脊髓损伤中与cuproptosis相关的基因的机器学习驱动的预测模型:构建和实验验证
Yimin Zhou1, Xin Li2, Zixiu Wang3
1Department of Orthopedics, Dongzhimen Hospital of Beijing University of Chinese Medicine, Beijing, China.
Frontiers in neurology
|May 8, 2025
概括
这项研究揭示了脊髓损伤 (SCI) 和cuproptosis之间的联系,这是一个新的细胞死亡途径. 四个基因 (SLC31A1,DBT,DLST,LIAS) 被确定为SCI的潜在预测因素,为其机制提供了新的见解.
科学领域:
- 神经科学是一个神经科学.
- 细胞生物学 细胞生物学
- 遗传学 遗传学是一种遗传学.
背景情况:
- 脊髓损伤 (SCI) 显著影响中枢神经系统.
- 质亡,一种与线粒体代谢和铜恒温相关的细胞死亡的新型形式,因其在各种疾病中的作用越来越被认可.
研究的目的:
- 为了调查SCI和cuproptosis之间的关联.
- 基于与cuproptosis相关的基因 (CRG) 构建SCI的预测模型.
主要方法:
- 从SCI患者样本中分析基因表达数据 (GSE151371数据集).
- 鉴定差异表达的CRG和免疫细胞透.
- 无监督集群的应用,权重基因共同表达网络分析 (WGCNA) 和机器学习模型 (RF,LASSO,SVM).
- 使用SCI大鼠模型与行为,组织学和分子分析进行验证.
主要成果:
- 七个CRG在SCI样本中表现出差异性表达,免疫细胞透的显著变化.
- 四个候选基因 (SLC31A1,DBT,DLST,LIAS) 被确定为潜在的预测因子,其中SLC31A1显示出高诊断精度 (AUC = 0.958).
- 动物实验证实了SCI诱导的行为缺陷,病理变化和候选基因的差异表达.
结论:
- 在SCI和cuproptosis之间存在显著的关联.
- 已确定的候选基因在SCI中的线粒体功能,新陈代谢,氧化应激和免疫反应中发挥作用.
- 这些发现突出了SCI的潜在治疗目标,尽管需要进一步的研究来阐明监管机制.
