一种基于生物信息学和机器学习的综合方法,用于描绘免疫缺陷期间与候选血症相关的关键免疫参与者

科学领域:

• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学
• 菌类学 菌类学是指菌类学.

背景情况:

• 一个强大的免疫系统可以控制Candida albicans,但免疫力减弱可以让它变得侵入性,导致危及生命的系统性角膜炎.
• 在免疫缺陷个体中增加易感性背后的特定分子因素仍然不清楚.

研究的目的:

• 为了确定免疫能力和免疫缺陷的个体感染了白 Candida 之间的分子差异.
• 发现关键的宿主蛋白质,涉及到坎迪达菌感染易感性和免疫平衡.

主要方法:

• 来自NDEx数据库的血液相关蛋白质和来自GEO数据集的差异表达基因的分析.
• 构建蛋白质-蛋白质相互作用网络,并确定网络枢纽和模块.
• 开发一种机器学习模型,以验证与真菌共感染的蛋白质关联.

主要成果:

• 鉴定了539个放松调节的蛋白质,它们的表达模式在群体之间是反向的.
• 根据网络拓性质发现了13个关键宿主分子.
• 一个机器学习模型验证了这些蛋白质中的11个与免疫缺陷个体的真菌共同感染的关联.

结论:

• 关键宿主蛋白对于维持对Candida albicans的免疫平衡至关重要.
• 免疫缺陷个体中这些蛋白质的破坏会损害防御机制,促进真菌感染.
• 已确定参与T-reg细胞增殖和M2巨细胞分极的蛋白质是潜在的治疗点.