通过整合机器学习、共定位和SMR分析技术，鉴定克罗恩病的新生物标志物

《The FASEB Journal》：Identification of Novel Biomarkers for Crohn's Disease Through the Integration of Machine Learning, Colocalization, and SMR Analysis

克罗恩病多组学整合分析鉴定出CXCL5、SERPINB2、SOCS3、PF4和IL1R1等核心生物标志物，其中IL1R1经贝叶斯共定位和SMR分析显示因果关联，并证实其在炎症反应和Th1/Th17免疫应答中的双重作用。

　　

摘要

克罗恩病（CD）是一种慢性炎症性肠病，其发病率随着时间的推移而增加，因此需要改进诊断和治疗方法。本研究旨在识别用于CD诊断和治疗的候选生物标志物。分析了来自基因表达组学数据库（GEO）的与CD相关的基因表达数据集。通过差异蛋白质-蛋白质相互作用网络和加权基因共表达网络分析来筛选核心候选基因，并使用多种机器学习算法对这些候选基因进行进一步筛选。使用SHapley加性解释方法阐明了表现最佳模型的特征重要性。此外，还进行了单样本基因集富集分析，以评估免疫细胞浸润情况并确定其与诊断标志物的关联。通过贝叶斯共定位和基于汇总数据的孟德尔随机化（SMR）分析，确定了因果生物标志物基因。glmBoost与随机森林机器学习分析的结合识别出五个关键基因（CXCL5、SERPINB2、SOCS3、PF4和IL1R1），这些基因在CD诊断中表现出良好的性能。这些生物标志物与表明炎症加剧和Th1/Th17适应性免疫反应的免疫细胞浸润模式相关。共定位和SMR分析确立了IL1R1与CD发病之间的因果关联。这种整合多组学方法揭示了参与CD病理机制的关键生物标志物。基于eQTL数据的SMR分析表明IL1R1与CD风险存在显著关联，突显了其作为诊断生物标志物和治疗靶点的双重作用。

图形摘要

整合多组学方法识别出五个关键基因（CXCL5、SERPINB2、SOCS3、PF4和IL1R1），这些基因与表明炎症加剧和Th1/Th17适应性免疫反应的免疫细胞浸润模式相关。共定位和SMR分析确立了IL1R1与CD发病之间的因果关联。

利益冲突

作者声明没有利益冲突。

数据可用性声明

所有数据均提供在文章中或支持信息文件中。