加权基因共表达网络分析联合机器学习法筛选缺血性心肌病生物标记及免疫浸润分析

作者：尤红俊; 苟棋玲; 赵倩倩; 董梦雅^*

来源：中西医结合心脑血管病杂志, 2023, 21(23): 4289-4300.

• 缺血性心肌病
• 加权基因共表达网络分析
• 机器学习
• 生物标记
• 免疫浸润

目的:利用加权基因共表达网络分析(WGCNA)联合机器学习法筛选缺血性心肌病(ICM)的生物标记，并进行免疫浸润分析。方法:对来自基因表达综合数据库(GEO)的ICM转录谱进行差异分析。对差异表达基因(DEGs)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)通路富集分析。整合WGCNA和套索回归(LASSO)分析，筛选出ICM的生物标记。绘制受试者工作特征曲线(ROC)评估其诊断效能，并进行免疫浸润分析。结果:ICM左心室组织中有517个DEGs,主要参与细胞外基质构成、含胶原蛋白的细胞外基质等；同时，DEGs参与磷脂酰肌醇3激酶/蛋白激酶B(PI3K/AKT)信号通路、丝裂原活化蛋白激酶(MAPK)信号通路、内质网中的蛋白质加工、酪氨酸激酶/信号传导子及转录激活因子(JAK/STAT)信号通路、糖尿病并发症中的晚期糖基化终产物/晚期糖基化终产物受体(AGE/RAGE)信号通路、细胞凋亡、缺氧诱导因子1(HIF-1)信号通路等。鉴定出的生物标记无孢蛋白(ASPN)和高温需求丝氨酸肽酶1(HTRA1)具备良好的诊断效能。T淋巴细胞介导的免疫反应在ICM的发生发展中发挥重要作用，并与ASPN和HTRA1显著相关。结论:ASPN和HTRA1可作为ICM的生物标记，并与T淋巴细胞显著相关，在ICM的发病机制中发挥重要作用。

• 单位
  陕西省人民医院