在败血症中与失硫素相关的基因特征:基于LLM辅助生物信息学分析的诊断模型

科学领域:

• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 败血症是一种危及生命的器官功能障碍,其原因是宿主对感染的反应失调.
• 溶硫脱症是一种新发现的编程细胞死亡形式,与各种疾病有关.
• 在败血症病理生理学中,二硫化的作用仍然在很大程度上未被探索.

研究的目的:

• 通过使用先进的生物信息学,调查二硫化在败血症发病过程中的参与.
• 根据与二硫化相关的基因,识别出毒症的潜在诊断生物标志物.
• 开发一个强大的诊断模型用于败血症分类.

主要方法:

• 利用大型语言模型 (LLM) 和检索增强生成来提取dissulfidptosis基因.
• 集成的LLM提取,手动提取和数据集基因,用于全面的生物信息学分析.
• 采用机器学习模型,包括支持向量机,用于基因候选者识别和败血症分类.

主要成果:

• 在败血症中确定了21个与二硫化相关的基因和13个差异表达基因 (DEGs).
• 将败血症患者分为两个不同的分子子组,具有独特的免疫特征.
• 验证了五个枢纽基因 (FSTL1,SELP,PPBP,ITGA2B,PF4) 作为具有高精度 (AUC=0.989) 的关键诊断生物标志物.

结论:

• 不硫化症在败血症病理生理学中起着至关重要的作用.
• 开发的诊断模型在败血症分类方面表现出很高的性能.
• 经过验证的枢纽基因作为毒症诊断和治疗策略的有希望的生物标志物.