利用机器学习算法来识别与阿尔茨海默病相关的生物标记物和与铁亡相关的基因
Di Wang1, Chunsheng Lin1, Gang Liu1
1The Second Affiliated Hospital of Heilongjiang University of Chinese Medicine, Harbin, Heilongjiang Province, China.
概括
研究人员使用先进的生物信息学识别了与阿尔茨海默病 (AD) 和铁死相关的关键基因. 基因EGR1显示出作为诊断和治疗AD的新生物标记物的承诺,提供新的治疗途径.
科学领域:
- 神经科学是一个神经科学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 阿尔茨海默病 (AD) 是一种复杂的神经退行性疾病,其起源不清楚.
- 识别AD特异性生物标志物对于理解疾病机制和开发诊断/治疗至关重要.
研究的目的:
- 为了确定阿尔茨海默病 (AD) 和铁亡的新生物标志物.
- 探索基因表达在AD病变发生中的作用.
主要方法:
- 使用权重基因协同表达网络分析 (WGCNA) 来分析基因表达数据.
- 使用了机器学习算法,包括随机森林,拉索回归和SVM-REF.
- 对差异表达基因 (DEGs) 进行了功能丰富分析.
主要成果:
- 确定了641个差异表达基因 (DEG) 和22个共同表达的基因.
- 功能丰富分析表明免疫反应参与.
- 鉴定出EGR1基因是潜在的诊断和治疗标.
结论:
- WGCNA,DEGs和机器学习确定了与AD和ferroptosis相关的生物标志物.
- 一个特定的枢纽基因 (EGR1) 成为AD铁死症诊断和治疗标记的有希望的候选人.
- 这一发现为阿尔茨海默病的发病和潜在的治疗策略提供了新的见解.
