综合转录组分析为提供了诊断和病理生理学的洞察力.

科学领域:

• 基因组学和分子生物学
• 神经学和神经科学 神经学和神经科学
• 免疫学 免疫学 免疫学

背景情况:

• 是一种复杂的神经系统疾病,具有多因素的遗传和分子基础.
• 识别差异表达基因 (DEG) 和枢纽基因对于理解病理生理学至关重要.
• 这种知识可以为改善的诊断和治疗策略的开发提供信息.

研究的目的:

• 通过转录组和单细胞测序数据识别与相关的关键基因.
• 根据已识别的枢纽基因开发的诊断模型.
• 探索这些基因在病原体中的功能性作用,特别是关于免疫调节.

主要方法:

• 从基因表达综合 (GEO) 数据库中分析了两个转录组数据集 (GSE143272,GSE32534) 和一个单细胞数据集 (GSE201048).
• 使用Limma R包的差异基因表达分析.
• 通过STRING数据库和Cytoscape识别和分析枢纽基因,然后使用clusterProfiler R包进行功能丰富分析.
• 使用接收器操作特征 (ROC) 曲线构建和验证诊断模型.

主要成果:

• 在中识别多个差异表达基因 (DEGs),在两个主要数据集中发现了20个常见的DEGs.
• 通过蛋白质-蛋白质相互作用 (PPI) 网络分析确定了11个与密切相关的枢纽基因.
• 四个基因 (CD3D,CD3G,CTSW,JCHAIN) 在数据集中的样本中表现一致的低表达.
• 使用这四个基因的诊断模型在的两个数据集中都显示出显著的区分能力 (曲线下的区域>0.7).
• 功能和单细胞分析表明,这些关键基因与T细胞功能和的免疫调节有很强的关联.

结论:

• 已经确定了四个关键基因 (CD3D,CD3G,CTSW,JCHAIN) 与有显著联系.
• 这些基因在的免疫调节中发挥作用,可能通过T细胞通路.
• 这些已识别的基因有助于对的分子诊断,并为其潜在机制提供了洞察力.