通过WGCNA和机器学习识别和验证恶性肺结节的免疫和氧化压力相关诊断指标
Zhou An1, Meichun Zeng2, Xianhua Wang3
1Department of Thoracic Surgery, The First Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, 310003, Zhejiang, China.
Scientific reports
|July 2, 2025
概括
这项研究确定了用于早期肺结节检测的关键免疫和氧化应激基因. 一个新的11个基因签名准确地区分恶性和良性肺结节,改善诊断.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
背景情况:
- 早期检测肺结节对于肺癌治疗至关重要.
- 目前的方法难以区分良性和恶性结节.
- 需要新的生物标志物来准确识别恶性肺结节.
研究的目的:
- 识别分子生物标志物,以区分恶性肺结节.
- 使用机器学习开发用于肺结节的诊断模型.
- 探索免疫和氧化应激在肺结节发育中的作用.
主要方法:
- 使用GEO数据库和limma包进行差异基因表达分析.
- 针对免疫和氧化应激基因的权重基因共同表达网络分析 (WGCNA).
- 蛋白质与蛋白质相互作用网络的构建和枢纽基因的识别.
- 机器学习算法用于诊断模型开发和验证.
主要成果:
- 确定了31个与免疫力和氧化应激相关的共享差异表达基因.
- 发现了两个枢纽基因:CDK2和MCL1.
- 开发了一个11基因诊断特征,在培训和测试队伍中具有卓越的性能.
- 在恶性与良性肺结节中观察到明显的免疫细胞透模式.
结论:
- 一个11个基因的签名显示了准确的恶性肺结节诊断的希望.
- 免疫和氧化应激途径在肺结节病理生物学中至关重要.
- 鉴定到的枢纽基因为肺结节的潜在机制提供了洞察力.
