MASLD進行の非常に正確な決定として設定された署名遺伝子の識別

背景と目的：代謝機能障害関連脂肪肝疾患（MASLD）は、肝臓の脂肪蓄積を特徴としています。Masldは、脂肪症とマッシュの両方を網羅しています。マッシュは肝硬変および肝臓がんにつながる可能性があるため、患者の治療中に脂肪症とマッシュは区別する必要があります。ここでは、MASLD患者のゲノム、エピゲノム、およびトランスクリプトームを調査して、MASLD進行のより正確な追跡のために設定された署名遺伝子を特定します。 方法：134 MASLDの患者からの生検組織および血液サンプルは、60の脂肪症と74人のマッシュ患者を含むOMICS分析を実施しました。SVM学習アルゴリズムを使用して、ほとんどの予測機能を計算しました。線形回帰を適用して、MASLDの段階を区別する署名遺伝子セットを見つけ、それらのアプリケーションをMASLDの独立コホートに検証しました。 結果：確認されたMASLD患者から134の生検サンプルに対してWGS、WES、WGB、および総RNA-Seqを実行した後、MASLDの進行を追跡する3,176の体性変異の呼び出し、58のDMRS、および1,393度の3,176個の体性変異型呼び出しのうち1,955個のMASLD関連機能を提供しました。次に、SVM学習アルゴリズムを使用してデータを分析し、最も予測的な機能を選択しました。線形回帰を使用して、MASLDのさまざまな段階を区別できるシグネチャー遺伝子セットを特定し、MASLDと肝臓がんコホートのさまざまな独立したコホートでそれを検証しました。 結論：MASLD関連疾患の診断遺伝子のパネルとして強い可能性を秘めた、シグネチャー遺伝子セット（すなわち、CAPG、HYAL3、WIPI1、WIPI1、SPP1、およびRNASE6）を特定しました。

BACKGROUND & AIMS: Metabolic dysfunction-associated steatotic liver disease (MASLD) is characterized by fat accumulation in the liver. MASLD encompasses both steatosis and MASH. Since MASH can lead to cirrhosis and liver cancer, steatosis and MASH must be distinguished during patient treatment. Here, we investigate the genomes, epigenomes, and transcriptomes of MASLD patients to identify signature gene set for more accurate tracking of MASLD progression. METHODS: Biopsy-tissue and blood samples from patients with 134 MASLD, comprising 60 steatosis and 74 MASH patients were performed omics analysis. SVM learning algorithm were used to calculate most predictive features. Linear regression was applied to find signature gene set that distinguish the stage of MASLD and to validate their application into independent cohort of MASLD. RESULTS: After performing WGS, WES, WGBS, and total RNA-seq on 134 biopsy samples from confirmed MASLD patients, we provided 1,955 MASLD-associated features, out of 3,176 somatic variant callings, 58 DMRs, and 1,393 DEGs that track MASLD progression. Then, we used a SVM learning algorithm to analyze the data and select the most predictive features. Using linear regression, we identified a signature gene set capable of differentiating the various stages of MASLD and verified it in different independent cohorts of MASLD and a liver cancer cohort. CONCLUSIONS: We identified a signature gene set (i.e., CAPG, HYAL3, WIPI1, TREM2, SPP1, and RNASE6) with strong potential as a panel of diagnostic genes of MASLD-associated disease.