验证机器学习应用程序用于识别缺血性中风中的脂质代谢相关诊断模型
Xiangtian Meng1, Runping Xu2, Haoheng Wang1
1Department of Neurosurgery, Tongji Hospital, School of Medicine, Tongji University Shanghai, China.
International journal of clinical and experimental pathology
|March 14, 2025
概括
这项研究确定了七个脂质代谢基因作为缺血性中风 (IS) 的新生物标志物,通过将脂质变化与免疫相互作用联系起来来改善诊断潜力. 这些发现为IS诊断提供了新的途径.
科学领域:
- 生物化学 生物化学
- 免疫学 免疫学 免疫学
- 遗传学 是一个遗传学.
背景情况:
- 缺血性中风 (IS) 涉及复杂的分子变化,包括受损的脂质代谢和免疫反应.
- 脂质代谢基因与IS病原体中的免疫调节之间的相互作用仍未得到充分研究.
研究的目的:
- 调查脂质代谢相关的免疫变化与缺血性中风 (IS) 之间的相关性.
- 开发一种基于机器学习的IS诊断模型,利用脂质代谢基因.
主要方法:
- 使用公共数据集 (GSE16561,GSE22255,GSE37587) 进行差异基因表达分析.
- 采用LASSO考克斯回归和随机森林 (RF) 来构建和验证诊断模型.
- 与免疫细胞种群相关联的基因表达和在临床样本中使用RT-qPCR验证的结果.
主要成果:
- 确定了26个与免疫细胞相关的不同表达的脂质代谢基因.
- 开发了一个具有诊断潜力的七个基因特征 (ACSS1,ADSL,CYP27A1,MTF1,SOAT1,STAT3,SUMF2) (AUC=0.725).
- 通过单细胞分析验证了这些基因作为IS的血液生物标志物,并通过单细胞分析观察了免疫细胞中的特定基因表达模式.
结论:
- 鉴定出用于缺血性中风 (IS) 的新型脂质代谢生物标志物.
- 更好地了解IS中脂质代谢和免疫相互作用之间的复杂关系.
- 基于已识别的生物标志物,提出了基于IS的潜在创新诊断方法.
