m+Medelevator.RU
← Поиск публикаций
Clinical rheumatology · 2025

HERC5, IFI6, IFIT3 и FASAL в качестве потенциальных диагностических биомаркеров системного волчанка эритематоса: интегрированная биоинформатика, машинное обучение и клиническая проверка.

СтатьяНазвание и аннотация: Машинный перевод · не проверен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

История · было → стало

Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.

Wang Hongling, Jiang Liyan, Xiao Yang, Xu Linlin, Zhang Ning, Wang Li, Chen Huoying

Аннотация

ЦЕЛИ: Системная волчанка эритематос (SLE) представляет собой опасное для жизни аутоиммунное расстройство, причиняющее многоорганический ущерб. Нынешним диагностическим методам мешает недостаточная чувствительность и специфичность традиционных биомаркеров, которые часто задерживают диагностику. Поэтому по-прежнему крайне необходимо выявить надежные диагностические биомаркеры для SLE. Были предварительно обработаны наборы микроархивы SLE из Gene Express Omnibus. Потенциальные диагностические биомаркеры SLE были выявлены с помощью дифференциального анализа экспрессии, анализа взвешенной сети совместного выражения генов и отбора элементов машинного обучения. Диагностические модели были построены на основе потенциальных генов и оптимизированы с помощью девяти алгоритмов машинного обучения. Уровни выражения потенциальных генов были дополнительно подтверждены в клинических образцах с использованием цепной реакции полимеразы в режиме реального времени (RT-qPCR), и их клиническая значимость была статистически оценена.РЕЗУЛЬТАТЫ: Четыре потенциальных гена-HECT и RLD Домена, содержащие E3 Ubicitin Protein Ligase 5 (HERC5), Interferon Alpha Inducable Protein 6 (IFI6), Interferon Inducable Protein с Tetricopepptide повторит 3 (IFIT3) и 2'-5'-Oligoadnyate Synthetase, как (OFAL)-показанный потенциал в качестве диагностических биомаркеров SLE, с значительно более высоким выражением у пациентов SLE по сравнению с контролем. Кривые рабочих характеристик индивидуального приемника (РОС) для потенциальных генов показали, что площадь под кривой (AUC) превышает 0,8 (P < 0,001), в то время как модель с номограммой достигла более высокой точности (AUC = 0,905, P < 0,001). Оптимизированные диагностические модели продемонстрировали высокую эффективность в различных наборах данных (AUC > 0,85, P < 0,001), особенно отличая SLE от гепатита C, множественного склероза и туберкулеза. Клиническая проверка подтвердила эти выводы, при этом генная комбинация превосходила обычные биомаркеры при оценке активности заболеваний (AUC = 0,776, P < 0,001). ВЫВОДЫ: HERC5, IFI6, IFIT3 и FASAL могут служить потенциальными диагностическими биомаркерами для SLE. Сочетание потенциальных генов свидетельствует как о дифференциальном диагностическом потенциале, так и о количественной оценке активности заболеваний. • В рамках этого исследования была интегрирована биоинформатика и машинное обучение с целью выявления и выявления четырех потенциальных генов HERC5, IFI6, IFIIT3 и FASAL в качестве потенциальных диагностических биомаркеров для SLE. • Машины обучения и оптимизация диагностических моделей на основе HERC5, IFI6, IFIT3 и FASAL продемонстрировали отличную диагностическую эффективность и дискриминационный потенциал. • Уровни выражения и диагностический потенциал HERC5, IFI6, IFIT3 и FASAL были дополнительно проверены с использованием клинических образцов, а результаты были приведены в соответствие с результатами биоинформатического анализа.
Оригинал публикации

HERC5, IFI6, IFIT3, and OASL as potential diagnostic biomarkers for systemic lupus erythematosus: an integrated bioinformatics, machine learning and clinical validation.

OBJECTIVES: Systemic lupus erythematosus (SLE) is a life-threatening autoimmune disorder causing multi-organ damage. Current diagnostic methods are hindered by inadequate sensitivity and specificity of conventional biomarkers, which frequently delay diagnosis. Therefore, identifying reliable diagnostic biomarkers for SLE remains critically needed.

METHODS: SLE microarray datasets from Gene Expression Omnibus were preprocessed. Potential SLE diagnostic biomarkers were identified through differential expression analysis, weighted gene co-expression network analysis, and machine learning feature selection. Diagnostic models were constructed based on the candidate genes, optimized with nine machine learning algorithms. The expression levels of the candidate genes were further validated in clinical samples using real-time quantitative reverse transcription polymerase chain reaction (RT-qPCR), with their clinical relevance assessed statistically.

RESULTS: Four candidate genes-HECT and RLD Domain Containing E3 Ubiquitin Protein Ligase 5 (HERC5), Interferon Alpha Inducible Protein 6 (IFI6), Interferon Inducible Protein with Tetratricopeptide Repeats 3 (IFIT3), and 2'-5'-Oligoadenylate Synthetase Like (OASL)-showed potential as SLE diagnostic biomarkers, with significantly higher expression in SLE patients versus controls. Individual receiver operating characteristic (ROC) curves for the candidate genes showed area under the curve (AUC) values exceeding 0.8 (P < 0.001), while nomogram model achieved superior accuracy (AUC = 0.905, P < 0.001). Optimized diagnostic models demonstrated robust performance in different datasets (AUC > 0.85, P < 0.001), specifically distinguishing SLE from hepatitis C, multiple sclerosis, and tuberculosis. Clinical validation confirmed these findings, with the gene combination outperforming conventional biomarkers in assessing disease activity (AUC = 0.776, P < 0.001).

CONCLUSIONS: HERC5, IFI6, IFIT3, and OASL can serve as potential diagnostic biomarkers for SLE. The combination of candidate genes demonstrates both differential diagnosis capability and quantitative assessment of disease activity. Key Points • This study integrated bioinformatics and machine learning to screen and identify four candidate genes HERC5, IFI6, IFIT3, and OASL as potential diagnostic biomarkers for SLE.. • Machine learning-optimized diagnostic models based on HERC5, IFI6, IFIT3, and OASL demonstrated excellent diagnostic performance and discriminative capability. • The expression levels and diagnostic potential of HERC5, IFI6, IFIT3, and OASL were further validated using clinical samples, and the results aligned with the findings of the bioinformatics analysis.

Предметные рубрики MeSH

ИП Урсолов Владлен Сергеевич

ИНН 500118482352 · ОГРНИП 314500117700049

Реквизиты и контакты