在内动脉瘤中使用机器学习方法对自身免疫相关基因预测模型和免疫透的全面分子分析
Minxue Zhang1, Lin Zhou1, Yuying Zhao1
1Department of Neurology, The Fourth Affiliated Hospital of Harbin Medical University, Harbin, China.
Frontiers in immunology
|May 2, 2025
概括
这项研究确定了两个关键基因,ADIPOQ和IL21R,将自身免疫性疾病与内动脉瘤 (IA) 联系起来. 这些发现为IA病原和潜在的治疗点提供了新的见解.
科学领域:
- 遗传学 是一个遗传学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 内动脉瘤 (IA) 越来越多地与自身免疫性疾病有关.
- 这种联系背后的精确分子和遗传机制在很大程度上是未知的.
研究的目的:
- 研究自身免疫相关基因 (ARG) 在内动脉瘤 (IA) 病变发生过程中的作用.
- 确定关键的遗传标记物,并根据自身免疫相关基因开发IA的预测模型.
主要方法:
- 对三个IA转录基因数据集 (GSE13353,GSE26969,GSE75436) 的分析,以确定差异表达的ARG (DEARGs).
- 应用机器学习算法 (LASSO,随机森林,XGBoost) 来确定关键的诊断基因.
- 使用人工神经网络开发预测模型,并使用名ogram进行验证.
主要成果:
- 通过机器学习确定了39个DEARG,ADIPOQ和IL21R被选为关键诊断基因.
- 开发了IA的预测神经网络模型,具有很高的诊断准确性 (ROC值为0.944).
- 研究了IA中的免疫细胞透,免疫反应和HLA基因表达.
结论:
- 生物信息分析阐明了IA机制,确定了ADIPOQ和IL21R作为关键的差异基因.
- 强调了免疫透和基因-miRNA-药物调节网络在IA病变发生中的重要性.
- 结果为IA提供了更深入的理解,并建议潜在的治疗策略.
