通过生物信息学和机器学习方法识别败血症引起的急性肺损伤的生物标志物,并进行实验验证
Yannian Luo1, Juan Xu2, Nannan He1
1Department of Critical Care Medicine, The Second Hospital of Lanzhou University, Lanzhou, Gansu Province, People's Republic of China.
Journal of inflammation research
|October 10, 2025
概括
这项研究确定了四个关键基因作为毒引起的急性肺损伤 (ALI) 的潜在诊断生物标志物. Resveratrol通过向这些已识别的基因,显示出作为治疗剂的前景,为治疗提供了新的途径.
科学领域:
- 基因组学和生物信息学
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 败血症引起的急性肺损伤 (ALI) 是一种严重的疾病,缺乏可靠的早期诊断生物标志物.
- 机器学习 (ML) 可以分析高维基因表达数据,用于生物标志物发现和治疗目标识别.
研究的目的:
- 通过基因表达数据和ML识别用于败血症诱导的ALI的新型诊断生物标志物.
- 探索针对已识别的生物标志物的潜在治疗策略.
主要方法:
- 对多个基因表达数据集的综合分析 (GSE10474,GSE32707,GSE66890,GSE10361,GSE3037).
- 差异基因表达分析和权重基因同表达网络分析 (WGCNA).
- 应用八个ML算法用于诊断模型开发和验证,然后进行分子对接和体外实验.
主要成果:
- 在差异表达基因 (DEG) 和WGCNA模块之间确定了213个重叠基因,在免疫和感染途径中得到丰富.
- 使用ML算法选择了四个关键基因 (DDAH2,PNPLA2,STXBP2,TCN1),形成了一个强大的诊断模型.
- 复星在体外显示稳定地与基因结合,并减轻LPS诱导的ALI.
结论:
- 鉴定到的四个基因 (DDAH2,PNPLA2,STXBP2,TCN1) 显示出可能成为毒症-ALI.ALI的诊断生物标志物.
- Resveratrol通过向这些核心基因,成为治疗性败血症-ALI的有希望的候选药物.
