综合生物信息学和机器学习识别了Sjögren综合征中的新型诊断生物标志物和分子机制

科学领域:

• 自免疫性疾病 自免疫性疾病
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 肖格伦综合征 (SS) 是一种慢性自身免疫性疾病,由于非特异性症状和缺乏可靠的生物标志物,导致诊断挑战.
• 延迟诊断和低于最佳的患者管理在SS中很常见.
• 对于新的诊断生物标志物和对SS病变发生的更深入的理解有着至关重要的需求.

研究的目的:

• 确定Sjögren综合征 (SS) 的新型诊断生物标志物.
• 阐明SS病变的基础分子机制.
• 通过综合生物信息学和机器学习探索SS的潜在治疗目标.

主要方法:

• 分析了三个外周血液转录基因数据集 (351名SS患者,91名对照).
• 差异表达分析的应用,加权基因联合表达网络分析 (WGCNA) 和12个机器学习算法.
• 评估免疫细胞透,单细胞RNA测序和药物重定位分析.

主要成果:

• 确定了12个具有高诊断性能 (AUC高达0.994) 的枢纽基因 (例如,EPSTI1,IFIH1,CXCL10).
• 生物标志物与临床指标如ANA,Ro/SSA和La/SSB有显著的相关性.
• 揭示了SS中的免疫失调,具有特定的细胞类型变化和涉及的途径 (抗原呈现,干扰素信号传递).

结论:

• 这项研究成功地确定了12个Sjögren综合征 (SS) 强大的诊断生物标志物.
• 这些生物标志物为SS病原和免疫失调提供了新的见解.
• 这些发现突出了潜在的治疗点和FDA批准的药物候选者,用于SS管理.