在基于生物信息学分析和机器学习的基础上,识别死肠炎中潜在的死炎相关的死细胞生物标志物
Jing Zhu1, Xiaochen Qu2, Liu Yang1
1Department of Pediatrics, Second Affiliated Hospital of Dalian Medical University, Dalian, China.
Translational pediatrics
|September 15, 2025
概括
在早产婴儿中,死性肠球炎 (NEC) 与死炎和亡有关. 这项研究确定了DAPK1,PARP1和BIRC3作为使用生物信息学和机器学习对NEC的潜在诊断标记.
科学领域:
- 新生儿研究新生儿研究
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 死性肠球炎 (NEC) 是早产婴儿的一个严重疾病.
- 尸体和尸体炎症与NEC的病变发生密切相关.
- 了解NEC的遗传机制对于诊断和治疗至关重要.
研究的目的:
- 在NEC中调查与死体炎症相关的死体亡相关基因 (NiNRGs).
- 识别NEC的NiNRG相关的诊断标记.
- 使用生物信息学和机器学习开发NEC的诊断模型.
主要方法:
- 差异表达和相关性分析以确定DE-NiNRGs.
- 基因组丰富分析 (GSEA) 和蛋白质-蛋白质相互作用 (PPI) 网络构建.
- 机器学习模型,ROC分析,以及用于生物标志物选择和验证的诺米图.
主要成果:
- 确定了29个涉及TNF和IL-17等途径的DE-NiNRG.
- 选择了三个诊断生物标志物:DAPK1,PARP1和BIRC3,其AUC≥0.8.8.
- 在免疫细胞透 (Th2细胞) 和与生物标志物表达的相关性方面发现了显著的差异.
结论:
- 骨髓炎炎驱动的亡症对NEC的进展有显著的贡献.
- DAPK1,PARP1和BIRC3显示出作为NEC的诊断标记物的巨大潜力.
- 生物信息学分析为NEC的遗传病原和未来研究方向提供了洞察力.
