IPF开发基于PANoptosis机制的诊断模型.

主要方法:

• 利用了来自GEO数据库的外周血液转录数据.
• 整合了来自GeneCards的PANoptosis相关基因.
• 应用差异基因表达分析,WGCNA和机器学习算法.
• 采用共识集群来确定子类型.

主要成果:

• 确定了9个与PANoptosis相关的差异表达基因 (PDEGs).
• 发现了3个关键的诊断生物标志物:MMP9,FCMR和NIBAN3.
• 描述了两种与PANoptosis相关的分子亚型,具有不同的免疫细胞简介和途径丰富 (DNA损伤与脂质代谢/血管改造).

结论:

• 确立了IPF中PANoptosis的新型诊断生物标志物和分子亚型.
• 开发了诊断模型,为IPF诊断和治疗提供了一种新的方法.
• 突出了PANoptosis在IPF异质性和进展中的作用.