肥厚型心肌病关键基因的鉴定及铁死亡机制

目的：利用生物信息学方法探究肥厚型心肌病(HCM)的关键基因、铁死亡基因和相关富集通路。方法：从GEO数据库下载GSE36961和GSE32453数据集,筛选共同差异表达基因(DEGs)进行富集分析,构建蛋白质相互作用(PPI)网络并鉴定关键基因,用GSE1145数据集验证关键基因的表达,绘制关键基因的受试者工作特征(ROC)曲线。此外,检索Genecards和FerrDb数据库,获得调控铁死亡基因并进行分析。结果：共筛选出136个共同DEGs,富集分析显示共同DEGs与流体剪切应力和动脉粥样硬化、糖尿病并发症中的晚期糖基化终产物及其受体信号通路等相关。PPI网络鉴定出4个关键基因,其中CCL2、CEBPD和PIM1在HCM中表达下调(均P<0.05),且对HCM有较高的诊断效能。另外,筛选出ATF3、LPCAT3和PIM1等10个调控铁死亡抗HCM的可能作用靶标,介导流体剪切应力和动脉粥样硬化、铁死亡等信号通路调控铁死亡途径。结论：CCL2、CEBPD和PIM1基因在HCM发病中具有重要作用,为HCM的诊断和治疗提供了参考,铁死亡相关基因为HCM发病机制的探索提供了新的方向。     

结合铁死亡建立遗传算法优化的反向传播神经网络脓毒症预后模型

目的 将铁死亡与机器学习相结合,建立一种基于遗传算法的反向传播网络（GA-BPNN）模型,以预测脓毒症患者的28 d存活情况。方法 通过高通量基因表达数据库（GEO）下载脓毒症相关数据。从分子签名数据库（MSigDB）下载与铁死亡相关的基因65个。使用基因集富集分析（GSEA）、基因集变异分析（GSVA）、加权基因共表达网络分析（WGCNA）和蛋白质-蛋白质相互作用（PPI）网络分析筛选脓毒症患者的铁死亡相关基因。同时利用短时间序列挖掘分析（STEM）筛选与脓毒症发展进程相关的基因,并与脓毒症患者铁死亡相关基因取交集,获得脓毒症预后的关键基因。在传统的反向传播网络（BPNN）的基础上,采用遗传算法（GA）优化权值和阈值,建立脓毒症预后预测GA-BPNN模型。结果 脓毒症存活组和未存活组之间铁死亡相关基因集活性差异显著。共筛选出97个脓毒症铁死亡相关基因。同时确定了191个在脓毒症发展进程中显著上调或下调的基因。取交集基因建立脓毒症四基因预测预后GA-BPNN模型。在训练集中经过迭代后训练的均方误差在0.05以下,曲线下面积（AUC）为0.98。为验证GA-BPNN模型的泛化能力和分类效...     

不明原因复发性流产中铁死亡的生物信息学分析及验证

目的：探究铁死亡关键基因在不明原因复发性流产（URSA）发生发展中的作用，初步确定潜在生物标志物。方法：从基因表达综合（GEO）数据库下载数据集GSE26787，利用GEO2R筛选差异表达基因（DEGs）；从FerrDb V2数据库下载铁死亡相关基因；DEGs与铁死亡基因取交集获得URSA铁死亡相关基因；利用DAVID数据库对URSA铁死亡相关基因进行基因本体（GO）富集及京都基因与基因组百科全书（KEGG）通路分析；利用String数据库和Cytoscape软件分析蛋白互作网络，筛选Hub基因；采用实时荧光定量PCR(RT-qPCR)检测Hub基因在人工流产组及URSA组患者蜕膜组织中mRNA的表达水平。结果：共筛选出55个URSA铁死亡基因；GO功能富集提示URSA铁死亡相关基因主要在自噬调节、RNA聚合酶Ⅱ启动子转录正调控、膜的整体组分、酶及p53蛋白受体结合富集。KEGG通路分析显示URSA铁死亡基因富集最明显的为FoXO信号通路。采用String数据库及Cytoscape软件筛选出的URSA铁死亡关键基因分别为EGFR、SRC、KRAS、MDM2。RT-qPCR检测结果显示，...     

