免疫微环境变化和慢性病中关键诊断生物标志物的识别使用综合生物信息学和机器学习
Jinbao Shi1, Aliang Xu1, Liuying Huang1
1Department of Nephrology, Ningde Hospital of Traditional Chinese Medicine, Ningde, Fujian, People's Republic of China.
Pharmacogenomics and personalized medicine
|November 26, 2024
概括
这项研究通过分析免疫细胞透和基因表达,确定了四个关键基因 (RGS1,IL4I1,NR4A3,SOCS3) 作为慢性病 (CKD) 的诊断生物标志物. 使用这些基因的预测模型显示,对CKD诊断具有很高的准确性.
科学领域:
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 慢性病 (CKD) 的特点是复杂的免疫失调和改变的基因表达.
- 了解这些分子变化对于确定诊断和治疗点至关重要.
研究的目的:
- 为了研究免疫细胞透,差异性基因表达和CKD患者的途径丰富.
- 使用机器学习方法识别CKD的关键诊断生物标志物.
主要方法:
- 使用xCell算法评估了免疫细胞透和微环境得分.
- 鉴定了差异表达基因 (DEG),并使用GSEA和GSVA分析了途径丰富.
- 机器学习 (LASSO,随机森林) 和名录模型被用于诊断基因识别和预测.
主要成果:
- 在CKD患者中观察到免疫细胞透的显著变化和免疫微环境得分的增加.
- 确定了2335个DEG,包括124个与免疫相关的基因,在炎症和免疫通路中进行丰富.
- 四个关键的诊断基因 (RGS1,IL4I1,NR4A3,SOCS3) 已被确定并验证,在名谱模型中显示出高预测准确度.
结论:
- 该研究确定了CKD的新型诊断生物标志物,为改进诊断工具提供了潜力.
- 这些已识别的基因 (RGS1,IL4I1,NR4A3,SOCS3) 在免疫调节和CKD病变发生过程中发挥作用.
- 这些基因代表了未来CKD干预的潜在治疗点.
