鉴定与败血症进展相关的枢纽基因和关键途径,使用权重基因共同表达网络分析和机器学习

科学领域:

• 基因组学就是基因组学.
• 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:

• 败血症是一种危及生命的疾病,死亡率高,由免疫调节失调驱动.
• 识别关键的基因和通路对于改善败血症诊断和治疗至关重要.

研究的目的:

• 分析转录基因数据以确定毒症进展的关键基因,途径和生物标志物.
• 为了揭示导致败血症发病的分子机制.

主要方法:

• 权重基因共同表达网络分析 (WGCNA) 和多算法特征选择基于来自败血症患者和对照者的转录组数据.
• 不同表达分析,通路丰富 (KEGG,基因本体学) 和蛋白质-蛋白质相互作用网络分析.
• 接收器操作特征 (ROC) 分析,以评估已识别的生物标志物的预测准确性.

主要成果:

• WGCNA发现了与败血症进展相关的模块 (MEbrown4,MEblack).
• 关键基因TNFSF10,TMCC2和PLVAP始终被确定为具有高诊断准确度 (AUC>0.89) 的顶级预测因素.
• 显著的途径包括神经活性联体受体相互作用,PI3K-Akt和MAPK信号传递;与免疫相关的过程也得到了强调.

结论:

• 综合性转录基因分析揭示了毒症进展中的关键基因模块和途径.
• 作为败血症的诊断生物标志物,TNFSF10,TMCC2和PLVAP显示出强大的潜力.
• 作为分泌蛋白质的TNFSF10和PLVAP是循环生物标记物的有希望的候选者,增强了临床相关性.