基于机器学习筛选狼疮肾炎的诊断基因以及免疫浸润分析.pdfVIP

中国中西医结合肾病杂志２０２４年１月第２５卷第１期ＣＪＩＴＷＮꎬＪａｎｕａｒｙ２０２４ꎬＶｏｌ.２５ꎬＮｏ.１５１

ｄｉａｂｅｔｅｓｍｅｌｌｉｔｕｓａｎｄｍｅｔａｂｏｌｉｃｓｙｎｄｒｏｍｅ[Ｊ].ＪｏｕｒｎａｌｏｆＤｉａｂｅ￣Ｐ２Ｙ１３ｒｅｃｅｐｔｏｒｓｃａｎｐｒｏｍｏｔｅｔｈｅｅｘｐｒｅｓｓｉｏｎｏｆＩＬ－１βａｎｄＩＬ－

ｔｅｓＲｅｓｅａｒｃｈꎬ２０１８ꎬ２０１８(６):１－８.６ｉｎｒａｔｓｗｉｔｈｄｉａｂｅｔｉｃｎｅｕｒｏｐａｔｈｉｃｐａｉｎ[Ｊ].ＪｏｕｒｎａｌｏｆＰａｉｎＲｅ￣

１９.ＬｕＪＭꎬＰａｎＣＹ.Ｅｐｉｄｅｍｉｏｌｏｇｙａｎｄｄｉａｇｎｏｓｔｉｃｃｒｉｔｅｒｉａｏｆｄｉａｂｅｔｉｃｓｅａｒｃｈꎬ２０１８ꎬ１１(１２):６１５－６２８.

ｎｅｐｈｒｏｐａｔｈｙ[Ｊ].ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＧｅｒｉａｔｒｉｃＭｕｌｔｉｐｌｅＯｒｇａｎ２２.ＨａｙａｓｈｉｎｏＹꎬＴｓｕｊｉｉＳꎬＩｓｈｉｉＨ.Ａｓｓｏｃｉａｔｉｏｎｏｆｄｉａｂｅｔｅｓｔｈｅｒａｐｙ

Ｄｉｓｅａｓｅｓꎬ２００２ꎬ１(３):１６３－１６５.－ｒｅｌａｔｅｄｑｕａｌｉｔｙｏｆｌｉｆｅａｎｄｐｈｙｓｉｃａｌａｃｔｉｖｉｔｙｌｅｖｅｌｓｉｎｐａｔｉｅｎｔｓ

２０.ＦｅｎｇＳꎬＹｕＨꎬＹｉｎｇＹꎬｅｔａｌ.ＬｅｖｅｌｓｏｆｉｎｆｌａｍｍａｔｏｒｙｃｙｔｏｋｉｎｅｓＩＬｗｉｔｈｔｙｐｅ２ｄｉａｂｅｔｅｓｒｅｃｅｉｖｉｎｇｍｅｄｉｃａｔｉｏｎｔｈｅｒａｐｙ:ｔｈｅＤｉａｂｅｔｅｓ

－１βꎬＩＬ－６ꎬＩＬ－８ꎬＩＬ－１７ＡꎬａｎｄＴＮＦ－αｉｎａｑｕｅｏｕｓｈｕｍｏｕｒＤｉｓｔｒｅｓｓａｎｄＣａｒｅＲｅｇｉｓｔｒｙａｔＴｅｎｒｉ(ＤＤＣＲＴ１７)[Ｊ].ＡｃｔａＤｉ￣

ｏｆｐａｔｉｅｎｔｓｗｉｔｈｄｉａｂｅｔｉｃｒｅｔｉｎｏｐａｔｈｙ[Ｊ].ＪｏｕｒｎａｌｏｆＤｉａｂｅｔｅｓＲｅ￣ａｂｅｔｏｌｏｇｉｃａꎬ２０１８ꎬ５５(２):１６５－１７３.

ｓｅａｒｃｈꎬ２０１８ꎬ２０１８(１):１－６.

２１.ＺｈｏｕＲꎬＸｕＴꎬＬｉｕＸꎬｅｔａｌ.Ａｃｔｉｖａｔｉｏｎｏｆｓｐｉｎａｌｄｏｒｓａｌｈｏｒｎ(收稿:２０２２－１２－２４修回:２０２３－０４－１９)

基于机器学习筛选狼疮肾炎的诊断基因以及免疫浸润分析∗

①①②②△

李玲琴张燕妮贺泓霓袁心柱

〔摘要〕目的:利用生物信息学和机器学习方法寻找狼疮肾炎(ＬＮ)的诊断基因ꎬ并分析可能的免疫浸润机制ꎬ为狼

疮肾炎的临床治疗提供新的方向ꎮ方法:从ＧＥＯ数据库下载ＬＮ基因表达谱芯片数据集ꎬ其中ＧＳＥ３２５９１作为训练集ꎬ

ＧＳＥ１１２９４３作为独立验证数据集ꎮ使用Ｒ软件进行差异基因的筛选ꎬ并对这些差异基因进行基因本体论(ＧＯ)及基因通路富

集(ＫＥＧＧ)分析ꎮ进一步利用ＬＡＳＳＯ回归和ＳＶＭ－ＲＦＥ机器学习算法筛选诊断基因ꎬ同时进行外部验证和受试者工作曲线

(ＲＯＣ)分析ꎬ再利用肾脏病Ｎｅｐｈｒｏｓｅｑ数据库对诊断基因进行双重验证ꎬ最后通过ＣＩＢＥＲＳＯＲＴ反卷积法计算２２种免疫细胞

在ＬＮ中的浸润情况及相关性ꎮ结果:筛选出ＬＮ差异基因共计３６７个ꎬ富集分析发现ＬＮ主要涉及对病毒的反应、免疫反应

调节信号、细胞因子产生的正向调节、病毒过程的调节等免疫相关功能ꎬ以及金黄色葡萄球菌感染、ＣＯＶＩＤ－１９、甲型流感、补

体和凝血级联等炎症通路ꎮ通过机器学习筛选出ＩＳＧ２０、ＰＫＰ４、ＩＦＩ４４和ＬＰＬ为诊断基因ꎬ均具有良好的诊断与预测效能ꎮ最

后利用ＣＩＢＥＲＳＯＲＴ反卷积法免疫浸润显示ꎬ在ＬＮ中记忆Ｂ细胞、单核细胞、活化自然杀伤细胞表达上调ꎬ而滤泡辅助性

Ｔ细胞、未活化自然杀伤细胞表达下调ꎮ结论:ＬＮ的发生与发展是多基因多通路共同参与的结果ꎬＩＳＧ２０、ＰＫＰ４、ＩＦＩ４４和ＬＰＬ

可能为ＬＮ诊断与预测的潜在生物标志物ꎬ同时记忆