用机器学习分析全血转录组学数据识别用Adalimumab治疗的风湿性关节炎患者反应的预测生物标志物
Chuan Fu Yap1, Nisha Nair2, Ann W Morgan3
1Centre for Genetics and Genomics Versus Arthritis, Centre for Musculoskeletal Research, The University of Manchester, Manchester, United Kingdom.
Arthritis & rheumatology (Hoboken, N.J.)
|May 26, 2025
概括
生物标志物预测了在类风湿性关节炎 (RA) 中对瘤坏死因子抑制剂 (TNFi) 的反应. 全血转录和机器学习确定了基因签名,包括MZB1,用于个性化的RA治疗策略.
科学领域:
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
- 药物基因组学 药物基因组学
背景情况:
- 瘤亡因子抑制剂 (TNFi) 改善了类风湿性关节炎 (RA) 管理.
- 患者对TNFi的反应有显著的变化,约40%的患者因不反应或不良反应而停止治疗.
- 确定预测性生物标志物对于优化RA治疗策略至关重要.
研究的目的:
- 确定预测 RA 患者阿达利穆马布治疗反应的生物标志物.
- 为了利用全血转录学和机器学习来发现生物标志物.
- 阐明治疗反应和不反应背后的机制.
主要方法:
- 从100名开始TNFi治疗的RA患者的基线和3个月后随访血液样本的RNA测序.
- 机器学习分类器 (例如随机森林) 来识别预测基因特征.
- 网络分析和生存分析,以确定关键生物标志物及其相互作用.
主要成果:
- 差异基因表达分析确定了84个与治疗反应相关的基因.
- 机器学习模型实现了高预测精度 (AUC高达0.86).
- 边缘区域B和B1细胞特异蛋白1 (MZB1) 作为一种与B细胞功能和抗药抗体形成相关的新生物标志物出现.
结论:
- 转录基因变化为RA治疗反应机制提供了洞察力.
- 包括MZB1在内的已识别的基因签名为RA提供了个性化治疗策略的潜力.
- 需要进一步的独立复制来验证这些发现的临床应用.