WGCNA联合LASSO-COX方法筛选甲状腺癌预后关键基因及其临床价值分析

目的 筛选甲状腺癌（thyroid cancer，THCA）的关键预后基因并构建预后预测模型。方法 从癌症基因组图谱（The Cancer Genome Atlas，TCGA）数据库中获取THCA和正常样本的基因表达谱，采用Limma算法筛选THCA组织与正常组织间差异表达基因（differentially expressed genes，DEGs），再进行权重基因共表达网络分析（weighted gene co-expression network analysis，WGCNA）和套索联合COX回归分析（least absolute shrinkage and selection operator regression COX analysis，LASSO-COX）获得与其预后相关基因，然后根据关键基因构建预后预测模型，基于风险评分进行生存分析和受试者工作特征（receiver operating characteristic，ROC）曲线分析，最后基于基因表达谱和风险评分进行基因集富集分析（gene set enrichment analysis，GSEA）以评估相关途径和分子机制。结果 本研究筛选出5个THCA预后关键基因，即LINC02550、STEAP2、ATP2C2、PLEKHG4B和SALL4。通过这5个基因构建的预后评估模型表明，风险评分越高，预后越差。ROC曲线分析结果表明该模型对患者生存率具有优良的预测性能，结合THCA患者的主要临床特性建立的列线图具有良好的预测性能。GSEA分析发现mTOR信号通路、Hedgehog信号通路、细胞自噬调节、转化生长因子-β信号通路富集在高风险评分组。结论 基于筛选出的5个关键基因构建的预后预测模型有助于预测THCA患者的预后，这5个基因是潜在的靶向治疗基因。     

去势抵抗性前列腺癌潜在关键基因的生物信息学分析

背景去势抵抗性前列腺癌（CRPC）是男性常见恶性肿瘤疾病之一,病死率高,分子机制仍不十分清楚,且无有效治疗药物。目的应用生物信息学方法挖掘CRPC发生、发展的关键基因,为其诊治提供新思路。方法从基因表达综合数据库（GEO）中下载关于人类原发性前列腺癌（PCa）和CRPC的数据集GSE32269并进行生物信息学分析。使用R语言鉴定CRPC的差异表达基因（DEGs）。通过DAVID软件对DEGs进行基因本体论（GO）富集分析及京都基因和基因组百科全书（KEGG）通路分析。利用STRING在线数据库构建蛋白质-蛋白质相互作用（PPI）网络进一步筛选关键基因,并对关键基因进行生存分析和受试者工作特征（ROC）曲线分析。结果通过对微阵列数据集GSE32269分析共筛选出279个DEGs,进一步通过GO富集分析和KEGG通路分析发现在CRPC发展中,细胞分裂、有丝分裂和细胞周期等信号通路发挥重要作用。PPI网络分析筛选出15个关键基因,对关键基因进行生存分析发现：CDC20、MAD2L1和NUSAP1高表达组CRPC患者总生存率和无病生存率均分别低于CDC20、MAD2L1和NUSAP1低表达组（P<0.05）;且CDC20、MAD2L1和NUSAP1预测CPRC发生的ROC曲线下面积分别为0.933、0.762、0.950,提示其对CRPC具有较高的诊断价值。结论CDC20、MAD2L1和NUSAP1可能是参与CRPC发展的关键候选基因。     

于WGCNA的尿道下裂相关基因鉴定分析

目的 利用基因共表达权重网络（weighted gene co-expression network analysis,WGCNA）探索与尿道下裂发病相关的潜在基因。方法 利用WGCNA算法将数据集GSE35034处理并构建基因共表达权重网络,筛选出与尿道下裂相关性最高的模块,通过基因本体论（gene ontology,GO）、京都基因和基因组百科全书（Kyoto Encyclopedia of Genes and Genomes,KEGG）对模块中的基因进行富集分析。同时进行差异分析,筛选差异基因。将差异基因导入String数据库,利用Cytoscape软件,找出网络中枢纽基因。将以上3 种方法的结果系统分析,筛选出交集中的核心基因。利用外部数据集对核心基因进行mRNA表达变化及受试者操作特征（receiver operating characteristic,ROC）曲线诊断验证。结果 基于WGCNA方法得到15个共表达模块。通过差异分析获得了93个满足条件的共同差异基因。通过Cytoscape软件分析最终得到10个核心基因。最后3种方法得到2个交集基因：FBXL16、SYNDIG1。ROC曲线验证了交集基因在尿道下裂患者与正常人中表达存在差异。结论 本研究通过WGCNA获得了2个与尿道下裂具有显著相关性的关键基因,可用于尿道下裂发病及治疗的探索。     

