基于机器学习筛选狼疮肾炎的诊断基因以及免疫浸润分析  

作　　者：李玲琴[1] 张燕妮 贺泓霓 袁心柱 

机构地区：[1]川北医学院附属医院,南充637000 [2]川北医学院附属南充市中心医院,南充637000

出　　处：《中国中西医结合肾病杂志》2024年第1期51-54,I0007,I0008,共6页Chinese Journal of Integrated Traditional and Western Nephrology

基　　金：川北医学院科研项目(No.CBY21-QA06、CBY21-QA10);南充市科技局科研项目(No.19SXHZ0141)。

摘　　要：目的:利用生物信息学和机器学习方法寻找狼疮肾炎(LN)的诊断基因,并分析可能的免疫浸润机制,为狼疮肾炎的临床治疗提供新的方向。方法:从GEO数据库下载LN基因表达谱芯片数据集,其中GSE32591作为训练集,GSE112943作为独立验证数据集。使用R软件进行差异基因的筛选,并对这些差异基因进行基因本体论(GO)及基因通路富集(KEGG)分析。进一步利用LASSO回归和SVM-RFE机器学习算法筛选诊断基因,同时进行外部验证和受试者工作曲线(ROC)分析,再利用肾脏病Nephroseq数据库对诊断基因进行双重验证,最后通过CIBERSORT反卷积法计算22种免疫细胞在LN中的浸润情况及相关性。结果:筛选出LN差异基因共计367个,富集分析发现LN主要涉及对病毒的反应、免疫反应调节信号、细胞因子产生的正向调节、病毒过程的调节等免疫相关功能,以及金黄色葡萄球菌感染、COVID-19、甲型流感、补体和凝血级联等炎症通路。通过机器学习筛选出ISG20、PKP4、IFI44和LPL为诊断基因,均具有良好的诊断与预测效能。最后利用CIBERSORT反卷积法免疫浸润显示,在LN中记忆B细胞、单核细胞、活化自然杀伤细胞表达上调,而滤泡辅助性T细胞、未活化自然杀伤细胞表达下调。结论:LN的发生与发展是多基因多通路共同参与的结果,ISG20、PKP4、IFI44和LPL可能为LN诊断与预测的潜在生物标志物,同时记忆B细胞与单核细胞可能在LN的发生中具有重要意义。

关 键 词：狼疮肾炎 机器学习 生物信息学 免疫浸润 

分 类 号：R593.242[医药卫生—内科学]