集成的单细胞和转录基因分析识别了IBD中的基于机器学习的烧生物标志物

科学领域:

• 免疫学 免疫学 免疫学
• 细胞生物学 细胞生物学
• 胃肠病学 胃肠病学

背景情况:

• 炎症性细胞死亡的热,与炎症性肠病 (IBD) 病原发生有关.
• 关键的细胞类型和调节基因驱动IBD中的炎症亡仍然在很大程度上未被确定.

研究的目的:

• 为了识别与IBD中的热致死相关的细胞类型和基因.
• 探索IBD中与热致死相关的基因的诊断潜力.

主要方法:

• 对肠道粘膜的单细胞RNA测序进行了分析,以寻找热灭的特征.
• 机器学习模型从与热死相关的基因组中确定了最佳的诊断基因.
• 使用大量外周血液转录组数据验证了这些发现.

主要成果:

• 热致死在巨细胞,上皮细胞和中性粒细胞中最活跃.
• 鉴定了19个与核心热相关的基因,其中16个在组织和血液样本中都被上调.
• 六个基因 (BASP1,LITAF,NAMPT,PHACTR1,PLAUR,PPIF) 成为关键的诊断标志物,其中BASP1的准确性很高 (AUC=0.935).

结论:

• 热致死在IBD肠道内的特定免疫和上皮细胞中显著活跃.
• 六个已识别的基因表明,它们有可能成为IBD诊断的非侵入性生物标志物.
• 这些发现提供了关于IBD机制和潜在治疗点的见解.