文献

J-GLOBAL ID：202202284655014996   整理番号：22A0983980

Alopecia TotalisとAlopecia Universalisに進行する脱毛症のリスクの予測:バイオインフォマティクス分析と機械学習によるバイオマーカー開発【JST・京大機械翻訳】

Prediction of the Risk of Alopecia Areata Progressing to Alopecia Totalis and Alopecia Universalis: Biomarker Development with Bioinformatics Analysis and Machine Learning

著者 (2件)： Zhang Tao (Department of Anesthesiology, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China) ,  Nie Yingli (Department of Dermatology, Wuhan Children’s Hospital (Wuhan Maternal and Child Healthcare Hospital), Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China)
資料名： Dermatology  (Dermatology)
巻： 238  号： 2  ページ： 386-396  発行年： 2022年 
JST資料番号： W6325A  ISSN： 1018-8665  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:Alopecia aata(AA)は,様々な臨床経過で,非瘢痕化毛損失により悪化する自己免疫疾患である。AAの病因と治療の進歩の理解が増加しているが,AA患者の転帰は,特に,脱毛症(AT)または脱毛症(AU)のサブタイプに進行する場合,好ましくないままである。したがって,ATまたはAUへのAA進行のリスクを反映するバイオマーカーを同定することは,AA患者のより良い介入につながる可能性がある。方法:本研究では,NCBI-GEO GSE68801から得られた122人のヒト頭皮皮膚生検標本の全ゲノム遺伝子発現に基づくAUまたはATに関連する重要な遺伝子を選択するために,バイオインフォマティクス解析を行った。次に,バイオインフォマティクス分析によって選択された鍵遺伝子に基づく8つの異なる機械学習(ML)アルゴリズムを用いて,バイオマーカーを構築した。結果:AA組織における(CD28)または減少(HOXC13,KRTAP1-3,およびGPRC5D)を,特にATおよびAUのサブタイプにおいて,有意に増加(CD28)または減少(HOXC13,KRTAP1-3およびGPRC5D)を同定した。さらに,AT/AUモデルへ進行するAA患者を予測するための予測モデルの予測精度(曲線下面積[AUC]値)は,ロジスティック回帰により90.7%(87.9%),分類木により93.8%(79.9%),ランダムフォレストにより100.0%(76.3%),サポートベクターマシンにより96.9%(76.3%),XGブーストにより83.5%(76.3%),および訓練(内部検証)コホートに対してニューラルネットワークアルゴリズムにより93.3%(80.6%)であった。さらに,2分子薬剤,アザシチジンとアニソマイシンを,Cmapデータベースによって同定した。それらはAT/AUへの進行のリスクが高いAA患者に潜在的治療効果を有する可能性がある。結論:本研究では,ATまたはAUに進行するAA患者のリスクを予測するための高精度モデルを実施し,それは異なるAA患者に対する個別化治療戦略および臨床管理の促進に重要である可能性がある。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  遺伝子 ,  ヒト ,  患者 ,  *脱毛症 ,  遺伝子発現 ,  *バイオマーカー ,  CD28抗原 ,  病因 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： *バイオインフォマティクス ,  ロジスティック回帰分析 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 円形脱毛症 ,  機械学習 ,  免疫応答 ,  予後

分類 (4件)： 皮膚疾患の治療一般  (GF05010P) ,  外皮一般  (EJ11010C) ,  生物学的機能  (EB03040U) ,  皮膚の臨床医学一般  (GF01030J)

タイトルに関連する用語 (8件)： 脱毛症 ,  リスク ,  予測 ,  バイオインフォマティクス ,  分析 ,  機械学習 ,  バイオマーカー ,  開発