基于加权基因共表达网络分析和机器学习的肛瘘潜在生物标志物筛选及实验研究.pdfVIP

·１９５８·安徽医科大学学报ＡｃｔａＵｎｉｖｅｒｓｉｔａｔｉｓＭｅｄｉｃｉｎａｌｉｓＡｎｈｕｉ２０２４Ｎｏｖ；５９（１１）

网络出版时间：２０２４－１１－１８１５：５８：２８网络出版地址：ｈｔｔｐｓ：／／ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ／ｕｒｌｉｄ／３４．１０６５．Ｒ１５４１．０１０

基于加权基因共表达网络分析和机器学习的肛瘘

潜在生物标志物筛选及实验研究

庞雪

（山东第一医科大学第一附属医院肛肠科，济南２５００１２）

摘要目的利用加权基因共表达网络分析（ＷＧＣＮＡ）、机器学习算法、免疫浸润分析和动物实验筛选肛瘘（ＡＦ）潜在的生物

标志物。方法下载基因表达数据库中包含ＡＦ和瘘管旁组织（ＰＦ）的转录组数据进行差异分析，对差异表达基因（ＤＥＧｓ）进

行基因本体（ＧＯ）和京都基因与基因组百科全书（ＫＥＧＧ）信号通路富集分析。整合ＷＧＣＮＡ结果和ＤＥＧｓ，筛选ＡＦ相关基因。

利用最小绝对收缩和选择算子（ＬＡＳＳＯ）、支持向量机递归特征消除（ＳＶＭＲＦＥ）和随机森林（ＲＦ）等机器学习方法筛选ＡＦ的

潜在生物标志物，并进行免疫浸润分析，复制ＡＦ大鼠模型进行验证。结果共获得３７７个ＤＥＧｓ，主要富集在Ｂ细胞受体信

号通路、趋化因子信号通路等。机器学习算法筛选出ＡＦ的潜在生物标志物基质金属蛋白酶１３（ＭＭＰ１３）。ＡＦ样本中记忆Ｂ

细胞、浆细胞、Ｍ０巨噬细胞、Ｍ１巨噬细胞比例高于ＰＦ样本，静息ＣＤ４记忆Ｔ细胞、静息树突细胞比例低于ＰＦ样本。ＭＭＰ１３

与Ｍ０巨噬细胞、活化肥大细胞和幼稚Ｂ细胞呈正相关；与静息肥大细胞呈负相关。实验结果显示，大鼠ＡＦ样本中ＭＭＰ１３表

达水平高于对照组。结论ＡＦ发病涉及多种免疫细胞和信号通路，ＭＭＰ１３在ＡＦ组织中表达显著增高，与多种免疫细胞具有

相关性，可能成为ＡＦ潜在的生物标志物。

关键词肛瘘；加权基因共表达网络分析；机器学习；生物标志物；免疫浸润

中图分类号Ｒ６５７１＋６

文献标志码Ａ文章编号１０００－１４９２（２０２４）１１－１９５８－０９

ｄｏｉ：１０．１９４０５／ｊ．ｃｎｋｉ．ｉｓｓｎ１０００－１４９２．２０２４．１１．０１０

肛瘘（ａｎａｌｆｉｓｔｕｌａ，ＡＦ）是指肛管与肛门周围皮ａｎａｌｙｓｉｓ，ＷＧＣＮＡ）、最小绝对收缩和选择算子（ｌｅａｓｔ

肤之间的窦道，以肛门瘙痒、潮湿、疼痛和反复破溃ａｂｓｏｌｕｔｅｓｈｒｉｎｋａｇｅａｎｄｓｅｌｅｃｔｉｏｎｏｐｅｒａｔｏｒ，ＬＡＳＳＯ）、支

［１］

流脓为主要临床表现。在中国，ＡＦ的发病率仅次持向量机递归特征消除（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｒｅ

于痔疮，约占肛门直肠疾病的１７％～３６％，国外ｃｕｒｓｉｖｅｆｅａｔｕｒｅｅｌｉｍｉｎａｔｉｏｎ，ＳＶＭＲＦＥ）和随机森林

［２］（ｒａｎｄｏｍｆｏｒｅｓｔ，ＲＦ）等机器学习方法筛选ＡＦ的潜

ＡＦ的发病率约为８％～２５％。以清除瘘管和内

口为目标的手术是目前肛瘘治疗的主要方法，但术在生物标志物，探讨标志物和浸润性免疫细胞之间

中易出现肛门括约肌损伤，术后创面易愈合不良，影的关系，以期为ＡＦ发病机制研究提供参考。

［３］

响治疗效果和患者的生活质量。ＡＦ术后复发率

１材料与方法

高，据统计，ＡＦ术后１年内复发率约８９４％～

［４］［５］１．１转录组数据分析

１２９２％，瘘管反复发作，可增加癌变的风险。

ＡＦ的基础研究主要聚焦于术后创面愈合，涉及炎１．１．１数据来源登录基因表达数据库（ｈｔｔｐ：／／

症、血管生成和细胞凋亡等表型，ＡＦ发病的机制尚ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｇｅｏ），下载基因芯片数据集

［６］“ＧＳＥ１５７０２０”，该数