使用生物信息学和机器学习识别和验证关键基因作为的诊断生物标志物
Lulu Wu1, Yuping Huang2, Hui Yang1
1Department of Pediatrics, The First Affiliated Hospital of Nanjing Medical University, Guangzhou Road 300, Nanjing 210029, China.
Computational biology and chemistry
|February 28, 2026
概括
研究人员使用生物信息学和机器学习确定了TYMP和HES4作为发作的关键基因. 这些基因是药物耐药性的潜在诊断标记物和治疗标.
科学领域:
- 神经学 神经学
- 生物信息学是一种生物信息学.
- 遗传学 遗传学 是一个
背景情况:
- 是一种常见的神经疾病,具有复杂的分子原因.
- 耐药性发作影响三分之一的患者,显著影响生活质量.
研究的目的:
- 用综合生物信息学和机器学习方法识别与相关的关键基因.
- 探索在中发现的基因的诊断价值和治疗潜力.
主要方法:
- 通过差异表达式分析和WGCNA分析了与有关的GEO数据集.
- 应用机器学习算法 (LASSO,RF,SVM) 来过与相关的关键基因.
- 在小鼠模型和细胞系中通过RT-qPCR和Western blot验证了TYMP和HES4表达.
主要成果:
- 确定了TYMP和HES4作为具有强大的诊断价值的关键基因 (AUC>0.76).
- 功能分析显示TYMP和HES4参与信号通路和免疫微环境调制.
- 在模型中证实了TYMP和HES4的显著上调.
- 发现了Calpain抑制剂I作为向TYMP的潜在治疗剂.
结论:
- TYMP和HES4是的有希望的诊断生物标志物.
- 这些基因在病发病过程中发挥作用,特别是在免疫调节过程中.
- 卡尔帕因抑制剂I呈现出针对TYMP的的潜在治疗策略.
