使用生物信息学分析和机器学习,识别和免疫学表征产前中与cuproptosis相关的基因

科学领域:

• 基因组学和分子生物学
• 免疫学 免疫学 免疫学
• 病理学 病理学 病理学

背景情况:

• 孕前 (PE) 是一种原因不明的妊娠障碍,威胁着母亲和胎儿的健康.
• 质亡是一种新的细胞死亡途径,与各种疾病有关,但其在PE中的作用尚未被探索.
• 了解PE中cuproptosis和免疫基因的相互作用至关重要.

研究的目的:

• 研究PE中与cuproptosis相关的基因 (CRG) 的基因表达模式.
• 分析PE中的免疫细胞透.
• 根据cuproptosis和免疫配置文件,确定PE的潜在诊断标记物.

主要方法:

• 使用了来自基因表达综合 (GEO) 数据库的GSE98224数据集.
• 鉴定了与cuproptosis相关的差异表达基因 (DECRGs),进行了丰富分析 (GO,KEGG),并构建了一个蛋白质与蛋白质相互作用 (PPI) 网络.
• 用于集群,生物标志物识别和预测的受雇权重基因共同表达网络分析 (WGCNA) 和机器学习模型 (包括RF和ResNet).

主要成果:

• 确定了10个DECRG和两个独特的患者群,在PE中具有独特的免疫特征.
• 随机森林 (RF) 模型显示PE识别的最佳性能 (AUC = 0.733),突出了五个关键预测基因:GSTA4,KCNK5,APLNR,IKZF2和CAP2.
• 在验证这些发现时,ResNet模型实现了高预测准确度 (AUC = 0.82).

结论:

• 质和免疫透在PE的发病过程中起着重要作用.
• GSTA4,KCNK5,APLNR,IKZF2和CAP2被确定为潜在的诊断和预后生物标志物,用于与cuproptosis相关的PE.
• 这些发现为PE病因和潜在的治疗点提供了新的见解.