深度学习和单细胞测序分析揭示了动脉动脉硬化斑块进展中的关键分子特征

科学领域:

• 免疫学 免疫学 免疫学
• 心血管科学 心血管科学
• 基因组学就是基因组学.

背景情况:

• 先进的动脉动脉样硬化斑块对缺血性中风构成重大风险,这是全球发病率和死亡率的主要原因.
• 与斑块进展相关的确切免疫细胞特征和诊断生物标志物尚未得到充分理解.

研究的目的:

• 阐明免疫细胞在晚期动脉斑块进展中的作用.
• 为了确定动脉样硬化斑块进展的诊断生物标志物.

主要方法:

• 采用单细胞RNA测序和高维权基因共同表达网络分析.
• 机器学习方法,包括卷积神经网络深度学习,被用于诊断模型的开发.
• 微环境细胞群 (MCP) 计数器和非负矩阵因子化被用于分析免疫细胞透和患者异质性.

主要成果:

• 鉴定出一种独特的单细胞子集群,在发达的斑块中透率增加.
• 一个基于单细胞特征的模型准确地区分了先进的和早期的斑块 (AUC = 0.899).
• 基于基因-免疫相关性的深度学习模型实现了高级斑块的高诊断性能 (AUC = 0.933,灵敏度 = 92.3%,特异性 = 87.5%).

结论:

• 独一无二的单细胞亚群在动脉斑块的进展中起着至关重要的作用.
• 这些发现对于开发用于临床治疗动脉样硬化疾病的新型诊断工具至关重要.
• 鉴定的生物标志物和模型为早期检测和干预策略提供了潜在的潜力,以减少中风风险.