基于全面的生物信息学分析和机器学习,确定格雷夫斯病和甲状腺癌之间的免疫相关诊断生物标志物

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 遗传学 是一个遗传学.

背景情况:

• 格雷夫斯病 (GD) 与增加甲状腺癌 (THCA) 风险有关,但缺乏诊断生物标志物.
• 了解这种关联背后的免疫相关分子机制对于早期诊断和治疗至关重要.

研究的目的:

• 在患有格雷夫斯病 (GD) 的患者中确定甲状腺癌 (THCA) 的新型诊断生物标志物和治疗点.
• 探索免疫相关基因在GD和THCA的并发症中的作用.

主要方法:

• 利用了基因表达综合 (GEO) 和癌症基因组图谱 (TCGA) 数据库的生物信息学分析.
• 应用差异表达分析,加权基因共表达网络分析 (WGCNA),LASSO回归,CIBERSORT和机器学习.
• 通过异种移植瘤模型,药物敏感性测定和qRT-PCR来调查HOTTIP/hsa-miR-204-3p/TREM1轴的验证结果.

主要成果:

• 确定了21个共享的免疫相关基因,并为诊断模型选择了五个核心基因 (TREM1,S100A11,MRPS16,MET,ACTN1).
• TREM1作为一个中央调节器出现,显示出诊断潜力,与THCA中的免疫透相关.
• 在体内,TREM1的淘汰抑制了THCA细胞的增殖,并确定了VER-155008作为潜在的治疗剂.

结论:

• 已识别的五个核心基因,特别是TREM1,在GD患者中作为THCA的有前途的诊断生物标志物.
• 在THCA中,HOTTIP/hsa-miR-204-3p/TREM1轴是关键的监管途径.
• 这些发现为诊断和治疗与GD共存的THCA提供了有价值的目标.