将单细胞RNA测序技术与机器学习相结合，发现GRN和FCER1G可能是流感发病机制中的过氧化物酶体靶点

《BMC Infectious Diseases》：Integration of single-cell RNA-sequencing and machine learning identifies GRN and FCER1G as potential peroxisomal targets in influenza pathogenesis

摘要

背景

流感是一种由流感病毒引起的急性呼吸道感染，给医疗系统带来了沉重的负担。研究表明，过氧化物酶体与多种病毒感染有关，包括流感病毒感染，但它们在流感病毒感染中的具体作用机制仍有待探索。

方法

在这项对公开可用的单细胞和批量转录组数据的重新分析中，使用了AUCell、UCell、singscore、ssgsea和AddModuleScore等单细胞评分算法来确定单细胞水平上与过氧化物酶体相关的基因表达。差异基因表达和蛋白质-蛋白质相互作用（PPI）分析识别出了关键的与过氧化物酶体相关的基因。整合了四种机器学习方法（包括XGBoost、Boruta、LASSO和随机森林）来识别最优特征基因。

结果

我们观察到在流感期间不同细胞类型中与过氧化物酶体相关基因的表达存在异质性，其中非经典单核细胞和经典单核细胞的基因表达得分最高。与对照组相比，经典单核细胞在流感组中的得分更高。通过机器学习算法，GRN和FCER1G被确定为最优特征基因，并在批量数据集中验证了它们的差异表达及其对流感的诊断价值，发现这些基因在经典单核细胞中表达上调。

结论

本研究揭示了GRN和FCER1G与流感病毒中的过氧化物酶体的关联，以及流感期间单细胞水平上与过氧化物酶体相关基因的异质性。此外，经典单核细胞可能在流感背景下对过氧化物酶体的功能实现起着关键作用。我们的研究增强了人们对过氧化物酶体在流感病毒感染中作用的理解，并可能为流感的治疗提供潜在的目标。