鉴定铁死亡相关基因作为狼疮性肾炎诊断生物标志物的研究

目的 以铁死亡相关基因(ferroptosis-related genes, FRGs)为目的基因筛选狼疮性肾炎(lupus nephritis, LN)的生物标志物。方法 分别从基因表达数据库和FerrDB数据库下载LN相关数据和FRGs。接着使用差异表达分析、加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)、LASSO(least absolute shrinkage and selection operator)回归和支持向量机递归特征消除筛选关键基因，并绘制受试者工作特征(receiver operating characteristic, ROC)曲线评估关键基因的诊断能力，并验证诊断基因的表达量。结果 本研究鉴定出2个关键基因(PTEN和NR4A1),关键基因的ROC曲线下面积均大于0.79,且PTEN在LN样本中高表达，NR4A1在LN样本中低表达。结论 PTEN和NR4A1的发现为LN铁死亡相关研究提供了新的视角。     

基于生物信息学筛选脓毒症中性粒细胞活化的关键基因

目的基于生物信息学筛选脓毒症中性粒细胞活化的关键基因。 方法从GEO数据库中下载4个成人脓毒症芯片数据集(GSE69528、GSE28750、GSE57065、GSE95233),进行差异表达基因(DEG)筛选。基因本体论(GO)分析DEG,STRING数据库构建蛋白互作网络,Cytoscape软件提取关键基因,CIBERSORT算法估算数据集中的免疫细胞表达水平,ROC曲线评价关键基因对脓毒症患者的诊断价值。取儿童脓毒症相关芯片数据集(GSE66099)进行验证。 结果4个成人脓毒症数据集筛选出299个重叠DEG,其中112个基因上调,187个基因下调。GO主要富集于中性粒细胞活化、中性粒细胞脱颗粒、肽酶调节活性、糖胺聚糖结合、特殊颗粒、囊泡腔等。筛选出脓毒症中性粒细胞活化的关键基因10个,在脓毒症中表达水平均上调,ROC曲线下面积均大于0.7,具有较好的诊断价值。儿童脓毒症数据集验证结果与成人脓毒症数据集结果一致。 结论基于生物信息学方法筛选出脓毒症中性粒细胞活化相关的10个关键基因,为脓毒症的早期诊断、预后判断及治疗提供了潜在新靶点。     

基于生物信息学探讨骨关节炎相关分子机制及免疫细胞浸润分析

目的 利用生物信息学技术探讨骨关节炎发病的相关分子机制。方法 通过基因表达综合（GEO）数据库获取2份骨关节炎芯片（GSE51588、GSE98918）作为对照样品组，并筛选出骨关节炎与正常对照组的差异表达基因，对其行基因本体（GO）和疾病本体（DO）富集分析。通过LASSO回归模型和SVM-RFE算法识别筛选生物标志物，在验证组GSE117999芯片中行受试者操作特征（ROC）曲线验证，再利用ROC曲线下面积值评估辨别能力。利用CIBERSORT算法预估骨关节炎与筛选出的生物标志物的生物信息学关联。结果 共鉴定出骨关节炎差异基因96个，其中上调、下调基因分别为47、49个，GO和DO富集分析涉及多种信号通路、细胞组分、分子功能和疾病。LASSO回归算法和SVM-RFE算法筛选并经过验证组验证后得到的特征基因为CSN1S1、CXCL14、MTHFD2、NMNAT2、TLR7，且ROC曲线验证结果符合预期。免疫细胞浸润分析显示，正常对照组幼稚B细胞、单核细胞、激活的肥大细胞、中性粒细胞相对含量明显增加，而骨关节炎组幼稚CD4+T细胞、滤泡辅助细胞、巨噬细胞M1、静息树突状细胞相对含量明显...     

