基于GEO数据库筛选稳定性心绞痛患者外周血关键差异基因及诊断模型构建

目的 通过生物信息学方法对稳定性心绞痛患者外周血基因表达谱芯片进行分析,获取其外周血表达谱特征并筛选关键差异表达基因作为潜在的分子标记物并构建Nomogram诊断模型.方法 从NCBI中的基因表达综合(Gene Expression Omnibus,GEO)数据库中下载稳定性心绞痛患者和对照组的外周血基因表达谱芯片数据集GSE98583,使用R软件limma包筛选出具有显著意义的差异基因(differential expression genes,DEGs);利用clusterProfiler包进行基因本体(gene ontology,GO)与KEGG(kyoto encyclopedia of genes and genomes)通路富集分析;使用STRING在线分析工具构建蛋白交互网络和Cytoscape软件Cytohubba和Mcode插件筛选出关键基因;以关键基因为变量构建稳定性心绞痛Nomogram分子诊断预测模型.结果 通过比较稳定性心绞痛患者和正常受试者外周血基因表达谱,共筛选出303个差异表达基因,其中上调基因160条,下调基因43条;GO和KEGG分析表明,这些差异表达基因主要参与神经递质配体受体相互作用、脂肪吸收消化、钙调节信号通路、PI3K-Akt通路、NF-kappaB通路及氧化磷酸化等有关,使用Cytohubba进一步分析,筛选出10个关键基因BDNF,GFAP,SYN1,NES,PLG,HPGDS,KCNC1,APOA4,AMBP和TJP1,并建立了Nomogram诊断模型.结论 使用生物信息学方法揭示稳定性心绞痛外周血差异基因潜在特征,为稳定性心绞痛的早期诊断提供新的思路.