
-
生物通官微
陪你抓住生命科技
跳动的脉搏
机器学习将TRAPPC13/COPS5确定为帕金森病的生物标志物及囊泡运输亚型
《Canadian Journal of Neurological Sciences》:Machine Learning Identifies TRAPPC13/COPS5 as Biomarkers and Vesicle Transport Subtypes in Parkinson’s Disease
【字体: 大 中 小 】 时间:2026年04月14日 来源:Canadian Journal of Neurological Sciences 2.2
编辑推荐:
帕金森病(PD)研究通过机器学习分析GEO数据集,发现TRAPPC13和COPS5为新型诊断生物标志物,模型验证准确率高,并揭示免疫浸润差异及两种分子亚型,为个性化治疗提供依据。
帕金森病(PD)是一种神经退行性疾病,其特征是神经元丢失和蛋白质运输异常。囊泡介导的运输失调会促进疾病的发展,但其诊断价值及与免疫系统的关联尚不明确。
分析了来自GEO数据集(GSE20141、GSE20163、GSE7621)的转录组数据,识别出差异表达的与囊泡运输相关的基因。结合使用机器学习算法(最小绝对值收缩选择算法、随机森林和极端梯度提升算法)来筛选出可靠的诊断生物标志物,并在独立数据集上验证了该诊断模型的有效性。同时评估了免疫细胞的浸润情况,通过非负矩阵分解(NMF)确定了不同的分子亚型。
机器学习结果显示TRAPPC13和COPS5是具有高预测准确性的可靠诊断生物标志物。该诊断模型在多个数据集中均表现出优异的性能,具备良好的校准能力和临床适用性。免疫分析显示帕金森病患者与对照组在CD8+ T细胞比例及MHC I类分子信号通路方面存在差异。NMF聚类进一步区分出两种在转录水平上不同的帕金森病亚型,这些亚型具有不同的病理机制和免疫特征。
本研究证实TRAPPC13和COPS5是帕金森病的新颖囊泡运输相关诊断生物标志物。这些基因具有显著的诊断潜力,所发现的两种分子亚型为帕金森病的发病机制提供了新的见解,可能有助于制定个性化的治疗策略。
自动化学习算法识别出TRAPPC13和COPS5基因作为帕金森病中囊泡运输相关的生物标志物和亚型。
帕金森病(PD)是一种神经退行性疾病,表现为神经元丢失和蛋白质运输异常。囊泡介导的运输功能障碍会加速疾病进展,但其诊断价值及与免疫系统的关系尚不明确。
分析了Gene Expression Omnibus(GEO)数据库(GSE20141、GSE20163、GSE7621)中的转录组数据,识别出差异表达的囊泡运输相关基因。结合使用Lasso、RF和XGBoost等机器学习算法筛选出可靠的诊断生物标志物,并在独立数据集上验证了诊断模型的有效性。同时评估了免疫细胞的浸润情况,通过非负矩阵分解(NMF)确定了不同的分子亚型。
机器学习分析表明TRAPPC13和COPS5是具有高预测准确性的关键诊断生物标志物。该诊断模型在多个数据集中均表现出优异的性能,具有出色的校准能力和临床适用性。免疫分析发现帕金森病患者与对照组在CD8+ T细胞比例及MHC I类分子信号通路方面存在差异。NMF聚类进一步区分出两种在转录水平上不同的帕金森病亚型,这些亚型具有不同的免疫特征和病理机制。
本研究发现TRAPPC13和COPS5是帕金森病的新颖囊泡运输相关诊断生物标志物。这些基因具有重要的诊断价值,所发现的两种分子亚型为帕金森病的发病机制提供了新的认识,有助于制定个性化的治疗策略。