骨肉瘤铜死亡相关LncRNA预后模型构建与验证

目的：Cuproptosis是一种新发现的程序性细胞死亡形式，被认为在肿瘤治疗中起重要作用。长链非编码RNA(long non-coding RNA, lncRNA)参与调节细胞多种生理与病理活动。本研究旨在探讨铜死亡相关LncRNA在骨肉瘤中的预后意义。方法：从公共数据库UCSC Xena和GTEx数据库下载骨肉瘤样本与正常样本的基因表达谱以及相应的临床数据，从已发表的文献中获取铜死亡基因，采用共表达网络、最小绝对收缩和选择算法（LASSO）和Cox回归模型构建骨肉瘤铜死亡相关lncRNA预后模型并进行内部验证。采用受试者工作特征（ROC）曲线和列线图来评估模型的预测能力。单样本基因集富集分析（ssGSEA）探讨不同风险组与骨肉瘤免疫细胞与功能的相关性。结果：对收集到的19个铜死亡基因进行共表达分析，得到181个铜死亡相关lncRNA，差异分析及单因素Cox分析筛选出10个铜死亡预后相关的LncRNA。随后通过Lasso及多因素Cox回归筛选得到了3个铜死亡相关lncRNA(AC124798.1、AC090152.1、AC090559.1)构建预后模型。根据风险评分中位值将患者分为高...     

基于WGCNA分析和SVM建模对轻度认知功能障碍患者血液基因生物标志物的筛选研究

目的： 分析轻度认知功能损害（mild cognitive impairment,MCI）患者的外周血表达谱数据,寻找MCI的基因生物标志物。 方法： 从GEO数据库下载GSE63063表达谱数据,采用加权基因共表达网络分析（weighted gene co-expression network analysis,WGCNA）明确与MCI相关的共表达模块,对最显著的模块进行功能富集分析,利用STRING数据库构建模块的蛋白互作（protein-protein interaction,PPI）网络,识别网络中的Hub基因,基于支持向量机（support vector machine,SVM）建立MCI的诊断模型,并进行受试者工作特征曲线（receiver operating characteristic curve,ROC）分析,检测其诊断能力。 结果： 通过WGCNA分析,发现9个与MCI相关的共表达模块,brown模块与MCI的相关性最强。通过MCC算法筛选出每个模块的前15个Hub基因,其中brown模块的Hub基因诊断能力最高,在训练集及验证集中的ROC曲线下面积分别为0.864、0.789。 结论： brown模块的Hub基因可成为诊断MCI的潜在生物学标志物。     

甲状腺癌铁死亡预后风险模型的构建及其潜在机制的生物信息学分析

目的：筛选甲状腺癌（TC）差异预后铁死亡基因（PFRGs）,构建TC铁死亡相关基因（FRGs）预后风险模型,并阐述其潜在作用机制。方法：从癌症基因组图谱（TCGA）数据库获取基因表达及临床数据,从铁死亡疾病数据库（FerrDb）和人类基因数据库（GeneCards）中获取FRGs,采用R软件筛选TCPFRGs;从TCGA和GTEx数据库获取TC组织和甲状腺组织中PFRGs mRNA表达数据,从人类蛋白图谱（HPA）数据库获取免疫组织化学结果,验证PFRGs mRNA和蛋白表达的差异;采用时间依赖性受试者工作特征（time-ROC）曲线和Kaplan-Meier曲线评估PFRGs与TC患者生存和预后的关系;采用单因素和多因素Cox回归分析计算PFRGs表达的风险评分,纳入TC患者临床数据,进行独立预后分析,并构建Nomogram图;TCGA数据库中PFRGs与各基因表达的相关性采用Spearman相关分析,计算相关系数并筛选共表达基因;采用生物信息学方法对PFRGs共表达基因进行蛋白-蛋白互作（PPI）网络图、基因本体论（GO）和京都基因与基因组百科全书（KEGG）富集分析。结果：在TC...     

