基于机器学习的集成开发出一种免疫衍生签名,用于诊断高海拔肺高血压

科学领域:

• 肺高血压研究 肺高血压研究
• 基因组学和蛋白质组学
• 免疫学 免疫学 免疫学

背景情况:

• 高海拔肺高血压 (HAPH) 在高海拔地区普遍存在.
• 目前用于HAPH的黄金标准诊断方法在后勤上很难在这些地区实施.

研究的目的:

• 开发HAPH.的实用和准确的诊断方法.
• 在HAPH中使用多omics策略来表征免疫微环境变化.

主要方法:

• 综合的多组学分析,包括单细胞RNA测序 (scRNA-seq),散装RNA测序 (RNA-seq) 和蛋白质组分析.
• 基于机器学习的诊断模型的开发和验证,使用已识别的HAPH相关基因签名.
• 定量PCR (qPCR) 用于验证生物标志物的表达.

主要成果:

• 骨髓状细胞系在HAPH病变发生过程中发挥着关键作用,已发现数千个差异表达基因 (DEGs).
• 一个六基因随机森林 (RF) 模型 (HEMGN,HBG2,MYL9,ANK1,UBE2O,RBPMS2) 显示出高的诊断准确性 (AUC=0.995在训练中,0.773在验证中).
• 在HAPH患者中,qPCR证实了这六个基因的显著过度表达.

结论:

• 一种微创的,血源免疫特征可用于HAPH诊断.
• 这种方法为早期检测HAPH提供了一个实用的框架,特别是在资源有限的高海拔环境中.