在PCOS中开发用于诊断生物标志物识别和免疫细胞透分析的机器学习模型
Wenxiu Chen1, Jianliang Miao2, Jingfei Chen3
1Reproductive Medicine Center, Department of Obstetrics and Gynecology, The Second Xiangya Hospital, Central South University, Changsha, Hunan, China.
Journal of ovarian research
|January 4, 2025
概括
这项研究确定了四种新的枢纽基因 (CNTN2,CASR,CACNB3,MFAP2) 作为多囊性卵巢综合征 (PCOS) 的潜在诊断生物标志物. 这项研究还强调了CD4记忆休息T细胞在PCOS发展中的作用,为诊断和治疗提供了新的见解.
科学领域:
- 内分泌学 在内分泌学.
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 多囊卵巢综合征 (PCOS) 是一种普遍存在的内分泌疾病,影响生殖年龄的女性,其特点是高雄性和无排卵.
- 目前存在的诊断局限性是由于PCOS机器学习 (ML) 应用中的样本规模较小和算法约束.
- 这项研究通过扩大样本大小和使用先进的ML模型来识别PCOS生物标志物和免疫细胞模式来解决这些差距.
研究的目的:
- 使用机器学习算法识别和验证多囊卵巢综合征 (PCOS) 的新型诊断生物标志物.
- 探索免疫细胞透在PCOS病变发生过程中的作用.
- 通过先进的计算方法提高PCOS诊断的准确性.
主要方法:
- 在13个对照组和25名PCOS患者的粒粉细胞上进行RNA测序 (RNA-seq),结合公开数据.
- 不同基因表达分析,基因本体学 (GO) 和KEGG通路分析,LASSO和SVM-RFE用于枢纽基因识别.
- 支持矢量机 (SVM) 和XGBoost模型用于诊断准确性验证,CIBERSORT用于免疫细胞分析,RT-qPCR用于枢纽基因确认.
主要成果:
- 在PCOS和对照组之间确定了824个差异表达基因 (DEG).
- 四个枢纽基因 (CNTN2,CASR,CACNB3,MFAP2) 被选择为具有高精度的潜在诊断生物标志物 (SVM的AUC为0.795,XGBoost的0.875).
- 在PCOS患者中发现CD4记忆休息T细胞显著减少,由CIBERSORT分析证实.
结论:
- CNTN2,CASR,CACNB3和MFAP2已被验证为PCOS的潜在诊断生物标志物.
- 显著的CD4记忆休息T细胞透与PCOS发病和进展有关.
- 这些发现为PCOS病原机制和潜在的治疗点提供了证据.