基于网络药理学探讨岐黄避瘟方预防新型冠状病毒肺炎的作用机制

目的 基于网络药理学探讨岐黄避瘟方预防新型冠状病毒肺炎（COVID-19）的作用机制。方法 采用中药系统药理学数据库与分析平台（TCMSP）检索岐黄避瘟方中各味中药的有效成分及相关靶点;采用美国国立生物技术信息中心（NCBI）、在线人类孟德尔遗传数据库（OMIM）、GeneCards数据库检索COVID-19疾病相关靶点;构建岐黄避瘟方相关靶点与疾病相关靶点韦恩图,筛选岐黄避瘟方预防COVID-19的潜在靶点;将潜在靶点导入STRING数据库筛选出关键靶点,并构建蛋白质-蛋白质相互作用（PPI）网络图;采用Cytoscape 3.8.0软件构建药物-化学成分-关键靶点网络图;对关键靶点进行基因本体（GO）富集分析及京都基因与基因组百科全书（KEGG）信号通路富集分析。结果 得到岐黄避瘟方预防COVID-19的潜在靶点122个;根据Betweenness Centrality值与Degree值大于中位数筛选出关键靶点45个,包括白细胞介素（IL）-6、IL-4、IL-2、IL-1β、Toll样受体4(TLR4)、Toll样受体2(TLR2)、趋化因子CC配体2(CCL2)等;按Degre...     

WGCNA与机器学习算法识别结直肠癌发病机制中潜在PANoptosis关键基因

目的:利用生物信息学与机器学习算法筛选结直肠癌(CRC)发病机制中的PANoptosis关键基因,开发并验证与CRC相关的多基因预测模型。方法:基于基因表达综合数据库(GEO)中CRC基因芯片筛选CRC组织与正常组织差异表达基因(DEGs)。利用加权基因共表达网络分析(WGCNA)筛选疾病特征模块基因。采用最小绝对值收敛和选择算子(LASSO)算法、支持向量机-递归特征消除(SVM-RFE)和随机森林算法获得枢纽基因,并取PANoptosis相关基因的交集,获得PANoptosis关键基因,构建预测CRC的列线图模型。使用受试者工作特征(ROC)曲线确定PANoptosis关键基因及列线图模型的诊断价值。结果:共获得4个PANoptosis关键基因,即细胞周期蛋白依赖性激酶1(CDK1)、二肽酶1(DPEP1)、半胱氨酸天冬氨酸蛋白水解酶7(CASP7)和半胱氨酸天冬氨酸蛋白水解酶8(CASP8)。基于4个PANoptosis关键基因,在训练集构建nomogram图,其校准预测曲线与标准曲线贴合较好,且在预测CRC发生的临床效能上表现良好。在验证集也证实了上述结果。在训练集和验证集中均...     

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。     

缺血性脑卒中缺氧免疫关键基因的鉴别及诊断价值分析

目的：研究缺血性脑卒中（IS）缺氧免疫机制的相关差异表达基因和调控信号通路,以识别IS潜在诊断生物标志物。方法：从GEO数据库下载IS表达谱数据集GSE58294,采用单样本GSEA(ssGSEA)和t分布随机邻域嵌入算法（t-SNE）评估受试者的缺氧和免疫状态,使用“limma”软件包筛选差异基因（DEGs）,通过DAVID在线数据库对DEGs进行基因本体（GO）富集分析及京都基因与基因组百科全书（KEGG）信号通路分析,LASSO筛选与IS关键（hub）基因,然后运用实时荧光定量聚合酶链式反应（RT-qPCR）验证hub基因的差异性表达。结果：筛选出60个IS缺氧免疫DEGs,KEGG结果显示IS缺氧免疫DEGs富集在PI3K-Akt通路,LASSO筛出6个关键基因：CHPF2、MBOAT2、IL18RAP、TIMM8A、ALDOAP2、LPAR4。CHPF2、MBOAT2和IL18RAP为上调基因（均P<0.001）,而TIMM8A、ALDOAP2和LPAR4为下调基因（均P<0.001）,ROC曲线显示该6个关键基因的AUC为0.894 1～0.994 3。RT-q...     

基于房颤中circRNA-miRNA-mRNA网络构建和免疫细胞浸润的生物信息学分析

目的：采用生物信息学方法挖掘公共数据库,构建房颤（AF）的内源性RNA (ceRNA免疫调节网络,了解AF的发生发展机制。方法：从基因表达数据库（GEO）中下载AF患者和健康对照者环状RNA (circRNA)(GSE129409)、微小RNA (miRNA)(GSE28594)和mRNA(GSE41177)基因表达数据。采用R软件中的“limma”数据包鉴定出差异表达的circRNA、miRNA和mRNA,并通过相关数据库进行可视化展示。通过ENCORI、circBank、TargetScan和miRDB数据库预测差异表达的circRNA、 miRNA和mRNA之间的调控关系,并基于circRNA-miRNA对和miRNA-mRNA对构建ceRNA调控网络。采用DAVID数据库对差异表达mRNA (DEmRNA)进行基因本体论（GO）和京都基因和基因组百科全书（KEGG）富集分析以注释其功能。采用受试者工作特征（ROC）曲线筛选最佳基因特征并计算ROC曲线下面积（AUC）。采用CIBERSORT软件分析AF中免疫细胞浸润情况。结果：共鉴定出103个差异circRNAs、 37个差异m...     

