基于生物信息学分析和机器学习的慢性乙型肝炎中对干扰素反应的生物标志物的识别
Xiaoqin Yuan1, Mingsha Zhou2, Xing Liu3
1Department of Epidemiology, School of Public Health, Chongqing Medical University, Chongqing, China.
Viral immunology
|February 24, 2025
概括
在慢性乙型肝炎 (CHB) 中,确定干扰素治疗反应的生物标志物至关重要. 这项研究发现miR-873是潜在的生物标志物,揭示了对CHB患者干扰素治疗机制的见解.
科学领域:
- 肝病学和病毒学.
- 分子生物学和遗传学分子生物学和遗传学
- 生物信息学和系统生物学
背景情况:
- 干扰素 (IFN) 治疗对于治疗乙型肝炎病毒 (HBV) 感染至关重要.
- 缺乏准确的生物标志物来预测慢性乙型肝炎 (CHB) 患者的IFN治疗反应.
- 了解IFN响应机制需要识别关键的调节分子.
研究的目的:
- 在CHB中确定IFN治疗的潜在分子标.
- 探索与IFN响应相关的监管网络.
- 在CHB中发现IFN治疗成功的预测生物标志物.
主要方法:
- 对微RNA (miRNA) 和信使RNA (mRNA) 表达数据集的分析 (GSE29911,GSE27555).
- 使用生物信息算法 (随机森林,k-NN) 对差异表达的miRNA (DEmiRNA) 和基因 (DEG) 的查.
- 蛋白与蛋白相互作用 (PPI) 和TF-miRNA-Hub基因调节网络 (STRING,Cytoscape,TransmiR) 的构建.
- 在细胞系中通过实时定量聚合酶链反应 (RT-qPCR) 验证miRNA表达.
主要成果:
- 确定了18个DEmiRNA和700个DEGs.
- 四个核心miRNAs (miR-873,miR-200a,miR-30b,let-7g) 被选择用于预测建模.
- 建立了一个涉及48个转录因子 (TF),4个miRNA和10个枢纽基因的调节网络.
- 在感染HBV的细胞中,miR-873被上调,并被IFN治疗抑制 (p < 0.05).
结论:
- miR-873被确定为预测CHB患者IFN反应的潜在生物标志物.
- 构建的TF-miRNA-Hub基因网络为IFN反应的复杂机制提供了洞察力.
- 这项研究为开发针对性IFN疗法和个人化CHB治疗策略奠定了基础.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
10:37Analysis of HBV-Specific CD4 T-cell Responses and Identification of HLA-DR-Restricted CD4 T-Cell Epitopes Based on a Peptide Matrix
Published on: October 20, 2021
2.8K
