基于机器学习的整合揭示了可靠的生物标志物和NASH进展到纤维化的潜在机制
Jiahui Feng1, Zheng Gong2, Jialing Yang3
1Department of Gastroenterology, Loudi Central Hospital, Loudi, Hunan, China. fjh9947@163.com.
Scientific reports
|April 11, 2025
概括
研究人员确定了关键基因 (LUM, COL1A2, THBS2, COL5A2, NTS) 以诊断非酒精性脂肪肝炎 (NASH) 中的肝纤维化. 这一发现为评估纤维化风险和潜在的免疫疗法标提供了一个新的非侵入性工具.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 基因组学就是基因组学.
- 机器学习 机器学习
背景情况:
- 非酒精性脂肪性肝病 (NAFLD) 在全球普遍存在.
- 先进的非酒精性脂肪肝炎 (NASH) 显著导致肝纤维化.
- 目前用于NASH纤维化的诊断方法缺乏非侵入性方法.
研究的目的:
- 为了确定与NASH诱导的肝纤维化相关的关键基因.
- 开发和验证用于诊断NASH纤维化的机器学习模型.
- 为了探索NASH纤维化潜在的治疗点.
主要方法:
- 分析多来源数据以确定关键基因.
- 开发和验证103个机器学习诊断模型.
- 使用两个独立数据集进行外部验证.
主要成果:
- 一个表现最好的模型 (RF+Enet) 的AUC值为0.822.
- 确定了五个关键基因 (LUM,COL1A2,THBS2,COL5A2,NTS) 是至关重要的.
- 这些基因与原和细胞外基质通路有关,M1巨细胞与NASH进展有关.
结论:
- 这项研究提供了一个可靠的,非侵入性诊断工具,用于评估NASH患者纤维化风险.
- 鉴定的基因和途径为NASH纤维化进展提供了洞察力.
- 这些发现支持免疫疗法和NASH未来治疗策略的潜力.
