将生物信息学和机器学习结合起来,以识别与免疫细胞透相关的结核病诊断生物标志物
Shoupeng Ding1, Xiaomei Yi2, Jinghua Gao3
1Department of Laboratory Medicine, Gutian County Hospital, Gutian, 352200, China.
Tuberculosis (Edinburgh, Scotland)
|October 17, 2024
概括
新的生物标志物PDE7A和DOK3显示出对结核病 (TB) 的诊断有前途. 它们的表达与免疫细胞透相关,为改善结核病诊断和向治疗提供了潜力.
科学领域:
- 发现生物标志物的发现.
- 分子诊断学 分子诊断学
- 免疫学 免疫学 免疫学
背景情况:
- 潜伏性结核病 (TB) 通常是无症状的,使诊断复杂化.
- 目前的结核病诊断方法存在局限性.
- 准确的结核病诊断对于有效的治疗和控制至关重要.
研究的目的:
- 为了确定结核病 (TB) 的新型诊断生物标志物.
- 使用机器学习评估已识别的生物标志物的诊断潜力.
- 研究结核病中的生物标志物和免疫细胞透之间的相关性.
主要方法:
- 对公共数据集的基因表达差异分析 (GSE19435,GSE19444,GSE54992).
- 基因本体学 (GO) 和KEGG通路丰富分析.
- 机器学习算法用于生物标志物识别和验证 (GSE83456,GSE62525,RT-qPCR).
- 对免疫细胞透和与生物标志物表达相关性的分析.
主要成果:
- 确定了249个差异表达基因 (DEGs).
- 发现PDE7A和DOK3是潜在的结核病诊断生物标志物.
- 通过RT-qPCR验证了PDE7A和DOK3表达,具有很高的诊断准确性 (AUC组合为0.926).
- 在PDE7A,DOK3表达和免疫细胞透之间发现了显著的相关性.
结论:
- PDE7A和DOK3显示出结核病的显著诊断潜力.
- 这些生物标志物与结核病中的免疫细胞透模式密切相关.
- PDE7A和DOK3代表了新的结核病诊断工具和治疗点的有希望的候选人.
