综合生物信息学和机器学习揭示了与尿血症相关的关键基因和免疫机制

科学领域:

• 基因组学和生物信息学
• 免疫学 免疫学 免疫学
• 腎臟病學 (nephrology) 是一種醫學專業.

背景情况:

• 尿血是末期慢性病 (CKD) 的并发症,与免疫失衡和慢性炎症有关.
• 尿血病背后的精确分子机制在很大程度上仍未被定义.
• 了解这些机制对于开发有针对性的疗法至关重要.

研究的目的:

• 使用转录基因数据识别与尿血相关的关键基因.
• 探索在尿血病中发现的基因的功能途径和免疫相关性.
• 评估这些基因对尿血病的诊断潜力.

主要方法:

• 对GSE37171数据集的转录数据分析.
• 差异表达,权重基因共同表达网络分析 (WGCNA) 和机器学习算法 (LASSO,随机森林,SVM-RFE) 用于基因选.
• 基因组丰富分析 (GSEA),免疫透分析和接收器操作特征 (ROC) 曲线分析.

主要成果:

• 确定了四个核心特征基因NAF1,SNORD4A,CGB3和CD3E与尿血症有显著关联.
• 这些基因在关键的亡路径,免疫调节和氧化应激中得到丰富.
• 这些基因的表达水平与各种免疫细胞类型相关,ROC分析证实了它们在尿素和健康状态之间的区分能力.

结论:

• NAF1,SNORD4A,CGB3和CD3E代表了尿血病的潜在分子生物标志物.
• 这些发现揭示了导致尿血症的免疫相关分子机制.
• 对这些基因的进一步研究可能会导致尿素病的新型诊断和治疗策略.