先进的全转录组测序和人工智能/机器学习 (AI/ML) 在伊米基莫德诱导的人类角质细胞的牛皮样炎症中

科学领域:

• 皮肤病学 皮肤病学
• 免疫学 免疫学 免疫学
• 分子生物学分子生物学

背景情况:

• 哈卡特 (HaCaT) 角质细胞模型用于研究抗病剂.
• 缺乏对像素胺 (IMQ) 诱导的增殖和在牛皮样角质细胞中的信号转导的全面理解.

研究的目的:

• 研究人类角质细胞中IMQ诱导的牛皮类炎症的分子机制和途径.
• 为了确定牛皮的关键基因,途径和潜在的治疗点.

主要方法:

• 用IMQ治疗HaCaT细胞以诱导炎症.
• 评估了细胞活力和形态.
• 进行了全转录组测序和生物信息网络分析.
• 基因组丰富分析 (GSEA) 确定了丰富的途径.
• 定量PCR (QPCR) 证实了关键细胞因子表达.
• 人工智能/机器学习 (AI/ML) 算法预测疾病关联.

主要成果:

• IMQ治疗增强了HaCaT细胞的存活率,而不会改变形态.
• 鉴定了513个不同表达的基因.
• 生物信息学分析强调了免疫反应,细胞增殖和细胞因子信号传递途径.
• GSEA揭示了IFN-γ反应和JAK-STAT信号通路的丰富.
• QPCR证实IL-6和TNF-αmRNA表达的增加.
• AI/ML算法表明与多发性硬化症,淋巴增殖性恶性瘤和自身免疫性疾病的相关性.

结论:

• 特定的基因和通路,包括IFN-γ通路和IL-6/JAK-STAT信号传递,在IMQ诱导的牛皮样炎症中至关重要.
• AI/ML预测为潜在的疾病关联提供了洞察力,并为牛皮和相关疾病提供了新的治疗策略.