机器学习驱动的败血症诊断与免疫治疗新突破:关键分子生物标志物和治疗靶点的发现

【字体: 时间:2025年03月12日 来源:Scientific Reports 3.8

编辑推荐:

  为解决败血症早期诊断和免疫抑制治疗问题,研究人员开展 IIRGs 相关研究,发现 11 个关键基因,助力诊断与治疗。

Article
  败血症,这个看似陌生却又十分凶险的疾病,正严重威胁着全球人类的健康。它是由感染引发的免疫反应失调所导致的,死亡率高得惊人。2017 年,全球约有 4890 万例败血症病例,相关死亡人数达 1100 万,这一数据远超以往的估计。
在当前的医疗领域,败血症的诊断和治疗面临着诸多难题。传统的炎症标志物虽然在一定程度上有助于诊断败血症,但对于患者免疫抑制的情况却难以准确反映,这就可能导致治疗不及时或过度治疗。为了攻克这些难题,来自南昌大学第一附属医院、江西省呼吸疾病重点实验室等机构的研究人员开展了一项极具意义的研究,相关成果发表在《Scientific Reports》上。

研究人员综合运用多种先进技术,对败血症展开了深入探究。在数据处理上,他们从基因表达综合数据库(Gene Expression Omnibus,GEO)中获取了 GSE154918 和 GSE134347 两个数据集,分别包含 105 个和 298 个样本,并对数据进行了标准化处理和批次效应校正。同时,利用 ImmPort 数据库筛选出 1509 个免疫相关基因(Immune-related genes,IIRGs)。

在具体的研究方法上,研究人员采用了多种算法。ESTIMATE 算法用于评估肿瘤样本的纯度,计算免疫评分、基质评分等;加权基因共表达网络分析(Weighted Gene Correlation Network Analysis,WGCNA)用于识别疾病相关基因模块;此外,还运用了弹性网络(Elastic Net)、最小绝对收缩和选择算子回归(Least absolute shrinkage and selection operator regression,LASSO)、随机森林(Random Forest,RF)、Boruta 和极端梯度提升(eXtreme Gradient Boosting,XGBoost)等机器学习算法来筛选重要的 IIRGs。

通过这些研究方法,研究人员得出了一系列重要结论。

  1. 免疫相关评分差异:利用 ESTIMATE 算法分析发现,败血症患者与非败血症患者的免疫评分、基质评分、ESTIMATE 评分和肿瘤纯度存在显著差异。败血症患者的基质评分和肿瘤纯度升高,而 ESTIMATE 评分和免疫评分降低。
  2. IIRGs 模块识别:通过 WGCNA 分析,确定了与败血症免疫相关的基因模块。其中,棕色模块与败血症的正相关性最强,该模块中的基因被选为最终的 IIRGs。
  3. IIRGs 的筛选与功能分析:经五种机器学习算法筛选,确定了 11 个关键 IIRGs。功能富集分析表明,这些基因主要参与细胞因子介导的信号通路、T 细胞受体信号通路等,在免疫调节和炎症反应中发挥重要作用。
  4. 败血症预测模型的构建:运用六种机器学习算法构建败血症预测模型,所有模型都表现出较高的预测性能,受试者操作特征曲线下面积(AUC)均大于 0.75,部分模型的 AUC 甚至接近 1。
  5. IIRGs 与免疫浸润及免疫检查点的关系:研究发现,11 个 IIRGs 与免疫细胞浸润密切相关。在败血症患者和健康个体中,免疫细胞的浸润情况存在明显差异。同时,这些 IIRGs 与免疫检查点基因的表达也存在显著相关性。
  6. IIRGs 与药物敏感性的关系:药物敏感性分析显示,除部分药物外,败血症患者和健康患者对多数药物的敏感性存在差异,且 11 个 IIRGs 与药物敏感性显著相关。

在讨论部分,研究人员指出,他们所确定的 11 个 IIRGs 为败血症的早期诊断和治疗提供了潜在的生物标志物和治疗靶点。这些基因参与多种免疫信号通路,对调节免疫和炎症反应具有重要意义。例如,IL-10 作为一种抗炎细胞因子,在败血症中发挥着保护作用,但过量表达可能导致免疫逃逸;MAPK14 被认为是潜在的治疗靶点,与 IL-10 等相关信号通路密切相关。此外,研究还发现败血症与癌症在病理生理特征上存在相似之处,IIRGs 与免疫检查点及抗肿瘤药物敏感性相关,这为探索新的治疗方法提供了方向。

不过,该研究也存在一定的局限性。研究数据主要来源于 GSE154918 和 GSE134347 数据集,可能无法代表所有人群和临床情况;模型虽有良好的预测性能,但还需更多评估指标和临床样本的验证;数据分析基于公共数据库,可能存在数据误差。未来,需要开展更多前瞻性和机制性研究,以进一步验证和完善这些发现。

总的来说,这项研究通过基因组分析和机器学习技术,成功识别出与败血症相关的 11 个关键 IIRGs,构建了高效的败血症预测模型,为败血症的早期诊断、个性化治疗和新治疗靶点的开发提供了重要的理论依据和研究方向,对改善败血症患者的预后具有重要意义。

相关新闻
生物通微信公众号
微信
新浪微博

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号