Europe PMC · 创面修复文献· Jiang Y, Cai Y, Liu Q, Jiang J, Shen F, Zhang Y, Fei X, Kuai L, Zhang Z, Luo Y, Song J, Ma X, Li B, Ma X, Ru Y.·· 2 天前精选AI 评分74
整合转录组学与机器学习分析识别糖尿病溃疡候选生物标志物及免疫特征
Integrative transcriptomic and machine learning analysis identifies candidate biomarkers and immune features in diabetic ulcers.
AI 导读
该研究整合公共转录组数据、机器学习、免疫富集分析和单细胞RNA测序，筛选并验证了由ANGPTL4、BNIP3、EEF2K、EIF4EBP1、KLHDC1、KLK10、KLK8、NFIX、QSOX1和S100A8组成的十基因候选标志物面板；分析显示其与Th17细胞浸润、白细胞介素受体活性及不同创面相关细胞群的表达定位有关。
推荐理由
研究整合转录组、机器学习与单细胞分析筛选糖尿病溃疡候选标志物，并结合小鼠模型观察其与免疫特征和延迟愈合的关联。
来源：Europe PMC · 创面修复文献 · pubmed.ncbi.nlm.nih.gov