基于机器学习的识别与糖尿病病相关的基因分类模式和免疫透特征
Jing Zhang1, Lulu Cheng2, Shan Jiang3
1The Third Department of Jiaozhou City Traditional Chinese Medicine Hospital, Jiaozhou, 266300, Shandong, China.
Scientific reports
|May 1, 2025
概括
糖尿病病 (DN) 涉及无菌和免疫细胞. 这项研究确定了影响免疫透的关键阿诺基斯相关基因 (ARG),为DN诊断和治疗提供了新的见解.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 免疫学 免疫学 免疫学
- 遗传学 是一个遗传学.
背景情况:
- 糖尿病病 (DN) 病原体包括无菌和免疫细胞透,但机制尚不清楚.
- 了解阿诺基斯相关基因 (ARG) 与DNA中的免疫反应之间的相互作用对于治疗开发至关重要.
研究的目的:
- 在DN中识别独特的ARG并分析它们与免疫格局的关联.
- 阐明DN中关键ARG的诊断潜力和监管机制.
主要方法:
- 利用GEO数据集在DN中识别差异表达基因 (DEG) 和ARG.
- 采用机器学习算法 (LASSO,SVM-RFE,RF) 来选关键的ARG和CIBERSORT用于免疫细胞透分析.
- 通过RT-qPCR验证了基因表达,并构建了一个具有竞争力的内源RNA (ceRNA) 网络.
主要成果:
- 确定了59种差异表达的ARG (DEARGs),涉及脏发育,ECM和免疫反应.
- 七个关键基因 (PDK4,S100A8,HTRA1,CHI3L1,WT1,CDKN1B,EGF) 被确定为潜在的DN生物标记物,通常表达低且与中性粒细胞相关.
- 发现了潜在的调节途径 (例如,H19/miR-15b-5p/PDK4),影响早期DN进展.
结论:
- 本研究提供了DN中DEARGs的全面分析,突出了它们在疾病机制中的作用.
- 确定了关键的ARG和监管网络,为DN临床诊断,治疗和研究提供了宝贵的见解.
