前PAH:转移学习以有效发现肺动脉高血压相关基因

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 肺动脉高血压 (PAH) 是一种严重的疾病,治疗选择有限,需要新的治疗点.
• 单细胞RNA测序 (sc-RNA seq) 对于识别疾病基因有价值,但受到样本可用性的限制.
• 从有限的公共数据中有效地识别功能相关的疾病基因是一个重大挑战.

研究的目的:

• 利用有限的sc-RNA序列数据,开发一种用于发现与肺动脉高血压 (PAH) 相关的新型功能相关基因的计算策略.
• 创建一个专门的深度学习模型,用于in silico疾病基因识别.
• 通过实验方法验证预测的候选基因.

主要方法:

• 转移学习被用来微调Geneformer深度学习模型与PAH患者的公开sc-RNA序列数据,创建PAH-former模型.
• 使用PAH-former进行了in silico扰动分析,以识别和排名影响PAH疾病状态的基因.
• 在人类肺动脉内皮细胞中进行了RNA干扰介导的候选基因淘汰,随后进行了SOX18表达测量.

主要成果:

• 在分析中,确定了134个候选基因,包括已知和新型基因,预计在删除后会影响PAH表型.
• 试验室内这些候选基因的淘汰导致SOX18的表达显著增加,SOX18是PAH的关键标志物.
• 该研究成功地确定并验证了与PAH病变发生相关的新型候选基因.

结论:

• 开发的PAH-former平台为与疾病相关的基因发现提供了一个强有力的策略,特别是在有限的数据集上.
• 这种方法有助于识别和验证PAH的新治疗点.
• 这些发现有望增强对细胞特异性机制的理解,并加速治疗PAH等罕见疾病的药物开发.