使用可解释机器学习识别的局部性硬皮病原体底层的独特和共享的转录组签名

科学领域:

• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.
• 皮肤病学 皮肤病学

背景情况:

• 局部性硬皮症 (LS) 是一种炎症性纤维性皮肤疾病,具有明显的成人和儿科表现.
• 了解LS病变的分子驱动因素对于开发向疗法至关重要.

研究的目的:

• 调查成人和儿科局部性硬化皮质瘤 (LS) 中的细胞内在和细胞外的分子特征.
• 用先进的机器学习来识别LS病理生理学的潜在因素.
• 为了比较儿科和成人LS以及全身性硬化症 (SSc) 之间的分子概况.

主要方法:

• 单细胞RNA测序 (scRNA-Seq) 对LS患者 (成人和儿科) 和健康对照进行了测序.
• 分析使用了显著潜伏因素相互作用发现和探索 (SLIDE) 机器学习框架.
• SLIDE 推断出潜在的因素,并提供了可识别和推断的统计保证.

主要成果:

• 在成人和儿科LS之间观察到分子特征的明显差异.
• SLIDE确定了与年龄和疾病严重程度相关的LS的细胞类型特异性决定因素.
• 揭示了LS和SSc之间的共享信号机制,以及儿科特异性的发病差异.

结论:

• 单细胞转录组学和SLIDE为LS病理生理学提供了深刻的见解.
• 确定了特定于年龄和严重程度的细胞驱动因素以及与SSc共享的信号通路.
• 这些发现可以对LS亚型进行分层,并为治疗策略提供信息.