Bioinformatica integrata e machine learning per identificare geni diagnostici condivisi e meccanismi comuni tra parodontite e psoriasi

Questo studio rappresenta un approccio metodologico sofisticato nel comprendere la base molecolare della coesistenza tra parodontite e psoriasi. La ricerca parte da dataset classici della banca dati GEO, sottolineando l'importanza dell'accesso a dati pubblici standardizzati per la riproducibilità della ricerca. L'identificazione iniziale di 24 DEGs e 333 geni correlati alle malattie rappresenta un punto di partenza critico, da cui successivamente sono stati raffinati gli analiti attraverso metodologie ortogonali. L'utilizzo combinato di WGCNA con analisi DEGs tradizionali consente di catturare sia variazioni individuali che pattern di co-espressione genica, aspetto fondamentale nella biologia dei sistemi. I tre biomarker finali (CXCR4, SASH3, LYN) sono stati sottoposti a validazione sperimentale mediante RT-qPCR, elemento essenziale che conferisce solidità ai dati computazionali. CXCR4 è una proteina di superficie coinvolta nella migrazione cellulare e infiammazione, SASH3 è associato alla segnalazione immunitaria, mentre LYN è una tirosin chinasi critica nell'attivazione dei linfociti. L'analisi di infiltrazione immunitaria mediante CIBERSOFT ha rivelato associate significative tra questi biomarker e disfunzione immunitaria cellulare, suggerendo che il sistema immunitario adattativo condivide percorsi alterati. La costruzione di un modello nomografico con validazione ROC rappresenta un avanzamento verso l'applicazione clinica. Le reti regolatorie TF-gene e gene-miRNA forniscono ulteriore profondità meccanicistica, ipotizzando fattori di trascrizione e microRNA che orchestrano l'espressione di questi geni in entrambe le condizioni, potenzialmente identificando target terapeutici multipli.