基于心力衰竭HMOX2诊断标志物的机器学习模型

目的 基于生物信息学数据和机器学习技术探索心力衰竭（heart failure,HF）中免疫细胞浸润新型诊断生物标志物,并阐释其潜在作用机制,为HF诊治提供新思路。方法 在基因表达综合（gene expression omnibus,GEO）数据库检索获取3个HF免疫细胞浸润组织基因表达数据集,其中GSE5406和GSE84796作为训练数据集,GSE21610作为验证数据集,使用R语言鉴定差异表达基因（differentially expressed genes,DEGs）,并进行基因本体论（gene ontology,GO）富集、京都基因和基因组数据库（Kyoto Encyclopedia of Genes and Genomes,KEGG）通路富集分析、疾病本体论（disease ontology,DO）富集、基因集富集分析（gene set enrichment analysis,GSEA）、免疫细胞浸润分析。进一步利用最小绝对收缩和选择算子（the least absolute shrinkage and selection operator,LASSO）回归、支持向量机递归特征消除（support vector machine recursive feature elimination,SVM-RFE）和随机森林（random forest,RF）三种高效机器学习算法筛选核心基因,同时进行外部验证和受试者操作特征曲线（receiver operating characteristic curve,ROC曲线）分析。结果 使用三种机器学习算法最终确定HMOX2为诊断HF的关键生物标志物,且具有良好的诊断与预测效能,训练组和验证组诊断的ROC曲线下面积分别为94.3%和83.3%。HF组和正常组的样本免疫测定结果显示幼稚B细胞、CD8T淋巴细胞、中性粒细胞与HF相关。结论 HMOX2可能是HF发生、发展的潜在分子靶点,并与HF组织的免疫浸润密切相关。