机器学习和单细胞RNA测序分析识别了MS相关的单细胞和五基因候选生物标记物签名
Di Pan1, Xinyi Wei1, Xiyan Kuang1
1Department of Neurology, The Second Affiliated Hospital of Harbin Medical University, Harbin, China.
Frontiers in neurology
|February 27, 2026
概括
这项研究确定了五个关键基因 (COX5A,CTSS,GBP2,IRF7,PGAM1) 作为多发性硬化症 (MS) 的有希望的生物标志物. 这些生物标志物在单细胞RNA测序数据上使用机器学习识别,可以改善MS诊断和对其免疫病理学的理解.
科学领域:
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 多发性硬化症 (MS) 是一种慢性自身免疫性炎症性疾病,影响中枢神经系统 (CNS).
- 了解分子机制并确定MS的可靠生物标志物对于诊断和治疗至关重要.
- 单细胞在MS的免疫病理学中发挥着重要作用.
研究的目的:
- 通过使用先进的生物信息学和机器学习,识别与MS相关的单细胞相关的关键生物标志物.
- 描述与MS相关的单细胞,并发现与致病性改变相关的候选生物标志物.
- 通过实验方法验证已识别的基因的表达.
主要方法:
- 分析了来自实验性自身免疫脑炎 (EAE) 模型的单细胞RNA测序 (scRNA-seq) 数据.
- 使用机器学习算法 (LogReg,LDA,SVM,NB,KNN,Rpart,RF) 来识别候选生物标志物.
- 使用CIBERSORT,ssGSEA和GSEA进行免疫和功能分析; qRT-PCR和免疫光验证基因表达.
主要成果:
- 七个机器学习算法一致确定了五个关键基因:COX5A,CTSS,GBP2,IRF7和PGAM1,作为最佳生物标志物.
- 这些基因和相关免疫细胞的透概况为MS的发病过程提供了洞察力.
- 鉴定出来的基因与MS相关的单细胞变异有很强的关联.
结论:
- 基因COX5A,CTSS,GBP2,IRF7和PGAM1是多发性硬化症的有希望的生物标志物.
- 这种基因特征有可能改善MS诊断和风险分层.
- 这些发现为MS中单细胞驱动的免疫病理学提供了新的见解.
