综合分析信号和代谢途径,免疫透模式和基于机器学习的诊断模型构建在大型抑郁症中
Lei Tang1,2,3, Liling Wu4, Mengqin Dai1,2
1Mental Health Center, Affiliated Hospital of North Sichuan Medical College, 1 South Maoyuan Road, 637000, Nanchong, China.
Scientific reports
|April 19, 2025
概括
大型抑郁症 (MDD) 涉及复杂的免疫和途径改变. 这项研究确定了高风险MDD患者的细胞杀伤途径和潜在药物点,提供了新的精确治疗策略.
科学领域:
- 生物信息学是一种生物信息学.
- 免疫学 免疫学 免疫学
- 遗传学 是一个遗传学.
背景情况:
- 大型抑郁症 (MDD) 的发病因子是多因素的,涉及不清楚机制的遗传和环境影响.
- 了解免疫反应和MDD之间的相互作用对于开发有效的治疗方法至关重要.
研究的目的:
- 利用生物信息学探索MDD的致病途径及其与免疫反应的关系.
- 为了确定潜在的治疗点和药物用于精确的MDD治疗.
主要方法:
- 基因组变异分析 (GSVA) 和免疫透算法应用于多个MDD数据集.
- 使用GO和KEGG丰富分析了差异表达的基因.
- 113个机器学习模型被用来构建MDD的诊断和风险分层模型.
主要成果:
- 与对照组相比,MDD患者在信号通路,代谢过程和免疫细胞透方面表现出显著的差异.
- 细胞杀死信号通路在数据集中始终被确定为MDD病原体的关键.
- 一个随机森林模型实现了0.788的AUC,用于MDD诊断. 高风险的MDD与增加的活性氧物种,炎症和淋巴细胞数量有关.
- 对于高风险的MDD,已经确定了五种上调的途径和潜在的药物 (例如,米贝弗拉迪尔,维穆拉费尼布).
结论:
- MDD的特点是独特的途径和免疫变化,细胞杀死途径发挥着关键作用.
- 一个强大的诊断模型有助于对MDD的风险分层.
- 这些发现为精密免疫疗法和MDD治疗中药物开发提供了新的见解.
