蛋白质基因分析和机器学习用于慢性鼻炎的内型预测

科学领域:

• 免疫学 免疫学 免疫学
• 蛋白质组学是指蛋白质组学.
• 生物信息学是一种生物信息学.

背景情况:

• 慢性鼻炎 (CRS) 是一种流行,异质的炎症上呼吸道疾病,影响约12%的人口.
• CRS被分为以下几个亚型:没有鼻息肉的CRS,鼻息肉的CRS和非类固醇抗炎药物恶化呼吸道疾病 (N-ERD).

研究的目的:

• 识别分子特征和生物标志物,区分CRS内型和对照.
• 利用向蛋白质组学,生物信息学和机器学习进行分子分析.

主要方法:

• 分析了80名患者的鼻分泌物和血清 (没有息肉的CRS,有息肉的CRS,N-ERD,对照) 使用高通量向蛋白质组学 (Olink).
• 检查了161种 (鼻腔) 和2677种 (血清) 蛋白质的表达模式.
• 与临床数据相关联的蛋白质表达,包括多存在和气味测试得分.

主要成果:

• 确定了两种不同的鼻分泌模式:2型炎症标志物在CRS中升高,有息肉和N-ERD.
• 天生的免疫蛋白,包括Toll-like受体4信号传递,从对照组逐渐减少到N-ERD.
• 机器学习确定了结质细胞系衍生的神经营养因子 (鼻) 和Charcot-Leyden晶体蛋白 (血清) 作为潜在的鼻多生物标志物.

结论:

• 这些发现为CRS病理生理学提供了新的见解.
• 突出了用于精确诊断和针对性治疗CRS的潜在生物标志物,特别是N-ERD.