冠状动脉疾病中的炎症生物标志物:从孟德尔随机化和转录学中的见解

科学领域:

• 遗传学和分子生物学
• 心血管疾病研究研究
• 免疫学 免疫学 免疫学

背景情况:

• 了解冠状动脉疾病 (CAD) 的遗传基础对于确定新的治疗策略至关重要.
• 炎症过程在CAD的发病过程中发挥着重要作用.
• 鉴定参与CAD的特定炎症基因可以导致向治疗.

研究的目的:

• 确定与冠状动脉疾病 (CAD) 相关的新型炎症基因.
• 探索已识别的基因与CAD之间的因果关系.
• 基于这些基因,开发CAD发病率的预测模型.

主要方法:

• 从Msigdb. 下载了与炎症相关的基因 (IRG).
• 在CAD数据集 (GSE113079,GSE12288) 中确定了差异表达基因 (DEG).
• 利用权重基因共同表达网络分析 (WGCNA) 找到关键模块基因.
• 集成的DEG,模块基因和IRG来识别差异表达的IRG (DE-IRG).
• 采用机器学习算法来导出特征基因.
• 进行了孟德尔随机化 (MR) 分析以评估因果关系.
• 开发了用于CAD预测的后勤回归和对齐图模型.

主要成果:

• 确定了92个不同表达的与炎症相关的基因 (DE-IRG).
• 使用四种机器学习算法发现了12个特征基因.
• 证实了HIF1A和TNFAIP3与CAD之间的因果关系 (OR=1.031,P=0.024对于HIF1A;OR=1.104,P=0.007对于TNFAIP3).
• 证明了后勤回归和对齐图模型在预测CAD方面的有效性.
• 发现TNFAIP3和HIF1A与T细胞受体和NOD类受体信号通路的显著关联.

结论:

• TNFAIP3和HIF1A被确定为冠状动脉疾病 (CAD) 的因果性炎症生物标志物.
• 这些基因具有重要的临床潜力,作为CAD管理和治疗的新目标.
• 这些发现提供了对CAD背后的分子机制有价值的见解.