基于多个机器学习算法,开发出免疫衍生的孕前分子标记物

科学领域:

• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 孕前 (PE) 是一种具有重大孕产妇和新生儿风险的严重妊娠并发症.
• 免疫失调在PE病变的作用仍然不完全理解.
• 识别与免疫透相关的分子标记物对于治疗开发至关重要.

研究的目的:

• 在孕前中识别与免疫相关的差异表达基因 (DEGs).
• 利用机器学习和免疫生物标志物开发PE的预测模型.
• 探索免疫细胞和PE中的分子特征之间的关系.

主要方法:

• 来自GEO数据库的基因表达数据的生物信息分析.
• 使用DESeq2和limma的差异表达式分析.
• 机器学习算法 (LASSO,袋式树,RF) 用于生物标志物选择和模型构建.

主要成果:

• 确定了34个与免疫源相关的DEGs.
• 开发了使用ML衍生的免疫生物标志物对PE进行强大的诊断预测模型.
• 在六种免疫细胞类型和PE生物标志物之间发现了显著的关联.
• 发现了来自免疫的枢纽基因,具有潜在的药物结合能力 (例如,阿利特雷因).

结论:

• 开发的预测模型整合了多个与免疫相关的生物标志物,以提高PE预测.
• 已识别的生物标志物显示出可能超过PE的现有分子特征.
• 该研究提供了关于PE免疫失调机制的见解,为临床应用铺平了道路.