相关实验视频
Updated: Sep 16, 2025
09:04
Measurement of T Cell Alloreactivity Using Imaging Flow Cytometry
Published on: April 19, 2017
13.6K
基于多个omics的机器学习在急性移植拒绝期间揭示了外围血液免疫细胞格局,并构建了一个精确的非侵入性诊断策略
Jiyue Wu1,2, Lijian Gan1,2, Xihao Shen1,2
1Department of Urology, Beijing Chaoyang Hospital, Capital Medical University, Beijing, China.
概括
这项研究确定了周围血液免疫细胞的变化和四个关键基因 (TBX21,CX3CR1,STAT1,NKG7) 以开发移植患者急性排斥 (AR) 的非侵入性诊断模型,改善移植存活预测.
科学领域:
- 免疫学 免疫学 免疫学
- 移植医学 移植医学
- 生物信息学是一种生物信息学.
背景情况:
- 急性排斥 (AR) 是对移植移植的生存和患者的结果的主要威胁.
- 目前通过脏活检进行的黄金标准诊断是侵入性的,限制了动态监测.
- 对于诊断AR和预测长期移植存活的非侵入性方法有着至关重要的需求.
研究的目的:
- 分析外周血液免疫细胞和AR受体的基因表达变化.
- 为AR开发一种非侵入性诊断策略.
- 构建一个预测模型,用于长期的移植移植移植的生存.
主要方法:
- 下载并分析了GEO数据库数据集,用于AR和稳定移植接受者的免疫细胞分析.
- 利用高维权基因共同表达网络分析 (hdWGCNA) 和大量RNA-Seq来识别AR相关的基因模块和枢纽基因.
- 开发了使用卷积神经网络 (CNN) 的非侵入性AR诊断模型和使用RSF算法的长期移植存活预测模型.
主要成果:
- 与稳定的接受者相比,AR接受者显示记忆B细胞,效应记忆T细胞,TEMRA细胞和NK T细胞增加,Tregs减少.
- 确定了与AR相关的四个枢纽免疫相关基因 (TBX21,CX3CR1,STAT1,NKG7).
- 开发了一种基于CNN的高准确度的非侵入性AR诊断模型和基于RSF的预测模型,将接受者分为高风险和低风险组,以实现移植存活.
结论:
- 周围血液免疫细胞子集分析和已识别的枢纽基因为AR病变发生提供了洞察力.
- 开发的非侵入性AR诊断模型和长期移植存活预测模型为精确的移植管理提供了宝贵的工具.
- 这些模型代表了对脏移植接受者精准医学的进步,有可能改善患者的预后和移植寿命.
