使用机器学习识别与年龄相关的黄斑退化中的 Ferroptosis 相关基因

科学领域:

• 眼科医生 眼科 眼科
• 细胞生物学 细胞生物学
• 遗传学 是一个遗传学.

背景情况:

• 与年龄相关的黄斑变性 (AMD) 是不可逆转的视力丧失的主要原因,干燥的AMD是最常见的形式.
• 视网膜色素表皮 (RPE) 细胞死亡是干燥AMD病变发生的关键因素.
• 铁,一种由铁积累和脂质过氧化驱动的编程细胞死亡形式,与AMD有关.

研究的目的:

• 调查铁质在与年龄相关的黄斑变性 (AMD) 进展中的作用.
• 根据与铁化相关的基因,识别潜在的AMD诊断生物标志物和治疗点.

主要方法:

• 对AMD和正常样本的基因表达差异分析 (GSE29801数据集).
• 差异表达基因 (DEGs) 与铁灭基因集的交集以识别DEFGs.
• 机器学习用于选诊断基因,其次是基因组丰富分析 (GSEA).
• 在AMD铁化模型中诊断基因表达的验证 (体内和体外).

主要成果:

• 在正常和AMD样本之间确定了462个DEG.
• 功能性丰富显示出参与细胞外矩阵过程.
• 确定了10个差异表达的铁灭相关基因 (DEFGs).
• 已经确定了五个铁灭特征诊断基因:VEGFA,SLC2A1,HAMP,HSPB1和FADS2.2.
• 在AMD铁死模型中验证了SLC2A1和FADS2的增加表达.

结论:

• 铁亡可能有助于与年龄相关的黄斑变性 (AMD) 的进展.
• SLC2A1和FADS2显示为AMD的新型诊断生物标志物.
• 这些基因也代表了AMD治疗的潜在治疗点.