m+Medelevator.RU
← Поиск публикаций
BMC neurology · 2025

Новая генная сигнатура для прогнозирования времени следующего рецидива в множестве склероза с использованием периферийных моноядерных клеток крови.

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.

Zhang Huimin, Yang Jiahui, Zhang Xiaobo, Wu Chaoyi, Zhao Zhen, Yang Ming, Wu Zhaoping

Аннотация

AIM: Цель этого исследования заключалась в разработке и подтверждении генетической сигнатуры на основе периферийных моноядерно-кротовых клеток крови (ПБРК) для прогнозирования времени следующего рецидива множественных склерозов (МС). МЕТОДЫ: Набор данных GSE15245 (N = 94) был разделен на набор учебных материалов (N = 65) и набор испытаний (N = 29). Во-первых, набор учебных материалов был проанализирован с использованием анализа сети сбалансированного совместного выражения генов (WGCNA) для выявления ключевых модулей, которые были в значительной степени увязаны со временем следующего острого рецидива. Впоследствии в рамках этих ключевых модулей были проведены неариативные регрессионные анализы кокса, и были выявлены гены, связанные со временем повторения MS. Для дальнейшей доработки экстракции использовалась наименьшая абсолютная регрессия кокса оператора сокращения и отбора (LASSO). Затем генные сигнатуры были построены с помощью мультивариатной коксовой регрессии. Эффективность модели, основанной на базе данных комплекта учебных материалов, оценивалась с использованием кривых эксплуатационных характеристик приемника (ROC) и проверялась с использованием независимого испытательного набора. Кроме того, генные сигнатуры были также аттестованы для дифференциального выражения с использованием внешнего независимого набора данных GSE21942 (N = 29), а также экспериментальной проверки. Результат: с РГСНК были определены два ключевых модуля. В результате анализа Univerate Cox было получено 30 генов, связанных со временем рецидива MS из этих двух модулей, а затем регрессионный анализ LASSO дополнительно усовершенствовал выбор на четыре гена, а именно: BLK, P2RX5, GP1BA и PF4. Эти четыре гена были использованы в комплекте учебных данных для построения модели регрессии Кокса, и это продемонстрировало высокую эффективность прогнозирования в обучении, а также в тестовых наборах данных. Анализ внешних наборов данных и экспериментальная проверка подтвердили дифференциальное выражение BLK и P2RX5 у пациентов с MS. ЗАКЛЮЧЕНИЕ: BLK, P2RX5, GP1BA и PF4 появляются в качестве потенциальных прогнозов будущей активности заболеваний у людей с MS.
Оригинал публикации

A novel gene signature for forecasting time to next relapse in multiple sclerosis using peripheral blood mononuclear cells.

AIM: The purpose of this research study was to develop and validate a gene signature based on peripheral blood mononuclear cells (PBMCs) for predicting the time to the next relapse in multiple sclerosis (MS).

METHODS: The GSE15245 dataset (N = 94) was divided into a training set (N = 65) and a testing set (N = 29). First, the training set was analyzed using weighted gene co-expression network analysis (WGCNA) to identify key modules that were highly correlated with the timing of the next acute relapse. Subsequently, the hub genes within these key modules were subjected to univariate Cox regression analysis, and genes related to the recurrence time of MS were identified. The least absolute shrinkage and selection operator (LASSO) Cox regression was used to refine the extraction further. Then, the gene signatures were constructed using multivariate Cox regression. The efficacy of the model that was based on the training set database was evaluated using receiver operating characteristic (ROC) curves and validated using an independent testing set. Additionally, gene signatures were also validated for differential expression using an external independent dataset, GSE21942 (N = 29), along with experimental verification.

RESULT: Two key modules were identified with WGCNA. Univariate Cox regression analysis yielded 30 genes related to the relapse time of MS from these two modules, and then LASSO regression analysis further refined the selection to four genes, namely, BLK, P2RX5, GP1BA, and PF4. These four genes were used within the training dataset to build a Cox regression model, and this showed high prediction performance in the training as well as the testing datasets. Both external dataset analysis and experimental validation corroborated the differential expression of BLK and P2RX5 in patients with MS.

CONCLUSION: BLK, P2RX5, GP1BA, and PF4 emerge as potential predictors of future disease activity in individuals with MS.

Предметные рубрики MeSH

ИП Урсолов Владлен Сергеевич

ИНН 500118482352 · ОГРНИП 314500117700049

Реквизиты и контакты