整合网络分析和机器学习以阐明斑马鱼胚胎中化学诱导的胰腺毒性
Ashley V Schwartz1, Karilyn E Sant2,3, Uduak Z George1,4
1Computational Science Research Center, San Diego State University.
概括
斑马鱼胚胎通过网络分析和机器学习揭示了对胰腺功能的化学影响. 这种方法识别了与胰腺毒性相关的关键基因和化学特性,推进了器官特异性毒性测试.
科学领域:
- 毒理学和药理学的毒理学和药理学.
- 计算生物学和生物信息学
- 发育生物学是发展生物学.
背景情况:
- 斑马鱼 (Danio rerio) 广泛用于高通量毒性测试和胚胎发育建模.
- 目前的斑马鱼毒性研究往往侧重于生物体水平的结果,忽视器官特异性影响.
- 在器官层面研究化学影响对于理解疾病病因和发育影响至关重要.
研究的目的:
- 研究化学物质暴露对整个胚胎斑马鱼胰腺功能的器官特异性影响.
- 整合网络分析和机器学习来分析化学暴露的转录数据.
- 确定与化学诱导的胰腺毒性相关的关键基因,途径和化学性质.
主要方法:
- 从暴露于25种独特化学物质的斑马鱼胚胎中编制的转录组学数据.
- 使用统一的生物信息管道处理的原始测序数据用于质量控制和差异基因表达分析.
- 应用聚类,基因共同表达网络分析和机器学习 (随机森林,XGBoost,SVM,物流回归) 来识别模式和预测模型.
主要成果:
- 确定了五个不同的化学物质暴露集群,它们对胰腺通路产生了类似的影响.
- 在集群中发现了关键驱动基因,为胰腺毒性提供了潜在的生物标志物.
- 机器学习模型,特别是随机森林 (准确度为74%) 确定了影响胰腺通路反应的化学性质 (例如质量,生物降解半衰期).
结论:
- 整体胚胎斑马鱼模型,结合计算方法,可以有效地探测器官特异性化学毒性.
- 这种综合性策略增强了对化学性质与生物反应关系的理解.
- 开发的计算工作流可以适应研究各种暴露的其他器官特异性影响.
