基于WGCNA和机器学习的基于缺血性中风患者的新型炎症反应相关生物标志物的识别
Chenyi Huang1, Dengxuan Wu1, Guifen Yang1
1Rehabilitation Department, Tongde Hospital of Zhejiang Province, Hangzhou, 310012, Zhejiang, China.
European journal of medical research
|March 22, 2025
概括
这项研究确定了关键的炎症相关基因 (IRG),并开发了缺血性中风 (IS) 的诊断模型. 这些发现为个性化IS治疗提供了潜在的新生物标志物和治疗点.
科学领域:
- 基因组学和分子生物学
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 缺血性中风 (IS) 是全球成年人残疾的主要原因.
- 了解IS背后的炎症机制对于有效的管理至关重要.
- 这项研究的重点是确定参与IS炎症反应的关键基因.
研究的目的:
- 确定与缺血性中风 (IS) 相关的关键炎症相关基因 (IRG).
- 使用机器学习算法开发IS的诊断模型.
- 探索IS的潜在治疗点,包括小分子药物.
主要方法:
- 使用权重基因联合表达网络分析 (WGCNA) 进行转录组数据分析.
- 通过机器学习算法 (Lasso,SVM-RFE,随机森林) 识别和选枢纽IRG.
- 构建和验证一个名ogram诊断模型,免疫细胞透分析和qRT-PCR验证.
主要成果:
- 确定了9个差异表达的IRG,其中AHR,OSM和NMUR1被选为枢纽基因.
- 基于这些枢纽基因的诊断模型显示出高精度 (AUC > 0.9).
- 在枢纽IRG,免疫细胞透模式和潜在的治疗性小分子之间发现了显著的相关性.
结论:
- 与炎症相关的基因 (IRG) 在缺血性中风 (IS) 的进展中起着重要作用.
- 已确定的中心IRG (AHR,OSM,NMUR1) 显示出作为IS的诊断生物标志物具有前途.
- 这项研究为IS的个性化治疗提供了新的治疗点.
