基于生物信息学和机器学习算法的非酒精性脂肪性肝炎细胞衰老关键基因的分析与验证.pdfVIP

JournalofClinicalPersonalizedMedicine临床个性化医学,2025,4(3),540-552

PublishedOnlineJune2025inHans./journal/jcpm

/10.12677/jcpm.2025.43379

基于生物信息学和机器学习算法的非酒精性

脂肪性肝炎细胞衰老关键基因的分析与验证

朱月，毋中明

山东第一医科大学附属省立医院内分泌科，山东济南

收稿日期：2025年5月11日；录用日期：2025年6月5日；发布日期：2025年6月13日

摘要

目的：非酒精性脂肪性肝炎(Non-alcoholicSteatohepatitis,NASH)是发病机制涉及多重病理生理过程，

其中细胞衰老对NASH的发生发展起着关键作用。基于此，针对细胞衰老相关基因及其调控网络的深入研

究，可能为NASH的靶向治疗提供新的干预策略。方法：从GEO数据库获取NASH相关转录组测序数据集

GSE89632和GSE37031。采用WGCNA筛选出与NASH高度相关的基因模块，对其进行富集分析，以阐明

其潜在生物学功能。将差异表达基因(Differentiallyexpressedgenes,DEGs)与CellAge数据库中的细胞

衰老基因集取交集，筛选出细胞衰老DEGs。对细胞衰老DEGs进行功能富集分析，系统揭示其在NASH中

的分子调控网络。随后，整合机器学习算法筛选Hub基因。最后，构建ROC曲线并计算AUC评估Hub基因

的诊断效能。结果：WGCNA分析表明，共有10个基因模块被识别，其中黑色模块基因与NASH呈现最显

著相关。富集分析显示，关键模块的基因与细胞衰老和免疫炎症密切相关。对训练基因集进行差异分析，

共获得细胞衰老相关DEGs共51个。进一步GO和KEGG分析显示，细胞衰老DEGs主要与衰老和免疫炎症

相关。对细胞衰老DEGs进行三种机器学习算法，综合对比后，FOS、MYC和PIM1被确定为关键基因。通

过绘制ROC曲线检验在训练集和测试集中的诊断效能。关键基因的ROC曲线下面积均大于0.7且这三个基

因较对照组均显著低表达。结论：本研究通过整合生物信息学分析和机器学习算法，最终鉴定出FOS、

MYC和PIM1三个关键调控基因，均在NASH患者中显著低表达，且与免疫炎症反应密切相关。

关键词

非酒精性脂肪性肝炎，细胞衰老，生物信息学，机器学习算法

AnalysisandValidationofKeyCellular

SenescenceGenesinNon-Alcoholic

SteatohepatitisBasedonBioinformatics

andMachineLearningAlgorithm

YueZhu,ZhongmingWu

文章引用:朱月,毋中明.基于生物信息学和机器学习算法的非酒精性脂肪性肝炎细胞衰老关键基因的分析与验证

[J].临床个性化医学,2025,4(3):540-552.DOI:10.12677/jcpm.2025.43379

朱月，毋中明

EndocrinologyDepartment,ShandongProvincialHospitalAffiliatedtoShandongFirstMedicalUniversity,Jinan

Shandong

th,2025;accepted:Jun.5th,2025;published:Jun.13th,2025

Received:May11

Abstract

Objective:Non-alcoholicsteatohepatitis(NASH)isapathogenesisinvolvingmultiplepathophysio-