从多个数据集中使用神经应激免疫特征的机器学习建模来早期预测脱发区
Anxin Chen1, Lin Shang1, Yingjiao Ju2
1Department of Dermatology, Beijing Friendship Hospital, Capital Medical University, Beijing, 100050, China.
Scientific reports
|December 26, 2025
概括
使用关键基因的新XGBoost模型改善了脱发率大 (AA) 的预测. 该工具提供了关于"神经压力-免疫"相互作用的见解,有助于对这种反复出现的疾病进行早期干预.
科学领域:
- 免疫学 免疫学 免疫学
- 遗传学 遗传学 是一个
- 计算生物学 计算生物学
背景情况:
- 脱发性脱发症 (AA) 是一种反复出现的自身免疫性皮肤疾病,导致全球健康面临重大挑战.
- 预测AA发作对于及时的治疗干预和疾病管理至关重要.
研究的目的:
- 开发一种有效的临床工具,用于预测脱发期的发病.
- 阐明潜在的分子机制,并确定AA的关键预测生物标志物.
主要方法:
- 整合了来自Gene Expression Omnibus (GEO) 的六个脱发区域基因表达数据集.
- 使用生物信息学分析 (GO,KEGG,GSEA,GSVA,CIBERSORT) 和机器学习 (LASSO,随机森林,XGBoost) 来进行特征选择和模型构建.
- 在内部和外部验证预测模型,使用SHapley添加式解释 (SHAP) 进行解释,并开发了一个在线预测网站.
主要成果:
- 鉴定了组织再生和免疫失调是AA病变发生的关键因素.
- 选择了三个特征基因 (KRT83,PPP1R1C,PIRT),并突出了先天免疫反应,神经炎症和压力作为潜在的调节者.
- XGBoost 模型表现出卓越的预测性能,通过 SHAP 分析和在线工具进行验证.
结论:
- 该研究提供了对该领域的新见解.
- 神经-压力-免疫
- 在AA病变发生过程中的相互作用.
- 建立了临床适用的AA发作的预测模型,以促进早期诊断和干预.
