使用综合生物信息学方法和机器学习策略来识别心房的潜在特征

科学领域:

• 心血管生物学心血管生物学
• 生物信息学是一种生物信息学.
• 遗传学 遗传学 是一个

背景情况:

• 前庭动 (AF) 是最常见的动脉节律失常症,对健康构成重大风险.
• 了解AF的发病因子对于开发有效的治疗策略至关重要.
• 对AF相关基因表达的生物信息学分析可以揭示关键的分子机制.

研究的目的:

• 用生物信息学识别参与心房动病变的关键基因和途径.
• 选潜在的诊断和治疗目标的AF.

主要方法:

• 从AF和鼻节律患者的心房附属组织的基因表达差异分析.
• 使用基因本体学 (GO) 和基因和基因组的京都百科全书 (KEGG) 的功能丰富分析.
• 权重基因共同表达网络分析 (WGCNA),LASSO,SVM和ROC曲线分析以确定关键基因.
• 定量实时PCR (qPCR) 用于验证基因表达.

主要成果:

• 在AF患者中鉴定了2578个差异表达基因 (DEG).
• 功能丰富揭示了与神经活性联结体受体相互作用和神经元调节相关的途径.
• 选HOXA2和RND2作为关键的AF相关基因,RND2在鼻节律患者的表达显著高于AF患者.

结论:

• RND2与心房的发作有显著的关联.
• RND2代表了进一步研究AF病原和治疗的潜在分子标.