NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka planParkinson hastalığı, dünyadaki en yaygın ikinci nörodejeneratif hastalıktır. Bununla birlikte, mevcut teşhis yöntemleri hala sınırlıdır ve mevcut tedaviler sadece hastalığın semptomlarını hafifletebilir, kökte tersine çevirmez. Bağışıklık fonksiyonu PD'de rol oynadığı tespit edilmiştir, ancak kesin mekanizma bilinmemektedir. Bu çalışma Parkinson hastalığında potansiyel bağışıklıkla ilişkili hub genlerini aramayı, ilgili bağışıklık sızma modellerini bulmayı ve kategorik bir teşhis modeli geliştirmeyi amaçladı.MetodlarGSE8397 veri setini 15 sağlıklı insan SN örneği ve 24 PD hasta SN örneği için gen ekspresyonu mikroarray verileri içeren GEO veritabanından indirdik. WGCNA ve diferansiyel ifade analizi kullanılarak PD ile ilişkili DEG'ler için tarama. Bu PD ile ilgili DEG'ler GO ve KEGG zenginleştirme için analiz edildi. Daha sonra, hub genleri (dld, dlk1, iars ve ttd19) LASSO ve mSVM-RFE makine öğrenme algoritmaları tarafından tarandı. ssGSEA algoritmasını GSE8397 veri kümesindeki nigrostriatal bağışıklık hücresi tiplerindeki farklılıkları hesaplamak ve değerlendirmek için kullandık. Dld, Dlk1, İars ve ttc19 ile 28 bağışıklık hücresi arasındaki ilişki araştırılmıştır. GSEA ve GSVA algoritmalarını kullanarak, bağışıklıkla ilişkili hub genleriyle ilişkili biyolojik fonksiyonları analiz ettik. Bağışıklıkla ilişkili hub genleri için bir ceRNA düzenleyici ağının kurulması. Son olarak, bir PD sınıflandırma teşhis modeli geliştirmek için bir lojistik regresyon modeli kullanıldı ve modelin doğruluğu üç bağımsız veri setinde doğrulandı. Üç bağımsız veri kümesi GES49036 (8 sağlıklı insan nigrostriatal doku örneği ve 15 PD hasta nigrostriatal doku örneği içeren), GSE20292 (18 sağlıklı insan nigrostriatal doku örneği ve 11 PD hasta nigrostriatal doku örneği içeren) ve GSE7621 (9 sağlıklı insan nigrostriatal doku örneği ve 16 PD hasta nigrostriatal doku örneği içeren). Bunlar arasında GSE8397'deki dlk1, dld ve ttc19'un AUC değerleri ve diğer üç bağımsız dış veri kümesinin tümü 0.7'den büyüktü ve bu üç genin belirli bir doğruluk seviyesine sahip olduğunu gösteriyor. İars geni, GES8397'de 0.7'den büyük bir AUC değerine ve bir bağımsız dış veriye sahipken, diğer iki bağımsız dış veri kümesindeki AUC değerleri 0.5 ile 0.7 arasında değişmektedir. Bu sonuçlar, iars'ın da bazı araştırma değerlerine sahip olduğunu göstermektedir. Bu dört bağışıklıkla ilişkili Parkinson hastalığı hub genine dayanan kategorik bir teşhis modeli başarıyla inşa ettik ve eklem teşhis modelinin AUC değerleri hem GSE8397'de hem de üç bağımsız dış veri kümesinde 0.9'dan büyüktü. Bu sonuçlar, kategorik tanı modelinin sağlıklı bireyler ve Parkinson hastalığı hastaları arasında ayrım yapmada iyi bir yeteneğe sahip olduğunu göstermektedir. Buna ek olarak, ceRNA ağları bağışıklıkla ilişkili hub genlerine dayanan karmaşık düzenleyici ilişkileri ortaya koymaktadır.Bu çalışmada, bağışıklıkla ilişkili dört PD hub geni (dld, dlk1, irars ve ttd19) elde edilmiştir. PD sınıflandırması için güvenilir bir teşhis modeli geliştirildi. Bu çalışma, PD'nin bağışıklıkla ilgili mekanizmalarını ve bağışıklıkla ilgili ilaç hedeflerinin tahminini araştırmak için algoritmik düzeyde destek sağlar.
Özgün kaynak özetini okuyun
BackgroundParkinson's disease is the second most common neurodegenerative disease in the world. However, current diagnostic methods are still limited, and available treatments can only mitigate the symptoms of the disease, not reverse it at the root. The immune function has been identified as playing a role in PD, but the exact mechanism is unknown. This study aimed to search for potential immune-related hub genes in Parkinson's disease, find relevant immune infiltration patterns, and develop a categorical diagnostic model.MethodsWe downloaded the GSE8397 dataset from the GEO database, which contains gene expression microarray data for 15 healthy human SN samples and 24 PD patient SN samples. Screening for PD-related DEGs using WGCNA and differential expression analysis. These PD-related DEGs were analyzed for GO and KEGG enrichment. Subsequently, hub genes (dld, dlk1, iars and ttd19) were screened by LASSO and mSVM-RFE machine learning algorithms. We used the ssGSEA algorithm to calculate and evaluate the differences in nigrostriatal immune cell types in the GSE8397 dataset. The association between dld, dlk1, iars and ttc19 and 28 immune cells was investigated. Using the GSEA and GSVA algorithms, we analyzed the biological functions associated with immune-related hub genes. Establishment of a ceRNA regulatory network for immune-related hub genes. Finally, a logistic regression model was used to develop a PD classification diagnostic model, and the accuracy of the model was verified in three independent data sets. The three independent datasets are GES49036 (containing 8 healthy human nigrostriatal tissue samples and 15 PD patient nigrostriatal tissue samples), GSE20292 (containing 18 healthy human nigrostriatal tissue samples and 11 PD patient nigrostriatal tissue samples) and GSE7621 (containing 9 healthy human nigrostriatal tissue samples and 16 PD patient nigrostriatal tissue samples).ResultsUltimately, we screened for four immune-related Parkinson's disease hub genes. Among them, the AUC values of dlk1, dld and ttc19 in GSE8397 and three other independent external datasets were all greater than 0.7, indicating that these three genes have a certain level of accuracy. The iars gene had an AUC value greater than 0.7 in GES8397 and one independent external data while the AUC values in the other two independent external data sets ranged between 0.5 and 0.7. These results suggest that iars also has some research value. We successfully constructed a categorical diagnostic model based on these four immune-related Parkinson's disease hub genes, and the AUC values of the joint diagnostic model were greater than 0.9 in both GSE8397 and three independent external datasets. These results indicate that the categorical diagnostic model has a good ability to distinguish between healthy individuals and Parkinson's disease patients. In addition, ceRNA networks reveal complex regulatory relationships based on immune-related hub genes.ConclusionIn this study, four immune-related PD hub genes (dld, dlk1, iars and ttd19) were obtained. A reliable diagnostic model for PD classification was developed. This study provides algorithmic-level support to explore the immune-related mechanisms of PD and the prediction of immune-related drug targets.
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.