多组学与机器学习整合识别颈动脉狭窄中的关键内皮模块

背景：颈动脉狭窄（CAS）是缺血性中风的主要原因，但用于早期识别的可靠分子生物标志物仍然有限。方法：我们整合了单细胞RNA测序（scRNA-seq）、大规模转录组学和内部多组学数据，应用WGCNA和机器学习来识别来源于内皮细胞的诊断生物标志物，并在单细胞、转录组学和蛋白质组学层面上在独立的GEO和ZZ队列中进行了验证。结果：scRNA-seq在CAS中识别出内皮聚集，得到836个标记。整合分析（DEGs + WGCNA）定义了80个候选者，机器学习选择了NRP1和XAF1。这两者在多个组学数据集中一致上调，显示出强大的诊断性能。结论：NRP1和XAF1代表新的来源于内皮细胞的生物标志物，在早期CAS筛查和临床诊断中具有潜在应用价值。