机器学习结合多omics分析,探索系统性红血性狼中关键的氧化应激特征
Hongwei Zhou1, Xiaoqing Li1, Yanyu Zhang1
1Department of Laboratory Diagnosis, The First Affiliated Hospital of Harbin Medical University, Harbin, Heilongjiang, China.
Frontiers in immunology
|July 8, 2025
概括
系统性红斑狼 (SLE) 涉及代谢失调和氧化应激 (OS). 这项研究确定了六个关键基因与OS和免疫细胞相关,为早期SLE检测和向治疗提供了潜力.
科学领域:
- 免疫学 免疫学 免疫学
- 代谢学 代谢学 代谢学
- 系统生物学 系统生物学
- 生物信息学是一种生物信息学.
背景情况:
- 免疫细胞中的代谢失调和氧化还原失衡是系统性红斑狼 (SLE) 病原体的核心.
- 了解氧化应激 (OS) 和SLE中代谢途径之间的相互作用对于开发有效治疗非常重要.
研究的目的:
- 探索关键的氧化应激 (OS) 特性及其在全身性红斑狼 (SLE) 病原体中的相互关系.
- 通过使用多组学和机器学习方法,识别与SLE中OS相关的关键基因和代谢途径.
主要方法:
- 使用基因组变异分析 (GSVA) 分析转录组数据集,以确定与SLE和OS相关的途径.
- 应用多种机器学习算法 (DL,RF,XGBoost,SVM,LASSO) 来进行与OS相关的基因预测.
- 在SLE患者和健康对照中评估免疫透,单细胞转录组模式和代谢学概况 (LC-MS).
主要成果:
- 15种代谢途径与SLE有显著联系,其中7种与OS和能量代谢有很强的联系.
- 机器学习确定了六个关键的OS相关基因 (ABCB1,AKR1C3,EIF2AK2,IFIH1,NPC1,SCO2) 具有强大的预测性能和与免疫细胞子集的相关性.
- 患有SLE的患者表现出更高的OS水平,更低的抗氧化应激 (AOS) 水平,以及外周血液单核细胞 (PBMC) 中明显的基因表达模式.
结论:
- 这项多omics和机器学习调查揭示了SLE中OS相关的代谢途径和代谢物的显著破坏.
- 鉴定到的六个关键基因表明了SLE的诊断和治疗潜力,突出了它们与OS/AOS水平和代谢物的关联.
- 这些发现为早期检测和针对性治疗系统性红斑狼的策略提供了基础.
