基于生物信息学分析类风湿关节炎铜死亡相关基因及中药筛选预测.pdfVIP

第４２卷第３期中华中医药学刊Ｖｏｌ．４２Ｎｏ．３

２０２４年３月ＣＨＩＮＥＳＥＡＲＣＨＩＶＥＳＯＦＴＲＡＤＩＴＩＯＮＡＬＣＨＩＮＥＳＥＭＥＤＩＣＩＮＥＭａｒ．２０２４

ＤＯＩ：１０．１３１９３／ｊ．ｉｓｓｎ．１６７３７７１７．２０２４．０３．０３８

基于生物信息学分析类风湿关节炎

铜死亡相关基因及中药筛选预测

１，２１１，２１１１，２３１

潘成镇，林江，林宗汉，宣雨辰，刘鹏，韦沅汛，商志浩，彭岳

（１．广西中医药大学，广西南宁５３０００１；２．广西中医药大学附属瑞康医院，广西南宁５３００００；

３．南京中医药大学，江苏南京２１００００）

摘要：目的利用生物信息学研究类风湿关节炎（Ｒｈｅｕｍａｔｏｉｄａｒｔｈｒｉｔｉｓ，ＲＡ）铜死亡相关分子模式和诊断性生物标志

物，同时预测具有潜在治疗作用的中药。方法从基因表达综合数据库中下载ＧＳＥ５５２３５、ＧＳＥ５５４５７、ＧＳＥ７７２９８表达谱数

据作为训练数据集，提取铜死亡相关基因进行分析。选择ＲＡ患者和健康对照组之间差异表达的铜死亡相关基因（Ｄｉｆ

ｆｅｒｅｎｔｉａｌｌｙｅｘｐｒｅｓｓｅｄｃｕｐｒｏｐｔｏｓｉｓ－ａｓｓｏｃｉａｔｅｄｇｅｎｅ，ＤＥＣＡＧ），分析ＤＥＣＡＧ相关的免疫浸润、生物学功能。根据ＤＥＣＡＧ的表

达量对ＲＡ患者进行共识聚类分型，基于分型进行加权基因共表达网络分析（Ｗｅｉｇｈｔｅｄｇｅｎｅｃｏ－ｅｘｐｒｅｓｓｉｏｎｎｅｔｗｏｒｋａｎａｌｙ

ｓｉｓ，ＷＧＣＮＡ）来识别核心基因。取ｄｅｇｒｅｅ值前１００的核心基因做ＧＯ和ＫＥＧＧ富集分析并构建训练模型，训练模型包括

随机森林模型（Ｒａｎｄｏｍｆｏｒｅｓｔ，ＲＦ）和支持向量机模型（Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）、极端梯度提升（ｅＸｔｒｅｍｅｇｒａｄｉｅｎｔ

ｂｏｏｓｔｉｎｇ，ＸＧＢ）模型和广义线性模型（Ｇｅｎｅｒａｌｉｚｅｄｌｉｎｅａｒｍｏｄｅｌ，ＧＬＭ），筛选与ＲＡ特征最相关的５个基因作为诊断性生物

标志物并进行验证。最后进行中药预测。结果获得６个ＤＥＣＡＧ（ＮＬＲＰ３、ＳＬＣ３１Ａ１、ＬＩＡＳ、ＣＤＫＮ２Ａ、ＤＢＴ、ＤＬＳＴ）。使用

共识聚类方法将ＲＡ基因分为两个亚型（Ｃ１，Ｃ２），分型ＷＧＣＮＡ获得核心基因４１８个。取ｄｅｇｒｅｅ值前１００的核心基因构

建训练模型，基于对｜残差｜的反向累积分布图和｜残差｜的箱线图的分析，发现ＳＶＭ模型与其他３种模型相比，ＳＶＭ模型

维持最低的｜残差｜分布。总体受试者工作特征曲线（Ｒｅｃｅｉｖｅｒｏｐｅｒａｔｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｃｕｒｖｅ，ＲＯＣ）结果显示，ＳＶＭ模型比

其他３个模型具有更高的网络曲线下面积（Ａｒｅａｕｎｄｅｒｔｈｅｃｕｒｖｅ，ＡＵＣ）值（ＡＵＣ：０．９６６）。综合考虑，ＳＶＭ模型为最合适

的训练模型。获得５个与ＲＡ特征最相关的基因（ＴＭＯＤ３、ＰＩＫ３ＣＧ、ＷＡＳＬ、ＦＧＦ４、ＧＳＮ），基于５个ＲＡ特征基因的表达水

平，建立了临床应用列线图，并且决策曲线分析（Ｄｅｃｉｓｉｏｎｃｕｒｖｅａｎａｌｙｓｉｓ，ＤＣＡ）图和校正曲线图也显示结果具有良好的预

测准确度。中药预测结果显示郁金、莪术、红花最有可能具有治疗ＲＡ的作用。结论铜死亡在ＲＡ的发生和诊断中起重

要作用。

关键词：铜死亡相关基因；类风湿关节炎；生物信息学；中药预测

中图分类号：Ｒ２５９．９３２．２文献标志码：Ａ文章编号：１６７３７７１７（２０２４）０３０２０３１２

ＡｎａｌｙｓｉｓｏｆＣｕｐｒｏｐｔｏｓｉｓ－ａｓｓｏｃｉａｔｅｄＧｅｎｅｓｉｎＲｈｅｕｍａｔｏｉｄＡｒｔｈ