将机器学习与外部验证结合起来,以探索莫亚莫亚病中的死细胞灭绝和免疫反应

科学领域:

• 血管生物学 血管生物学
• 免疫学 免疫学 免疫学
• 遗传学 是一个遗传学.

背景情况:

• 莫亚莫亚病 (MMD) 是一种罕见的血管疾病,与认知障碍和中风有关,病因不明.
• 尸体和尸体炎症在MMD病变发生过程中的作用尚不清楚.

研究的目的:

• 在MMD.中识别差异表达的死体炎症和死相关基因 (DE-NiNRGs).
• 探索DE-NiNRGs,免疫细胞和MMD病原体之间的关系.
• 开发基于DE-NiNRGs的MMD预测模型.

主要方法:

• 分析公开的基因表达数据 (基因表达总汇) 并与患者数据进行验证.
• 功能丰富分析,蛋白与蛋白相互作用 (PPI) 网络和多因素调节网络建设.
• 对DE-NiNRG和免疫细胞之间的相关性分析,以及支持矢量机器 (SVM) 预测模型的开发.

主要成果:

• 在MMD患者中确定了DE-NiNRGs及其与免疫细胞的相关性.
• 开发了一个基于SVM的MMD预测模型,其AUC>0.9.9.
• 突出了PTGER3,ANXA1,ID1和IL1R1作为关键基因,PTGER3的上调与亡/血管生成有关,ANXA1的下调与免疫细胞迁移/分化有关.

结论:

• 尸体和尸体炎症与MMD病变发生有关.
• DE-NiNRGs及其与免疫反应的关联为MMD提供了洞察力.
• 已识别的关键基因可能成为MMD的潜在治疗点.