在不同临床条件下建模肝脏的再生能力

科学领域:

• 肝病学 肝病学是一种肝病学.
• 系统生物学 系统生物学
• 机器学习 机器学习

背景情况:

• 肝脏再生对于恢复至关重要,但可能会受到年龄,代谢障碍,纤维化和免疫抑制的阻碍.
• 鉴定不同条件下再生的生物标志物对于临床应用至关重要.

研究的目的:

• 确定肝脏再生的关键转录组,蛋白组和血清生物标志物.
• 通过系统生物学和机器学习开发再生能力的预测框架.

主要方法:

• 使用了六种代表不同临床背景的小鼠模型 (年龄,纤维化,肥胖症,免疫抑制).
• 采用一种具有三倍损失的新型对比深度学习框架来分析再生轨迹.
• 综合转录基因,蛋白质基因和临床数据用于预测建模.

主要成果:

• 在老年,脂肪性和纤维性模型中,再生显著延迟,这可以通过减少Ki-67染色来证明.
• 转录基因和蛋白质基因分析始终显示细胞循环基因在受损再生中的下调.
• 一个深度学习模型准确地预测了再生结果 (87.9%),突出了六个关键基因 (Wee1,Rbl1,Gnl3,Mdm2,Cdk2,Ccne2).

结论:

• 确定了对肝脏高效再生至关重要的保存细胞循环调节剂.
• 开发了一个预测框架来评估适用于不同物种的再生能力.
• 这种多omics和深度学习方法提供了一个有前途的策略,以了解和潜在地提高复杂的临床环境中肝脏再生.