背景:研究发现铁死亡相关基因在类风湿关节炎的发病机制中占据重要地位,但目前尚缺乏关于类风湿关节炎铁死亡特征基因的免疫表现及CeRNA互作网络的构建,而机器学习作为生物信息学中强大的特征基因选择算法能更精确地筛选出在类风湿关节炎发病机制中占主导地位的铁死亡特征基因.
目的:利用生物信息学与机器学习方法筛选类风湿关节炎铁死亡特征基因,并分析铁死亡特征基因与免疫浸润的相关性及铁死亡特征基因CeRNA的网络构建.
方法:从GEO数据库获取与类风湿关节炎相关的芯片,利用R语言提取铁死亡相关基因及其差异基因表达;使用机器学习方法对差异基因进行筛选,即运用LASSO回归与SVM-RFE方法进行特征基因筛选,对两者过滤后的基因进行再次交集,最终得到类风湿关节炎的特征基因,运用ROC曲线评估筛选后的疾病特征基因诊断疾病的准确性;利用CIBERSORT算法分析类风湿关节炎与正常滑膜组织的免疫浸润情况,并分析铁死亡特征基因与免疫细胞的相关性,最后构建类风湿关节炎铁死亡疾病特征基因的CeRNA网络并对疾病特征基因进行验证.
结果与结论:①得到与类风湿关节炎相关铁死亡基因150个,其中55个上调基因,95个下调基因;②GO与KEGG富集分析分别得到18个GO显著相关条目与30个KEGG条目,主要涉及金属离子稳态、有铁离子
作者:夏天;李炳霖;肖发源;郑恩泽;陈跃平
来源:中国组织工程研究 2024 年 28卷 16期