通过转录组学单细胞测序和机器学习来探索低氧驱动的肺动脉高血压亚型
Jianghao Xiong1, Jiali Chen2, Jianjun Zhou1
1Jiangxi Province Hospital of Integrated Chinese and Western Medicine, Nanchang, China.
Scientific reports
|April 24, 2025
概括
这项研究确定了肺动脉高血压 (PAH) 的两个不同的分子亚型. 一种亚型表现出显著的缺氧相关基因上调,为这种心血管疾病提供了新的诊断和治疗点.
科学领域:
- 心血管研究研究心血管研究
- 基因组学和生物信息学
- 机器学习在医学中的应用
背景情况:
- 肺动脉高血压 (PAH) 是一种严重的心血管疾病,预后不佳,机制不清楚.
- 目前用于PAH的治疗方法的疗效有限,强调需要改进诊断和治疗策略.
研究的目的:
- 整合多omics数据和机器学习来识别PAH的分子亚型.
- 为了发现独特的致病机制和个性化PAH治疗的潜在治疗点.
主要方法:
- 共识聚类多omics数据来对PAH患者进行分类.
- 不同基因表达和通路丰富分析.
- 开发和验证用于亚型预测的机器学习模型.
主要成果:
- 分类PAH患者分为两个子组 (C1和C2).
- 小组C2显示显著上调的缺氧相关基因,与丰富的TNF,IL-17和HIF-1通路.
- 机器学习模型准确地区分了与缺氧相关的亚型 (AUC > 0.85).
结论:
- 确定了PAH的新型分子亚型,具有不同的机制,特别是涉及缺氧.
- 关键的基因和通路为PAH提供了潜在的诊断生物标志物和治疗点.
- 机器学习有助于精确的PAH诊断和亚型分类.
更多相关视频
06:24Multiplexed Analysis of Retinal Gene Expression and Chromatin Accessibility Using scRNA-Seq and scATAC-Seq
Published on: March 12, 2021
3.5K
09:34A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations
Published on: October 25, 2018
6.6K
