通过权重基因共同表达网络分析和机器学习来发现莱姆病中枢基因和免疫透的识别

科学领域:

• 基因组学就是基因组学.
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 由Borrelia burgdorferi (Bb) 引起的莱姆病 (LD) 是一种复杂的疾病,具有多种症状.
• 对于LD病原和免疫失调的分子基础还没有完全理解.
• 周围血液单核细胞 (PBMC) 在免疫反应中起着至关重要的作用.

研究的目的:

• 确定与LD相关的PBMC中的最佳特征基因 (OFGs).
• 在LD中分析免疫细胞透模式.
• 开发针对莱姆病的新型诊断策略.

主要方法:

• 对转录基因数据集的综合生物信息学分析 (GSE42606,GSE68765,GSE103481).
• 权重基因共同表达网络分析 (WGCNA) 和机器学习 (SVM-RFE,LASSO,RF) 用于OFG识别.
• 免疫细胞透分析 (CIBERSORT) 和功能丰富 (GSEA,ssGSEA).

主要成果:

• 在LD患者中鉴定了174个差异表达基因 (DEG).
• 通过多种机器学习方法,KIAA1199成为了独特的OFG.
• KIAA1199与免疫路径和诊断潜力有很强的相关性.

结论:

• 综合WGCNA和机器学习从PBMC数据中确定KIAA1199作为LD病变发生的核心基因.
• 使用已识别的基因的预测模型显示出显著的诊断准确性.
• 这项研究为了解宿主免疫反应和开发LD新诊断工具提供了基础.