多omics整合揭示了血管痴呆症中缺氧驱动的机制:一种机器学习和单细胞测序方法

科学领域:

• 神经科学是一个神经科学.
• 遗传学 遗传学 是一个
• 分子生物学分子生物学

背景情况:

• 血管痴呆症 (VaD) 是一种复杂的神经系统疾病.
• 缺氧在VaD病变发生过程中起着至关重要的作用.
• 识别关键的缺氧相关基因对于了解VaD至关重要.

研究的目的:

• 在血管痴呆症 (VaD) 中识别和分析与枢纽缺氧相关的基因.
• 探索这些基因在新陈代谢,免疫反应和细胞分化中的作用.
• 为了确定潜在的生物标志物和治疗目标的VaD.

主要方法:

• 使用的基因表达综合 (GEO) 数据集 (GSE122063,GSE282111) 包括高通量和单细胞测序数据.
• 执行了权重基因共同表达网络分析 (WGCNA) 和机器学习算法.
• 建立了使用双血管封闭 (2VO) 的慢性大脑低 perfusion 模型,并通过免疫组织化学验证了结果.

主要成果:

• WGCNA确定了36个重叠的缺氧相关基因,机器学习确定了DUSP1,MAFF和TGFBI作为枢纽基因.
• 这些枢纽基因与代谢途径 (例如,半氨酸-甲氨酸代谢,糖解) 和细胞死亡途径 (亡,烧亡) 有关.
• 单细胞分析显示,在星体细胞,内皮细胞和微质细胞中表达,在2VO模型中观察到增加的DUSP1,MAFF和TGFBI.

结论:

• DUSP1,MAFF和TGFBI被确定为VaD.中低氧相关机制的关键参与者.
• 这些基因显著影响新陈代谢调节,细胞死亡,免疫微环境和神经分化.
• 这些发现表明,这些基因是与VaD相关的认知障碍的潜在治疗点.