NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan Arttırıcı kanıtlar, ferroptozun Parkinson hastalığının (PD) ilerlemesiyle uğraştığını göstermiştir. Bu çalışma, ferroptozla ilişkili genlerin (FRG'ler), bağışıklık sızması ve bağışıklık kontrol noktası genlerinin (ICG'ler) PD'nin patogenezinde ve gelişiminde rolünü araştırmayı amaçladı.MetodlarPD hastalarının mikroarray verileri ve Gen İfade Omnibus (GEO) veritabanından sağlıklı kontroller (HC) indirildi. Ağırlıklı gen eş ekspresyonu ağ analizi (WGCNA), GSE18838 veri kümesindeki PD ile ilgili önemli modülleri tanımlamak için işlenmiştir. Makine öğrenme algoritmaları, aday biyobelirteçleri WGCNA, FRG'ler ve diferansiyel olarak ifade edilen genler arasındaki kesişmeye göre taramak için kullanıldı. GSVA, GSEA, GO, KEGG ve bağışıklık infiltrasyonunun zenginleştirme analizi, ICG'lerin grup karşılaştırması da yapıldı. Daha sonra, aday biyobelirteçler ELISA tarafından klinik örneklerde doğrulandı ve tanı yeteneğini değerlendirmek için alıcı işletim karakteristik eğrisi (ROC) kullanıldı.SonuçlarBu çalışmada, FRG'lerin ICG'lerle korelasyonları, bağışıklık sızması vardı. Daha sonra, PD'deki LPIN1'in plazma seviyeleri, sağlıklı kontrollerdekinden önemli ölçüde daha düşükken, TNFAIP3'ün ifadesi PD'de HC ile karşılaştırıldığında daha yüksekti. ROC eğrileri, LPIN1 ve TNFAIP3 kombinasyonunun eğri altındaki alanın (AUC) 0.833 (%95 CI: 0.750-0.916) olduğunu göstermiştir. Dahası, her biyobelirteç tek başına PD'yi HC'den ayırabilir (LPIN1: AUC = 0.754,% 95 CI: 0.659-0.849; TNFAIP3: AUC = 0.754,% 95 CI: 0.660-0.849). HC'den erken PD'nin tespiti için, kombinasyon modeli 0.831 AUC (95% CI: 0.734-0.927) ile tanı doğruluğunu korudu, LPIN1 ayrıca erken PD'yi HC'den ayırt etmede de iyi performans gösterdi (AUC = 0.817, 95% CI: 0.717-0.917). Bununla birlikte, tanı etkinliği orta ileri PD hastalarından erken ayırt etmede nispeten zayıftı.ConclusionLIP1 ve TNFAIP3'ten oluşan kombinasyon modeli ve her bir biyobelirteç, PD'yi HC'den ayırt etmek için etkili bir araç olarak hizmet edebilir.
Özgün kaynak özetini okuyun
BackgroundIncreasing evidence has indicated that ferroptosis engages in the progression of Parkinson's disease (PD). This study aimed to explore the role of ferroptosis-related genes (FRGs), immune infiltration and immune checkpoint genes (ICGs) in the pathogenesis and development of PD.MethodsThe microarray data of PD patients and healthy controls (HC) from the Gene Expression Omnibus (GEO) database was downloaded. Weighted gene co-expression network analysis (WGCNA) was processed to identify the significant modules related to PD in the GSE18838 dataset. Machine learning algorithms were used to screen the candidate biomarkers based on the intersect between WGCNA, FRGs and differentially expressed genes. Enrichment analysis of GSVA, GSEA, GO, KEGG, and immune infiltration, group comparison of ICGs were also performed. Next, candidate biomarkers were validated in clinical samples by ELISA and receiver operating characteristic curve (ROC) was used to assess diagnose ability.ResultsIn this study, FRGs had correlations with ICGs, immune infiltration. Then, plasma levels of LPIN1 in PD was significantly lower than that in healthy controls, while the expression of TNFAIP3 was higher in PD in comparison with HC. ROC curves showed that the area under curve (AUC) of the LPIN1 and TNFAIP3 combination was 0.833 (95% CI: 0.750-0.916). Moreover, each biomarker alone could discriminate the PD from HC (LPIN1: AUC = 0.754, 95% CI: 0.659-0.849; TNFAIP3: AUC = 0.754, 95% CI: 0.660-0.849). For detection of early PD from HC, the model of combination maintained diagnostic accuracy with an AUC of 0.831 (95% CI: 0.734-0.927), LPIN1 also performed well in distinguishing the early PD from HC (AUC = 0.817, 95% CI: 0.717-0.917). However, the diagnostic efficacy was relatively poor in distinguishing the early from middle-advanced PD patients.ConclusionThe combination model composed of LPIN1 and TNFAIP3, and each biomarker may serve as an efficient tool for distinguishing PD from HC.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.