在基于生物信息学和机器学习方法的抑郁症障碍中,鉴定和验证与基因素乙化相关的生物标志物

科学领域:

• 遗传学和分子生物学
• 神经科学是一个神经科学.
• 生物化学 生物化学

背景情况:

• 基因组蛋白修饰,特别是乙化,与抑郁障碍 (DD) 有关.
• 基因组乙转移酶 (HAT) 和基因组脱乙酶 (HDAC) 维持基因组乙化,这是抑郁症的潜在生物标志物.
• 相关基因 (HAC-RGs) 对DD病原发生的具体贡献尚不清楚.

研究的目的:

• 调查与基因素乙化相关基因 (HAC-RGs) 在抑郁症障碍 (DD) 的发展和进展中的作用.
• 通过综合生物信息学分析,识别与DD相关的关键基因和潜在生物标志物.

主要方法:

• 利用基因表达数据集 (GSE76826,GSE98793) 并确定差异表达基因 (DEG).
• 应用权重基因共同表达网络分析 (WGCNA),以找到关键的基因模块.
• 交叉DEG,WGCNA模块和HAC-RG来选择候选基因,然后使用机器学习来识别枢纽基因.

主要成果:

• 确定了23个候选基因和三个重要的枢纽基因:JDP2,ALOX5和KPNB1.
• 一个基于这些枢纽基因的诺姆图显示了DD的高预测准确性.
• 在DD样本中,JDP2和ALOX5的表达升高,在数据集中一致,并通过RT-qPCR验证.

结论:

• 确定了JDP2,ALOX5和KPNB1作为关键的枢纽基因,与DD.DD中的基因组酸性化相关.
• 这些发现为DD背后的分子机制提供了新的见解,并表明了潜在的诊断和治疗点.