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

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.