生物信息学联合机器学习鉴定重症登革热的预警标志物

摘要

目的 基于生物信息学联合机器学习鉴定重症登革热的预警标志物，探讨临床重症登革热发生风险的评价体系。方法 通过基因表达综合（GEO）数据库分析普通登革热与重症登革热患者的差异表达基因，并进行基因本体论（GO）、京都基因与基因组数据库（KEGG）富集分析；通过随机森林模型筛选重症登革热预警基因，并利用受试者操作特征（ROC）曲线验证基因的准确性；最后采用列线图对预警基因进行量化，通过预警基因的表达量预测普通登革热进展为重症登革热的风险。结果 共获得817个差异表达基因，抗微生物体液反应、体液免疫反应、丝氨酸水解酶活性和花生四烯酸代谢等生物过程可能与重症登革热的发生发展密切相关；筛选出AZU1、PDCD4、COL4A3BP、TRPM4、ATP4A 5个重症登革热预警基因，其中ATP4A、COL4A3BP、TRPM4呈低表达，而AZU1、PDCD4呈高表达，ROC曲线提示基因准确性良好；列线图提示模型预测准确度、临床获益率、临床有效性均良好。结论 测定AZU1、PDCD4、COL4A3BP、TRPM4、ATP4A 5个预警基因的表达量有助于评估重症登革热的发生风险。

关键词

重症登革热 / 预警 / 基因 / 生物过程 / 风险评估