基于生物信息学和机器学习的溃疡性结肠炎活动期与非活动期特征基因及靶向中药预测研究.pdfVIP

·247·

2025年第27卷第3期（总第257期）

基于生物信息学和机器学习的溃疡性结肠炎活动期与

非活动期特征基因及靶向中药预测研究

12a12b*

姚筱朵，祖国秀，沈悦，汤继芹

（1.山东第二医科大学康复医学院，山东潍坊261053；

ab

2.山东中医药大学中医学院，康复医学院，山东济南250355）

［摘要］目的：采用生物信息学和机器学习的方法，初步探索溃疡性结肠炎（UC）活动期与非活动期的特征基因，并预测UC治疗

的潜在靶向中药。方法：利用GEO数据库选取GSE179285，GSE38713，GSE75214，GSE48959等4个数据集，采用GEO2R在线分析

方法分别进行UC活动期与非活动期的差异表达基因（DEGs）筛选，在Metascape中对UC活动期与非活动期DEGs进行GO分析及

KEGG通路富集分析，利用STRING12.0数据库进行UC活动期与非活动期DEGs的PPI网络构建，采用Cytoscape软件得到UC活

动期和UC非活动期的特征基因，将特征基因输入CoremineMedical进行靶向中药的初步筛选。结果：筛选出UC活动期DEGs

365个，UC非活动期DEGs292个。UC活动期DEGs主要涉及对细菌的反应、炎症反应、免疫球蛋白介导的免疫反应、CXCR趋化

因子受体结合等生物学过程，KEGG通路主要富集在金黄色葡萄球菌感染和胆汁分泌上。UC非活动期DEGs主要涉及对激素的

反应、单羧酸代谢过程、有机阴离子传输、细胞运动的负调控、脂质定位、MAPK级联的调节、细胞粘附分子结合、激酶结合等生物

学过程，KEGG通路主要集中在视黄醇代谢、蛋白质消化和吸收。PPI网络构建及Cytoscape得到UC活动期特征基因IL1B、

CXCL8、CXCL10、MMP9、IL1A、ICAM1、CXCL1、CXCR2、CCL2、CXCL13，UC非活动期特征基因CDC42、FN1、CDH1、EZR、IQGAP1、

WASL、GSN、TFRC、GJA1、CTNNA1。通过CoremineMedical平台进一步筛选出治疗UC活动期与非活动期的潜在中药共22种。

结论：该研究通过分析UC活动期与非活动期的DEGs，筛选UC活动期与非活动期的特征基因，从而预测UC治疗的靶向中药，为

治疗UC活动期与非活动期提出了更精确的治疗方案。

［关键词］溃疡性结肠炎活动期；溃疡性结肠炎非活动期；特征基因；靶向中药；生物信息学分析；机器学习

［引用格式］姚筱朵，祖国秀，沈悦，等.基于生物信息学和机器学习的溃疡性结肠炎活动期与非活动期特征基因及靶向中药预

测研究［J］.中国医药导刊，2025，27（3）：247-256.

［中图分类号］R574.1［文献标志码］A［文章编号］1009-0959（2025）03-0247-10

CharacteristicGenesandTargetedChineseMedicinePredictionofActiveand

InactivePhasesinUlcerativeColitisBasedonBioinformaticsandMachineLearning