您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览21 | 下载4

目的:分析高血压肾病(HN)差异表达基因(DEGs)及免疫细胞浸润模式.方法:从GEO数据库中下载HN和健康人肾小管间质组织样本基因芯片数据集,使用R软件分析得到DEGs,并利用Metascape在线分析平台进行DEGs的功能富集分析,通过LASSO、SVM-RFE和RF三种机器学习算法筛选特征基因并验证诊断价值,最后利用CIBERSORT算法进行免疫细胞浸润分析.结果:共获得277个DEGs,功能富集分析发现其与先天免疫反应、体液免疫反应、对细胞因子的反应等多种免疫相关过程有关.机器学习算法共获得3个特征基因,分别为CISH、GADD45A和ZFP36,均具有良好的诊断价值,免疫细胞浸润分析发现调节性T细胞和M1巨噬细胞浸润较多,并且多种免疫细胞之间具有相关性.结论:HN的发病机制可能与多种免疫相关过程有关,调节性T细胞和M1巨噬细胞可能在HN的发病机制中发挥关键作用,CISH、GADD45A和ZFP36是HN潜在的诊断标志物.

作者:王益民;苏小艺;苏文革;彭伟;李焱;王怡斐

来源:中国免疫学杂志 2024 年 40卷 2期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:21 | 下载:4
作者:
王益民;苏小艺;苏文革;彭伟;李焱;王怡斐
来源:
中国免疫学杂志 2024 年 40卷 2期
标签:
高血压肾病 差异表达基因 机器学习算法 诊断标志物 免疫细胞浸润 Hypertensive nephropathy Differentially expressed genes Machine learning algorithms Diagnostic markers Immune cell infiltration
目的:分析高血压肾病(HN)差异表达基因(DEGs)及免疫细胞浸润模式.方法:从GEO数据库中下载HN和健康人肾小管间质组织样本基因芯片数据集,使用R软件分析得到DEGs,并利用Metascape在线分析平台进行DEGs的功能富集分析,通过LASSO、SVM-RFE和RF三种机器学习算法筛选特征基因并验证诊断价值,最后利用CIBERSORT算法进行免疫细胞浸润分析.结果:共获得277个DEGs,功能富集分析发现其与先天免疫反应、体液免疫反应、对细胞因子的反应等多种免疫相关过程有关.机器学习算法共获得3个特征基因,分别为CISH、GADD45A和ZFP36,均具有良好的诊断价值,免疫细胞浸润分析发现调节性T细胞和M1巨噬细胞浸润较多,并且多种免疫细胞之间具有相关性.结论:HN的发病机制可能与多种免疫相关过程有关,调节性T细胞和M1巨噬细胞可能在HN的发病机制中发挥关键作用,CISH、GADD45A和ZFP36是HN潜在的诊断标志物.

Baidu
map