通过全面的生物信息学分析,机器学习和动物实验,探索与多囊性卵巢综合征相关的潜在关联和生物标志物

科学领域:

• 内分泌学和心血管研究
• 基因组学和生物信息学
• 免疫学

背景情况:

• 多囊卵巢综合征 (PCOS) 是生育年龄妇女常见的内分泌疾病.
• PCOS与心血管疾病动脉样硬化 (AS) 的风险增加有关.
• 了解PCOS和AS之间的分子联系对于早期检测和治疗至关重要.

研究的目的:

• 探索PCOS和AS之间潜在的分子关联.
• 为了确定与AS复杂的PCOS的潜在生物指标 (生物标志物).
• 研究免疫细胞和相关分子在PCOS相关AS的发病过程中的作用.

主要方法:

• 基因表达数据集 (PCOS和AS) 的分析,使用权重基因共表达网络分析 (WGCNA) 和蛋白与蛋白相互作用 (PPI) 网络.
• 基因和基因组的京都百科全书 (KEGG) 路径丰富分析以了解生物过程.
• 免疫透分析,化学因子/受体-免疫细胞网络的构建,以及用于生物标志物识别的机器学习算法 (GBM,XGBoost).
• 在PCOS和AS小鼠模型和名录结构中验证发现.

主要成果:

• 鉴定PCOS组织和AS动脉壁中的差异表达基因 (DEG),突出显示免疫炎症,脂质代谢和胰岛素信号通路.
• 在AS样本中增加了原始B细胞,毛囊T辅助细胞和中性粒细胞的比例.
• 六个关键的化学激素 (CCL5,CCL20,CCL23,CCL28,CXCL1,CXCL6) 和它们的受体参与了免疫细胞的招募.
• 机器学习发现了五个特征基因 (LILRA5,CSF2RA,S100A8,CD6,CCL24) 具有高预测准确性,用于PCOS相关的AS.
• 在AS和PCOS小鼠模型中验证了CSF2RA和LILRA5,显示出改变的表达模式.

结论:

• 这项研究揭示了PCOS和AS之间的显著分子关联,特别是涉及免疫失调和代谢途径.
• CSF2RA和LILRA5成为预测和分层PCOS相关AS风险的有希望的生物标志物.
• 这些发现为进一步研究PCOS相关AS的诊断和治疗策略提供了基础.