整合机器学习和单细胞分析鉴定并验证子宫内膜异位症昼夜节律相关诊断生物标志物
Identification and validation of circadian rhythm-related diagnostic biomarkers for endometriosis through integrating machine learning and single-cell analysis
本研究针对子宫内膜异位症缺乏分子诊断标志物的问题，整合WGCNA、四种机器学习算法和三个独立GEO队列，筛选并验证昼夜节律相关诊断标志物。结果提示SMC2、SUV39H2和TIMELESS具有良好诊断性能；免疫浸润分析显示B细胞和CD8+ T细胞富集升高、Treg和NK细胞降低；单细胞分析发现间充质细胞比例增加，BMP、CHEMERIN和GRN等细胞通讯改变，拟时序分析提示基质细胞亚群间的转录关系。
推荐理由：该研究将昼夜节律、机器学习与单细胞分析结合，为子宫内膜异位症无创/组织诊断标志物提供了计算验证线索；但证据以公共数据再分析为主，尚缺实验验证和临床样本前瞻性验证，适合作为方法学与候选标志物参考阅读。