中性粒细胞外细胞陷在性结肠炎的诊断潜力:基于基因的预测模型

科学领域:

• 胃肠病学 胃肠病学
• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学

背景情况:

• 中性粒细胞外细胞陷 (NETs) 有助于粘膜的防御,但可以使性结肠炎 (UC) 的炎症恶化.
• 在UC中观察到NET形成的增加,这表明它在疾病发病过程中发挥了作用.
• 在UC中NET的诊断实用性仍然在很大程度上未被探索.

研究的目的:

• 识别具有UC诊断潜力的NET相关基因.
• 开发和验证基于这些基因的UC预测诊断模型.

主要方法:

• 转录组数据分析 (GEO数据库),包括微分表达式,GSEA和WGCNA.
• 鉴定差异表达的NETs (DE-NETs) 基因.
• 机器学习算法 (LASSO,RF,SVM-RFE) 用于识别与NETs相关的诊断基因 (NDG).
• 使用NDG,IHC和动物模型构建和验证临床诊断预测模型.

主要成果:

• UC样本显示了丰富的免疫相关途径和增加的免疫细胞透.
• 确定IL-1β,MMP-9和CXCR2是关键的NDG.
• 诊断模型实现了高AUC值 (0.9715培训,~0.9596验证).
• NDG与中性粒细胞和其他免疫细胞正相关;UC患者和小鼠模型中的高表达.

结论:

• 用IL-1β,MMP-9和CXCR2.2成功构建了UC的诊断预测模型.
• 该模型显示出出色的诊断效率和作为UC诊断的新工具的潜力.
• 在临床和动物模型中的验证支持NDG的诊断能力.