基于机器学习方法筛选IgA肾病铁死亡关键基因

作者：杨柏新; 付少杰; 闫冀; 贾冶; 徐弘昭^*

来源：中国实验诊断学, 2023, 27(10): 1160-1169.

• IgA肾病
• 铁死亡
• 机器学习

目的 本研究利用机器学习探索IgA肾病(IgAN)铁死亡的潜在诊断标志物及其生物学过程，并研究其与IgAN免疫细胞浸润的关系。方法 从GEO数据库中下载来自IgAN患者和对照组的肾小球组织的微阵列数据集(GSE93798,GSE104948),通过FerrDb数据库获取全部铁死亡相关基因数据，获得IgAN组和对照组中有差异表达的铁死亡相关基因(P<0.05)。用LASSO回归、支持向量机和随机森林三种机器学习策略来确定潜在的IgAN铁死亡诊断标志物。为了评估这些潜在生物标志物的诊断效果，分别绘制了训练集和验证集的ROC曲线。此外，还采用CIBERSORT算法评估了IgAN肾组织的免疫细胞浸润情况，并研究了生物标志物和免疫细胞浸润之间的关系。结果 共鉴定出157个IgAN组中的差异表达基因分析(DEGs);其中64个基因明显上调，93个基因明显下调。IgAN组和对照组中有特别显著差异表达的铁死亡相关基因52个。使用LASSO回归、支持向量机和随机森林三种机器学习策略最终确定了ZFP36被鉴定为IgAN的潜在诊断标志物。ZFP36在训练集的ROC曲线下面积为0.874,在验证集的ROC曲线下面积为0.874。免疫细胞浸润分析结果表明，静止树突细胞、中性粒细胞、单核细胞和静止的NK细胞可能参与了IgAN的发展。此外，ZFP36与这些免疫细胞亚型有不同程度的关联。结论 铁死亡与IgAN的发生发展密切相关。ZFP36作为IgAN铁死亡的潜在诊断标志物，将为IgAN的诊断、治疗及预防提供新的靶点。

• 出版日期2023
• 单位吉林大学第一医院; 德惠市人民医院