SLC6A14作为性结肠炎的关键诊断生物标志物:一种综合生物信息学和机器学习方法

科学领域:

• 胃肠病学 胃肠病学
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 性结肠炎 (UC) 是一种慢性炎症性肠病,具有肠道炎症和自身免疫反应.
• 准确的诊断生物标志物对于UC的有效管理至关重要.

研究的目的:

• 使用生物信息学和机器学习识别和验证性结肠炎 (UC) 的新型诊断生物标志物.
• 调查已识别的生物标志物在UC病原和免疫细胞透中的作用.

主要方法:

• 在UC患者数据上的差异基因表达分析.
• 机器学习算法 (LASSO,SVM-RFE,随机森林) 用于生物标志物选择.
• 接收器操作特征 (ROC) 曲线分析用于诊断性能评估.
• 针对免疫细胞透分析的CIBERSORT算法.
• 免疫光染色用于临床验证.

主要成果:

• 鉴定了199个差异表达基因;SLC6A14成为一个具有高AUC值 (0.973-0.984) 的关键诊断生物标志物.
• 免疫细胞样本显示中性粒细胞增加和激活的巨细胞,SLC6A14与免疫细胞种群有很强的相关性.
• 免疫光检测证实UC患者的SLC6A14表达显著更高,随疾病活性增加.

结论:

• SLC6A14是性结肠炎 (UC) 验证的关键诊断标志物.
• 通过免疫细胞相互作用和非编码RNA调节,SLC6A14在UC病变发生中发挥作用.
• 这项研究为UC诊断和了解疾病机制提供了一个新的生物标志物.