系统的翻译后修改全基因组识别了阿尔茨海默病的治疗点:来自多队列分析的证据

科学领域:

• 神经科学是一个神经科学.
• 遗传学 遗传学 是一个
• 生物化学 生物化学

背景情况:

• 全球范围内阿尔茨海默氏病 (AD) 发病率正在上升,造成重大社会和经济负担.
• 目前对阿尔茨海默病的治疗方法不会改变疾病的进展,这凸显了对新型治疗策略的需求.

研究的目的:

• 为了识别阿尔茨海默病 (AD) 的不同亚型.
• 探索后翻译修改 (PTMs) 在AD病变发生过程中的作用.
• 为了确定AD治疗的潜在治疗点.

主要方法:

• 共识聚类和权重基因共同表达网络分析 (WGCNA) 用于识别AD亚型和关键基因.
• 机器学习算法被用来识别枢纽基因并开发一个预测得分 (PTM.score).
• 对21个翻译后修饰 (PTM) 进行了全基因组分析.

主要成果:

• 基因本体学 (GO) 和KEGG分析显示,PTM在AD和相关途径中至关重要.
• PTM与AD生物标志物 (粉样β42,布拉克阶段) 和玛/β分泌酶活性有显著的相关性.
• 一个PTM.score在脑 (AUC:0.859) 和血液 (AUC:0.898) 样本中显示了AD的高预测准确性.
• 确定TRIM47和LNX1是潜在的药物点,TRIM47与CSF Aβ和p-tau水平相关.

结论:

• 这项研究提高了对AD机制的理解,并确定了潜在的治疗途径.
• TRIM47被强调为开发创新的阿尔茨海默病治疗方法的有希望的目标.