基于生物信息学方法对颅内动脉瘤破裂铁死亡相关特征基因的综合分析

作者：李晓健; 彭铮; 庞骢; 庄宗; 李伟; 杭春华^*

来源：中国脑血管病杂志, 2023, 20(02): 73-83.

• 颅内动脉瘤
• 破裂
• 铁死亡
• 生物信息学

目的 通过生物信息学方法综合分析颅内动脉瘤(IA)破裂特征基因，构建IA破裂风险的基因预测模型及药物调控靶点预测。方法 自美国国家生物信息中心基因表达综合(GEO)数据库中下载GSE13353和GSE122897数据集，分别用于筛选IA破裂的特征基因和验证。对IA破裂铁死亡相关的差异基因进行基因本体(GO)富集分析和京都基因与基因组百科全书(KEGG)富集分析；通过LASSO回归和机器学习-支持向量机递归特征消除算法筛选出IA破裂的特征基因；通过受试者工作特征(ROC)曲线，并计算曲线下面积(AUC),评估特征基因模型对IA破裂预测的准确性；基因集富集分析(GSEA)量化特征基因和相关通路活性；对IA组织中免疫细胞的浸润情况以及与特征基因相关性进行分析；使用药物基因相互作用数据库(DGIDB)和Cytoscape软件构建IA破裂特征基因的药物调控网络。结果 自GEO数据库中下载了GSE13353数据集，其中未破裂IA患者8例，破裂IA患者11例。从FerrDb数据库下载铁死亡相关基因731个，去除非人类种属335个，最终获得铁死亡相关基因396个，对其进行差异分析后得到90个差异基因(P<0.05),其中58个表达上调，32个表达下调。铁死亡相关的IA破裂差异基因在氧化应激等生物学过程显著富集(P<0.05);对LASSO回归和机器学习-支持向量机递归特征消除算法筛选出特征基因取交集，最终获得G6PD、MTOR、NF2、POR、SMPD1 5个IA破裂特征基因，将其联合对GSE122897数据集中IA破裂预测进行ROC分析，结果显示，AUC为0.884(95%CI:0.773～0.973,P<0.05)。GSEA分析获得了特征基因相关的富集通路；免疫浸润分析发现，滤泡辅助性T细胞、自然杀伤细胞的激活、M0型巨噬细胞和肥大细胞激活在IA未破裂与IA破裂中表达的差异有统计学意义(均P<0.05)。构建特征基因-药物调控网路显示，多种药物与5个IA破裂特征基因有相互作用。结论 成功构建铁死亡相关特征基因的IA破裂风险模型并显示出较好的预测性，通过构建基因-药物调控网络对患者IA破裂个体化治疗提供了新思路。本研究结果尚需大样本数据以及动物实验进一步验证。

• 单位
  南京大学医学院附属鼓楼医院