围植入炎中的转录基因和转基因基因生物标志物:系统审查,诊断元分析和功能元合成
Carlos M Ardila1,2, Eliana Pineda-Vélez2,3, Anny M Vivares-Builes2,3
1Department of Periodontics, Saveetha Dental College and Hospitals, Saveetha Institute of Medical and Technical Sciences, Saveetha University, Saveetha 600077, India.
Medical sciences (Basel, Switzerland)
|September 22, 2025
概括
本综述强调了用于诊断围植性炎 (牙植入物并发症) 的转录组,元基因组和生物信息生物标志物. 机器学习模型在识别这种情况时显示出高准确度,有助于早期检测和治疗.
科学领域:
- 生物标志物和奥米克技术
- 计算生物学和生物信息学
- 口腔和牙面部外科手术
背景情况:
- 周植入炎病变表现出不同的分子特征,包括炎症透和免疫细胞积累.
- 目前对围部植入炎的诊断方法可能存在局限性,需要新的方法.
- 转录基因组,元基因组和生物信息数据为改善理解和诊断提供了潜力.
研究的目的:
- 系统地审查和整合关于转录基因,基因基因基因和生物信息生物标志物的发现,用于围植入炎诊断.
- 评估使用这些生物标志物的机器学习模型的诊断准确性.
- 识别生物相关的标记物,并解决围部植入物疾病管理中的诊断缺口.
主要方法:
- 对横截面,病例控制和队列研究的系统审查.
- 在主要数据库 (PubMed,EMBASE,Scielo,Scopus) 进行文献搜索.
- 生物标志物主题的功能元合成和模型性能 (ROC-AUC) 的诊断元分析.
主要成果:
- 包括11项研究,确定了五个关键生物标记主题:免疫反应,细胞透和ceRNA调节.
- 机器学习模型表现出高的诊断准确性,AUC的综合值为0.91 (95%CI:0.88-0.93).
- 在元分析中没有观察到显著的异质性,支持模型可靠性.
结论:
- 整合多种omics生物标志物与机器学习有望实现更早,更准确的围植入炎诊断.
- 已识别的生物标志物突出显示了参与炎症和组织重塑的途径.
- 这些生物标志物有可能作为周植入炎的诊断指标和治疗点.


