基于生物信息学分析和机器学习的非酒精性脂肪肝和性结肠炎的潜在诊断标志物和治疗目标

科学领域:

• 肝病学和胃肠病学 肝病学和胃肠学
• 分子生物学分子生物学
• 免疫学 免疫学 免疫学

背景情况:

• 非酒精性脂肪肝 (NAFLD) 和性结肠炎 (UC) 是普遍存在的全球健康问题,其病理生理联系尚不清楚.
• 之前的研究表明NAFLD和UC之间存在潜在的关联,需要进一步调查共享机制.

研究的目的:

• 识别导致NAFLD和UC的常见基因和致病机制.
• 发现两种疾病的共同诊断标志物和潜在治疗点.

主要方法:

• 从GEO数据库中使用的基因表达数据集 (NAFLD的GSE89632,UC的GSE87466)
• 雇佣权重基因共同表达网络分析 (WGCNA) 以确定NAFLD和UC之间的共享基因.
• 通过Cytoscape进行了功能性丰富分析,构建了蛋白质-蛋白质相互作用网络,并确定了枢纽基因.
• 使用LASSO回归,SVM和ROC曲线分析选诊断生物标志物,并开发了一个名图.
• 使用CIBERSORT算法分析了免疫细胞透模式.

主要成果:

• 确定了34个与NAFLD和UC相关的共享基因,富含IL-17信号传递等途径.
• 通过LASSO回归和SVM选择了CCL2作为最佳候选基因,ROC分析证实了它在两种条件中的诊断价值.
• 在NAFLD和UC样本中发现了CCL2表达和免疫细胞透之间的显著相关性.

结论:

• 确定了CCL2作为NAFLD和UC的潜在共享生物标志物.
• CCL2可能会积极参与NAFLD和UC的进展.
• 这一发现对了解疾病进展和开发新型诊断和治疗策略具有重大意义.