纤维化中的关键RNA结合蛋白:用于诊断和治疗见解的综合生物信息学和机器学习框架
Jie Chen1,2, Binghan Zhang1, Qixuan Huang1
1Department of Endocrinology, the Second Affiliated Hospital of Chongqing Medical University, Chongqing, China.
Renal failure
|February 17, 2025
概括
研究人员确定了与纤维化相关的关键RNA结合蛋白 (RBPs),为慢性病提供了新的诊断生物标志物和潜在的治疗点. 这一发现促进了对纤维化机制的理解.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 纤维化是慢性病 (CKD) 进展的主要驱动因素.
- 目前对纤维化的诊断和治疗策略有限.
- 人们越来越认识到RNA结合蛋白 (RBPs) 在纤维化过程中的作用.
研究的目的:
- 确定和验证关键的RBP参与纤维化病原体.
- 开发基于RBP表达的纤维化的诊断模型.
- 探索已识别的RBPs的治疗潜力.
主要方法:
- 一个大型纤维化数据集 (GEO) 的综合生物信息学分析.
- 机器学习模型的应用 (拉索,物流回归) 用于RBP识别.
- 路径丰富分析 (基因本体学,KEGG) 和单细胞RNA测序.
- 使用小鼠单边尿路阻塞 (UUO) 模型进行实验验证.
主要成果:
- 一个包括五个RBPs (FKBP11,DCDC2,COL6A3,PLCB4,GNB5) 的诊断模型在外部验证下显示出高准确度 (AUC = 0.899).
- 已识别的RBP与免疫中介途径有关,包括细胞因子信号传递和炎症.
- 单细胞分析揭示了细胞特异的RBP表达模式.
- FKBP11与巨细胞透有关,这表明了治疗潜力.
结论:
- 已经确定了与纤维化相关的新型RBP,从而提高了对疾病发病因子的理解.
- 已识别的RBP可以作为诊断和治疗目标的潜在可操作生物标志物.
- 生物信息学和机器学习的整合凸显了这些发现对病管理的翻译价值.
