NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Özet Parkinson hastalıklarında (PD) lipid metabolik bozukluklarının altında yatan mekanizmalar belirsizliğini korumaktadır. Ağırlıklı Gen Eş-Ekspresyon Ağ Analizi (WGCNA), PD ile ilişkili modüler genleri ve diferansiyel olarak ifade edilen genleri (DEG'leri) tanımlamak için gerçekleştirildi. Lipid metabolizması ile ilgili genler (LMRG'ler) Moleküler İmzalar Veritabanı'ndan çıkarıldı. Aday genler, protein protein etkileşimi (PPI) ağları oluşturmak amacıyla üst üste binen modüler genler, DEG'ler ve LMRG'ler ile değerlendirildi. Daha sonra, biyobelirteçler, aday genlere göre makine öğrenimi ve Backpropagation Sinir Ağı gelişimi ile oluşturuldu. Biyomarker bazlı zenginleştirme ve ağ modülasyon analizleri, ilgili sinyal yolunu araştırmak için yürütüldü. Boyutsallık azaltma kümeleme ve annotasyonun ardından, kritik hücrelerin düzenleyici mekanizmalarını analiz etmek için scRNA-seq hücresel etkileşimlere ve yörünge analizine sunuldu. Son olarak, qRT-PCR, PD hastalarında biyobelirteçlerin ekspresyonunu doğrulamak için yapılmıştır. Dört biyobelirteç (MSMO1, ELOVL6, AACS ve CERS2) elde edildi ve yukarıda belirtilen analizden sonra oldukça tahmin edici. Daha sonra, OPC, Oli ve Neu hücreleri, scRNA-seq çalışmalarına göre biyobelirteçler için birincil ifade alanlarıydı. Son olarak, MSMO1, ELOVL6 ve AACS mRNA'sının kontrolle karşılaştırıldığında PD hastalarında düşürüldüğü, CERS2'nin ise yukarı doğru düzenlendiğini doğruladık. Sonuç olarak, LMRG'lerle ilgili MSMO1, ELOVL6, AACS ve CERS2, PD'nin teşhisi ve tedavisi için yeni biyobelirteçler olabilir.
Özgün kaynak özetini okuyun
Abstract The mechanisms underlying lipid metabolic disorders in Parkinson's diseases (PD) remain unclear. Weighted Gene Co-Expression Network Analysis (WGCNA) was conducted to identify PD-related modular genes and differentially expressed genes (DEGs). Lipid metabolism-related genes (LMRGs) were extracted from Molecular Signatures Database. Candidate genes were assessed with overlapping modular genes, DEGs, and LMRGs for the purpose of building protein-protein interaction(PPI) networks. Then, biomarkers were generated by machine learning and Backpropagation Neural Network development according to candidate genes. Biomarker-based enrichment and network modulation analyses were executed to investigate related signal pathway. Following dimensionality reduction clustering and annotation, scRNA-seq was submitted to cellular interactions and trajectory analysis to analyze regulatory mechanisms of critical cells. Finally, qRT-PCR was conducted to confirm the expression of biomarkers in PD patients. Four biomarkers (MSMO1, ELOVL6, AACS, and CERS2) were obtained and highly predictive after analysis mentioned above. Then, OPC, Oli, and Neu cells were the primary expression sites for biomarkers according to scRNA-seq studies. Finally, we confirmed mRNA of MSMO1, ELOVL6 and AACS were downregulated in PD patients comparing with control, while CERS2 was upregulated. In conclusion, MSMO1, ELOVL6, AACS, and CERS2 related to LMRGs could be new biomarkers for diagnosing and treating PD.
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.