一个机器学习模型和免疫透的识别慢性阻塞性肺病基于与dissulfidptosis相关的基因
Sijun Li1, Qingdong Zhu2, Aichun Huang2
1Infectious Disease Laboratory, The Fourth People's Hospital of Nanning, Nanning, China.
BMC medical genomics
|January 8, 2025
概括
与失硫性肺炎相关的基因 (DRG) 与慢性阻塞性肺病 (COPD) 有关. 本研究确定了DRG作为预测,预防和个性化COPD治疗的潜在生物标志物,与PPPM原则保持一致.
科学领域:
- 肺部医学 肺部医学
- 遗传学 是一个遗传学.
- 计算生物学 计算生物学
背景情况:
- 慢性阻塞性肺病 (COPD) 是一种渐进的肺部疾病.
- 与二硫化症相关的基因 (DRG) 参与了COPD的发病.
- 了解DRG支持COPD的预测,预防和个性化医学 (PPPM).
研究的目的:
- 调查DRG在COPD发展中的作用.
- 使用DRG识别COPD的分子亚型和特征.
- 开发一种用于COPD患者分层的机器学习模型.
主要方法:
- 在COPD患者中对DRG表达和免疫细胞透的分析 (GSE38974数据集).
- 权重基因共同表达网络分析 (WGCNA) 以确定共同表达模块.
- 机器学习模型 (RF,SVM,GLM,XGB) 进行了比较,以构建一个最佳的预测模型.
主要成果:
- 根据DRG和免疫细胞透,确定了两个不同的COPD患者群.
- 在集群之间观察到DRG,免疫细胞种群和生物通路的显著差异.
- 一个支持向量机 (SVM) 模型确定了五个关键的预测基因,用于COPD患者的差异化.
结论:
- 脱硫位症在COPD中发挥着作用,DRG具有作为生物标志物的潜力.
- 为评估COPD亚型和特征,建立了一个最佳的机器学习模型.
- DRG促进了对COPD管理的PPPM的转变,使早期预测和量身定制的疗法成为可能.
