通过生物信息学和机器学习方法识别与扩散大B细胞淋巴瘤相关的与铁亡相关的基因

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 遗传学 是一个遗传学.

背景情况:

• 铁亡与瘤的发展有关,特别是在扩散性大B细胞淋巴瘤 (DLBCL) 中.
• 了解DLBCL中与铁死相关的基因至关重要,但尚未得到充分研究.

研究的目的:

• 识别和描述与铁灭相关的基因 (FRG) 作为DLBCL的潜在诊断生物标志物.
• 在DLBCL中探索与这些FRG相关的治疗目标和监管网络.

主要方法:

• 从 GEO 和 FerrDb. 获取了 DLBCL 和 FRG 数据集.
• 使用LASSO和SVM-RFE算法来识别关键生物标志物基因.
• 进行了功能丰富,ceRNA网络和CIBERSORT分析.

主要成果:

• 在DLBCL中鉴定出27个差异表达的铁灭相关基因 (DE-FRGs).
• 选择了10个关键基因 (MT1G,MTOR,BRD4,ACO1,SAT1,PEBP1,LPIN1,ATM,SRXN1,PRDX1) 作为诊断生物标记的候选基因.
• 发现了免疫反应,氧化酸化和细胞循环调节的参与;确定了246种潜在的治疗剂和改变的免疫微环境.

结论:

• 基于10个与铁亡相关的基因的诊断策略为DLBCL提供了新的见解.
• 这种诊断策略的临床应用需要进一步验证.