整合转录组学和机器学习,揭示FLI1-PARP14-免疫轴在性结肠炎活动和病变发生过程中的作用

科学领域:

• 胃肠病学 胃肠病学
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 性结肠炎 (UC) 是一种具有不完全理解分子机制的慢性炎症性肠病.
• 目前对UC病理生理学的理解需要进一步阐明分子驱动因素和诊断标记物.

研究的目的:

• 为了确定UC活动的诊断生物标志物.
• 通过集成的多omics和机器学习方法来揭开UC的病原性原因.
• 研究基因表达和免疫细胞透在UC中的作用.

主要方法:

• 在公开基因表达数据集上利用权重基因共同表达网络分析 (WGCNA) 和差异基因表达 (DEG) 分析.
• 应用蛋白质-蛋白质相互作用网络和整体机器学习来识别关键基因.
• 进行了基于总结数据的门德尔随机化 (SMR) 和免疫透分析.

主要成果:

• 确定了八个特征基因,其中CXCL11,PARP14和IFITM1作为显著的枢纽基因,显示出高诊断精度 (AUC>0.83).
• SMR分析表明,PARP14表达率升高和UC易感性之间存在因果关系.
• 枢纽基因与M1巨细胞和NK细胞等免疫细胞有很强的相关性,FLI1被确定为一个关键的上游调节器.

结论:

• 建立了一个FLI1-PARP14-免疫轴,它是UC病原体的核心.
• 突出了PARP14作为性结肠炎的潜在诊断生物标志物和治疗标.
• 提供了对UC活动背后的分子机制的新见解.