整合机器学习和单细胞转录组分析,以确定潜在的生物标志物,并分析缺血性中风的免疫特征
Yaowei Zhao1, Xiyuan Ma1, Xianghong Meng1
1Heilongjiang University of Chinese Medicine, Harbin, 150040, Heilongjiang, China.
Scientific reports
|October 31, 2024
概括
这项研究确定了用于缺血性中风 (IS) 诊断的新生物标志物RNF13,VASP和CD163. 这些基因揭示了免疫细胞透模式,为IS治疗提供了新的治疗点.
科学领域:
- 生物医学科学 生物医学科学
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 缺血性中风 (IS) 构成了重大的健康挑战,需要改进诊断生物标志物和治疗策略.
- 了解IS中的免疫微环境对于开发向治疗至关重要.
研究的目的:
- 通过机器学习和单细胞转录组测序 (scRNA-seq) 来识别缺血性中风 (IS) 的新型诊断生物标志物.
- 确定与IS相关的免疫细胞透特征.
- 根据已识别的生物标志物,探索IS的潜在治疗目标.
主要方法:
- 从GEO数据库中获取基因表达数据,并进行加权基因共同表达网络分析 (WGCNA).
- 应用机器学习算法和scRNA-seq分析来识别特征和差异表达基因 (DEGs).
- 利用CIBERSORT,MCPcounter和伪时空分析来描述免疫细胞透,并使用CMap数据库进行药物预测.
主要成果:
- 确定了三个关键的Hub基因:RNF13,VASP和CD163,作为潜在的IS生物标志物.
- 建立了这些Hub基因与特定免疫细胞 (包括T细胞和中性粒细胞) 之间强大的关联.
- 在巨细胞和微质细胞中观察到Hub基因的主要表达,在分化阶段有变化.
结论:
- 已识别的Hub基因 (RNF13,VASP,CD163) 作为IS诊断的相关生物标志物.
- 这项研究阐明了IS诱导的免疫透,为探索新型免疫机制提供了基础.
- 这些发现支持针对缺血性中风的针对性免疫疗法的开发.
