一个in-silico研究,以识别毒症的相关生物标志物,应用集成批量RNA测序和单细胞RNA测序分析
Qile Ye1, Yuhang Dong2, Jingting Liang3
1Department of Critical Care Medicine The Second Affiliated Hospital of Harbin Medical University Harbin 150001 China.
Global challenges (Hoboken, NJ)
|April 21, 2025
概括
研究人员使用单细胞RNA测序数据的in-silico分析确定了六个关键基因作为败血症的潜在生物标志物. 这些发现可以改善败血症诊断和治疗策略.
科学领域:
- 计算生物学是一种计算生物学.
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
背景情况:
- 败血症仍然是全球死亡的主要原因,需要新的诊断和治疗策略.
- 确定可靠的败血症生物标志物对于及时干预和改善患者结果至关重要.
研究的目的:
- 通过单细胞RNA测序 (sc-RNA) 数据的in-silico分析发现与败血症相关的新生物标志物.
- 为了确定关键的基因和细胞相互作用参与败血症的发病.
主要方法:
- 从公共数据库中获取sc-RNA数据和与代谢相关的基因.
- 细胞亚群的识别和注释,然后进行单样样本基因组丰富分析 (ssGSEA) 和差异基因表达分析.
- 应用权重基因共同表达网络分析 (WGCNA) 和免疫透分析来识别关键基因模块和枢纽基因.
主要成果:
- 确定了五种不同的细胞亚群,具有针对免疫相关功能的特定丰富,如抗原处理和白细胞激活.
- 分析揭示了复杂的细胞间通信网络,涉及素9 (LGALS9) 和巨细胞迁移抑制因子 (MIF).
- 六个枢纽基因 (FBXO4,FOXK1,MSH2,NSA2,TMEM128,SBDS) 被确定为潜在的败血症生物标志物,显示与免疫细胞类型的相关性.
结论:
- 已识别的枢纽基因代表了毒症诊断和预后的有希望的生物标志物.
- 了解已识别的细胞通信通路可能为败血症治疗提供新的治疗点.
- 这项研究提供了一个计算框架,用于在复杂疾病如败血症中发现生物标志物.
