不同基因表达概况和基于机器学习的发现,在VTE和CKD中发现关键遗传标记

科学领域:

• 基因组学和生物信息学
• 分子医学是分子医学.
• 系统生物学 系统生物学

背景情况:

• 静脉血栓塞栓症 (VTE) 和慢性病 (CKD) 是复杂的多因素疾病,具有鲜为人知的共同遗传基础.
• 识别共同的分子机制对于理解疾病的相互关系和开发新的治疗策略至关重要.

研究的目的:

• 通过转录和机器学习分析,识别关键基因和将VTE与CKD联系起来的分子途径.
• 基于共享的遗传特征,开发CKD的诊断模型.

主要方法:

• 在VTE和CKD患者队列中的差异基因表达分析 (DEGs).
• 功能丰富分析 (GO,KEGG) 和机器学习算法 (LASSO,SVM-RFE,RF) 用于特征选择.
• 使用关键基因,GSEA和免疫透分析构建和验证诊断名录.

主要成果:

• 鉴定了VTE中的637个DEG和CKD中的671个DEG,其中23个重叠基因.
• 鉴定出HNRNPA0和PI4KA是具有完美的诊断性能 (AUC=1,000) 的强大的特征基因.
• 诊断模型显示了高精度和校准,在CKD样本中验证了HNRNPA0和PI4KA的较低表达.

结论:

• HNRNPA0和PI4KA是VTE和CKD之间关键的共享基因,揭示了新的遗传和免疫联系.
• 开发的诊断模型为CKD预测提供了一个有前途的工具.
• 这些发现突出了未来机理学研究和治疗干预的潜在目标.