基于综合生物信息分析鉴定心房颤动相关炎症基因及其与免疫细胞浸润的关联

目的 鉴定心房颤动（atrial fibrillation,AF）患者的炎症相关基因,并探讨这些基因与浸润免疫细胞在AF的发生发展过程中可能的作用和机制。方法 通过一系列的生物信息学分析结合机器学习算法识别AF的生物标志物,使用受试者操作特性曲线（receiver operating characteristic,ROC）验证关键基因的预测及诊断价值,采用Spearman相关分析明确关键基因与浸润免疫细胞的相关性。结果 筛选出593个差异基因[|log2(fold change,FC)|>1,P<0.05],7种免疫细胞亚型（P<0.05）,获得190个免疫相关差异基因,识别出3个生物标志物（IGF1、PTGS2和PPARG）,相关性分析结果显示3个标志物与浸润免疫细胞显著相关（P<0.05）。结论 IGF1、PTGS2和PPARG是AF的炎症相关基因,推测其与免疫细胞浸润过程和途径密切相关。     

基于盆腔器官脱垂相关衰老基因的GEO数据库和LASSO回归算法的生物信息学分析

目的：通过生物信息学技术筛选与盆腔器官脱垂（POP）密切相关的衰老基因,并阐明关键基因潜在的临床意义和价值。方法：利用基因表达汇编（GEO）数据库以“pelvicorgan prolapse”为关键词检索下载数据集GSE53868和GSE151188获取POP相关基因。从Aging Atlas数据库、CellAge数据库和人类衰老基因组资源（HAGR）数据库获取衰老相关基因,2组基因取交集得到POP相关衰老的差异表达基因（DEGs）。采用R 4.2. 1软件进行基因富集分析（GSEA）。采用注释可视化和集成发现（DAVID）数据库对DEGs进行基因本体论（GO）功能富集分析和京都基因与基因组百科全书（KEGG）信号通路富集分析,采用Cytoscape 3.9. 1软件构建蛋白-蛋白互作（PPI）网络,用cytoHubba插件筛选排名前10位的核心基因（Hub基因）。采用R软件CIBERSORT反卷积法分析22种免疫细胞在POP组和对照组患者中的浸润情况。采用LASSO回归算法进一步筛选关键基因,分析关键基因与免疫细胞浸润的相关性和诊断效能。结果：通过Aging Atlas、CellAg...     

综合生物信息学与机器学习筛选非酒精性脂肪性肝炎的趋化因子相关核心基因

目的 综合运用生物信息学方法及机器学习算法筛选与非酒精性脂肪性肝炎相关的趋化因子核心基因。方法 公共数据库GEO下载非酒精性脂肪性肝病芯片数据集GSE49541,采用R studio软件进行差异分析筛选差异基因,对差异基因进行GO功能注释和KEGG信号通路富集分析,将差异基因与趋化因子通路相关基因集取交集获取趋化因子相关差异基因,然后采用机器学习LASSO回归及SVM-RFE算法筛选核心基因,通过Genemania数据库构建核心基因互作网络图,构建核心基因列线图预测模型,并通过ROC曲线验证列线图效能。结果 共筛选获取差异基因148个,GO及KEGG富集分析提示差异基因富集于脂质代谢、趋化因子、细胞外基质等。最后筛选获得核心基因CCL19、CD24、ROBO1、SLC12A2,构建核心基因互作网络图,基于核心基因建立NASH列线图预测模型,该模型ROC曲线的AUC=0.997,95%置信区间(confidence interval, CI)为0.988～1.000。结论 CCL19、CD24、ROBO1、SLC12A2可能与非酒精性脂肪性肝炎发生与进展密切相关,有望成为诊断和精准治疗的...