通过全面的生物信息学分析和机器学习来识别与免疫相关的枢纽基因,用于诊断缺血性中风的动脉样硬化,并通过全面的生物信息学分析和机器学习来诊断动脉样硬化
Ming Zhang1, Li-Jun Tang1, Shi-Yu Long2
1Yilong County People's Hospital of Nanchong, Nanchong, China.
Frontiers in neurology
|May 15, 2025
概括
一种新的三基因特征 (OAS2,TMEM106A,ABCB1) 通过分析免疫细胞调节来准确诊断动脉样硬化和缺血性中风. 这一发现为新的向治疗和诊断工具提供了潜力.
科学领域:
- 生物医学科学 生物医学科学
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 动脉瘤斑块是缺血性中风 (IS) 发病过程中的关键.
- 免疫微环境和炎症对IS的进展至关重要.
- 准免疫标志物为IS提供了治疗潜力.
研究的目的:
- 确定缺血性中风的预后生物标志物.
- 为动脉样硬化和IS开发一个诊断签名.
- 研究免疫细胞调节在疾病进展中的作用.
主要方法:
- 综合生物信息学:权重基因同表达网络分析 (WGCNA),CIBERSORT,机器学习 (LASSO/随机森林).
- 免疫透分析以将枢纽基因与免疫细胞相关联.
- 蛋白与蛋白相互作用 (PPI) 和ROC曲线分析用于诊断性能.
主要成果:
- 确定了OAS2,TMEM106A和ABCB1作为IS的高预后枢纽基因.
- 发现这些基因与特定的免疫细胞种群之间的相关性.
- 基因组实现了对动脉样硬化斑块的高诊断准确性 (AUC=0.9404).
结论:
- 建立了一个新的三基因签名 (OAS2,TMEM106A,ABCB1) 用于诊断动脉样硬化和IS.
- 这些基因可能会通过免疫细胞调节影响疾病的进展.
- 研究结果支持开发有针对性的疗法和基于生物标志物的临床工具.
