在缺血性中风中识别与翻译后修饰相关的生物标志物,使用生物信息学和机器学习
Xiaonan Bian1, Haiyang Fu2, Wenqiang Sun3
1Department of Clinical Laboratory, Affiliated Nantong Hospital of Shanghai University (The Sixth People's Hospital of Nantong), Nantong, 226011, Jiangsu, China.
Scientific reports
|November 10, 2025
概括
这项研究确定了六个PTM相关基因 (PTMRGs) 作为缺血性中风 (IS) 的诊断生物标志物,并开发了一种人工神经网络 (ANN) 模型,用于准确诊断. ETYA显示出作为IS治疗剂的潜力.
科学领域:
- 生物标志物和奥米克.
- 计算生物学和生物信息学
- 神经科学和神经病学 神经科学和神经病学
背景情况:
- 由于复杂的病理机制,缺血性中风 (IS) 的诊断具有挑战性.
- 翻译后修改 (PTMs) 在IS中至关重要,但它们的诊断和治疗潜力仍未得到充分探索.
- 识别与PTM相关的基因 (PTMRGs) 可以为IS病理和管理提供新的见解.
研究的目的:
- 为了确定与缺血性中风 (IS) 相关的PTM相关基因 (PTMRGs).
- 用生物信息学和机器学习评估已识别的PTMRG的诊断和治疗潜力.
- 根据PTMRGs开发一种基于IS的诊断模型.
主要方法:
- 来自两个独立的IS队列 (GSE16561,GSE58294) 的基因表达数据的分析.
- 差异表达分析,权重基因联合表达网络分析 (WGCNA) 和机器学习算法 (Boruta,SVM-RFE,LASSO) 用于生物标志物识别.
- 在临床样本中验证基因表达 (RT-qPCR),构建人工神经网络 (ANN) 模型,以及用于治疗标识的分子对接.
主要成果:
- 在IS中鉴定了1465个上调和1782个下调基因.
- 六个PTMRG (ATG7,KAT2A,RNF20,UBA1,UBE2I,USP15) 被确定为重要的诊断标记 (AUC>0.7).
- 一个ANN模型证明了IS的高诊断准确性 (AUC = 0.983训练,0.95测试);ETYA通过分子对接被确定为潜在的治疗剂.
结论:
- 已识别的六个PTMRG和ANN模型为IS诊断提供了有前途的工具.
- 功能性丰富分析将这些基因与关键的细胞过程联系起来,包括随处可见的介导蛋白解和DNA修复.
- ETYA显示IS治疗的潜力,需要进一步调查.
