在脊髓损伤中的潜在诊断特征的基于机器学习的识别
Zheng Wang1, Haojun Sun1, Bin Liu1
1Department of orthopedics, General Hospital of Northern Theater Command, Shenyang, Liaoning province, 110016, China.
Spinal cord
|February 27, 2026
概括
这项研究确定了七个与PANoptosis (编程细胞死亡) 相关的关键基因,作为脊髓损伤 (SCI) 的潜在诊断标志物. 使用CASP4和TLR4进行的nomogram显示出SCI诊断和预防的前景.
科学领域:
- 生物医学研究生物医学研究
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 脊髓损伤 (SCI) 带来了诊断上的挑战.
- 确定可靠的生物标志物对于有效的患者管理至关重要.
- 与PANoptosis相关的基因越来越多地被认为是它们在各种疾病中的作用.
研究的目的:
- 为了识别脊髓损伤 (SCI) 的诊断签名.
- 探索 PANoptosis 相关基因在 SCI 病变发生过程中的作用.
- 开发SCI诊断的预测模型.
主要方法:
- 生物信息学分析,包括差异基因表达 (DEG) 查和权重基因共同表达网络分析 (WGCNA).
- 对DEGs,SCI相关基因和PANoptosis相关基因的交叉分析以确定DPRGs.
- 用于诊断基因识别的机器学习,其次是名录构造,免疫透分析和网络建立.
主要成果:
- 在28个DPRG中确定了7个诊断基因 (FASLG,AVEN,PSMB3,EXOG,CASP4,CASP5,TLR4).
- CASP4和TLR4在相关的信号通路中显著丰富,并与特定的免疫细胞 (巨细胞,树突细胞,中性细胞) 相关.
- 基于CASP4和TLR4的诺米图显示了SCI的高预测准确性.
结论:
- 七个与PANoptosis相关的基因作为SCI的潜在诊断标志.
- 包含CASP4和TLR4的诺米图为SCI诊断和预防提供了一个可行的工具.
- 这些发现有助于改善脊髓损伤的临床诊断和管理.
