通过机器学习和单细胞转录学,识别和构建一个R循环介导的诊断模型和COPD相关的免疫微环境
Jianing Lin1, Yayun Nan2, Jingyi Sun1
1Department of Geriatrics, Respiratory Medicine, Xiangya Hospital, Central South University, Changsha, 410008, China.
Inflammation
|January 11, 2025
概括
涉及炎症的R环与慢性阻塞性肺病 (COPD) 有关. 本研究确定了关键的R循环调节器 (RLR) 和针对个性化COPD治疗的预测模型.
科学领域:
- 分子生物学分子生物学
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 慢性阻塞性肺病 (COPD) 是一种主要的全球健康问题,其特点是慢性呼吸道炎症.
- 在转录过程中形成的结构R环,越来越多地被认为是它们在炎症过程中的作用.
- 对于R环调节器 (RLRs) 在COPD病变发生过程中的具体参与,仍然在很大程度上未被探索.
研究的目的:
- 研究RLRs在COPD中的表达模式和功能意义.
- 为了确定潜在的RLR-based生物标志物用于COPD风险分层.
- 探索RLRs作为个性化COPD管理的治疗点.
主要方法:
- 从COPD患者的肺组织中大量和单细胞RNA测序数据的分析.
- 应用12个机器学习算法来识别与COPD相关的关键RLR.
- 基于COPD亚型分类的确定RLR的风险评分模型的开发.
- 在COPD小鼠模型中使用RT-PCR验证RLR表达.
主要成果:
- 在COPD患者和中性粒细胞中观察到较低的R循环得分.
- 机器学习确定了14个与COPD显著相关的枢纽RLR.
- 风险评分模型将COPD患者分为高风险 (低R循环评分) 和低风险 (高R循环评分) 的亚型.
- 高风险的COPD患者表现出免疫细胞透的增加,特别是中性粒细胞.
结论:
- 在COPD的发展和进展中,R环起着重要作用.
- 基于RLRs的预测模型可以对COPD患者进行分层,并为个性化治疗策略提供信息.
- 研究RLR为COPD的新型治疗干预提供了有希望的途径.
