一个用于检测随着衰老而发生的组织间基因表达协调变化的计算框架

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 衰老研究研究 衰老研究

背景情况:

• 衰老是一个复杂的生物过程,受到许多基因和途径的影响.
• 现有的研究往往侧重于组织特异性衰老,忽视组织间分子通路相互作用.
• 了解跨组织衰老机制对于开发有效干预措施至关重要.

研究的目的:

• 开发和验证一种新的计算框架,用于在多种组织中分析与年龄相关的基因表达模式.
• 识别关键的组织间基因和生物通路,这些基因和生物通路是衰老的特征.
• 探索不同组织类型的衰老背后的协调分子变化.

主要方法:

• 使用了调整后的多组织权重基因共同表达网络分析.
• 在不同年龄组之间进行了差异网络连接分析.
• 机器学习模型 (XGBoost和随机森林) 用基因表达和通路得分进行分类.

主要成果:

• 随机森林模型在预测年龄组方面取得了很高的准确性 (AUC < 88%),突出了关键的组织间基因.
• 关键的与衰老相关的途径涉及脂质代谢,免疫系统功能和细胞通信,在整个组织中被确定.
• 还检测到了不同的组织特异性衰老途径,强调了组织异质性.

结论:

• 开发的框架有效地揭示了组织间协调在衰老过程中的重要性.
• 这些发现提供了关于衰老机制和促进健康衰老的潜在治疗点的宝贵见解.
• 这种方法可以指导未来对衰老系统性质的研究以及针对性干预措施的开发.