在基于生物信息学和机器学习的性结肠炎中识别与中性粒细胞外陷相关的生物标志物

科学领域:

• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 全球性结肠炎 (UC) 发病率正在上升,治疗选择有限.
• 中性细胞外细胞陷 (NETs) 与自身免疫性疾病有关,可能是UC的治疗点.

研究的目的:

• 使用生物信息学研究NETs在UC病变发生中的作用.
• 确定UC的新型诊断生物标志物和治疗点.

主要方法:

• 分析了UC相关的基因表达数据集 (GEO数据库).
• 利用LIMA,WGCNA,LASSO,SVM-RFE和随机森林进行差异性基因表达和生物标志物识别.
• 通过qRT-PCR进行了免疫透分析和验证了核心基因表达.

主要成果:

• 在UC中确定了29个与NETs相关的差异表达基因 (DEGs).
• 三个核心基因 (IL1B,MMP9,DYSF) 被确定为具有高准确性的潜在诊断生物标志物 (ROC分析).
• 核心基因与中性粒细胞透,CD4+T细胞激活和M2巨细胞透相关;在UC患者中验证过度表达.

结论:

• 三个枢纽基因 (IL1B,MMP9,DYSF) 被确定为UC的潜在诊断和治疗标.
• 提供了关于在UC和潜在的治疗策略中NETs机制的见解.
• 建议将格沃基祖马布,卡纳基努马布和碳氧化葡萄糖胺作为潜在的UC疗法.