用RNA-seqq来识别和评估用于诊断慢性乙型肝炎的生物标志物
Hong Hong1, Xintong Han2, Qiuxiang Hu3
1Department of Clinical Laboratory, Nantong Hospital of Traditional Chinese Medicine, Nantong, Jiangsu, PR China.
Virus research
|June 6, 2025
概括
研究人员确定了三种外体RNA生物标志物 (PXN-AS1,RAD9A,SLC17A9) 用于慢性乙型肝炎 (CHB) 检测. 结合这些生物标志物的机器学习模型在非侵入性诊断CHB方面取得了很高的准确性.
科学领域:
- 生物化学 生化学
- 基因组学就是基因组学.
- 肝病学 肝病学是一种肝病学.
背景情况:
- 慢性乙型肝炎 (CHB) 构成了与肝癌相关的全球健康负担.
- 生物流体中的外体提供了对病理状态的洞察力,使其对诊断有价值.
研究的目的:
- 为了识别慢性乙型肝炎 (CHB) 的外体RNA生物标志物.
- 开发用于非侵入性CHB诊断的机器学习模型.
主要方法:
- RNA测序 (RNA-seq) 在CHB组织中确定了差异表达基因 (DEG).
- 路径丰富和功能注释选择了潜在的生物标志物.
- 血中的外体RNA水平被分析为诊断价值.
- 使用已识别的生物标志物构建了一个机器学习模型 (Adaboost分类器).
主要成果:
- 确定了1006个DEG;许多富含炎症通路.
- 在CHB患者的外基因组中,PXN-AS1,RAD9A和SLC17A9的下调显著.
- 个别生物标志物显示了中等的诊断性能 (AUC 0.6650.762).
- 组合机器学习模型在CHB检测方面实现了高AUC (0.983列车,0.924测试).
结论:
- PXN-AS1,RAD9A和SLC17A9是CHB的潜在外体RNA生物标志物.
- 开发的机器学习模型显示出非侵入性CHB诊断的巨大潜力.
- 建议对更大的队列进行进一步验证,以确认生物标志物和模型可靠性.


