通过综合生物信息学分析和机器学习来解读妊娠糖尿病和孕产前之间的共享基因特征和免疫透特征

科学领域:

• 基因组学和生物信息学
• 生殖医学 生殖医学
• 免疫学 免疫学 免疫学

背景情况:

• 孕期糖尿病 (GDM) 和孕前 (PE) 是重要的妊娠并发症,具有重叠的风险因素和难以捉摸的潜在机制.
• 了解GDM和PE共享的分子通路和免疫失调对于开发有效的诊断和治疗策略至关重要.

研究的目的:

• 使用生物信息学和机器学习方法开发GDM和PE的诊断预测模型.
• 调查与GDM和PE相关的共享特征基因和免疫透模式.
• 探索GDM和PE的潜在分子机制和治疗点.

主要方法:

• 利用微阵列数据集 (GSE103552,GSE74341) 来识别GDM和PE中的差异表达基因 (DEG).
• 采用随机森林和人工神经网络模型来识别六个关键的特征基因.
• 分析了免疫细胞透模式,并构建了一个mRNA-miRNA调节网络.

主要成果:

• 鉴定了六个特征基因 (TRA2A,NPM3,PHF5A,SNORD1C,PLXNA3,C14orf142) 并构建了一个经过验证的GDM和PE诊断预测模型.
• 揭示了GDM (增加iDCs,T细胞共抑制;减少中性粒细胞,Th2细胞,HLA) 和PE (增加巨细胞) 的独特免疫透概况.
• 建立了关键基因和免疫特征之间的相关性,预测了关键的调节性miRNA,并确定了GDM和PE的潜在治疗化合物.

结论:

• 六个已识别的特征基因作为有希望的生物标志物,用于早期诊断GDM和PE.
• 该研究阐明了GDM和PE的共享和独特的免疫景观,提供了对其病原性的洞察.
• 这项研究为开发针对这些关键妊娠疾病的新型免疫治疗策略提供了基础.