基于机器学习与孟德尔随机化筛选脓毒症的潜在靶点

摘要

目的 应用机器学习与孟德尔随机化方法，筛选脓毒症的潜在生物标志物，并探索其在免疫调节中的分子机制。方法 本研究利用公开的脓毒症基因表达数据，首先通过差异表达分析和加权基因共表达网络分析(WGCNA)构建基因共表达网络，识别与脓毒症相关的基因模块。随后，采用多种机器学习算法筛选关键诊断基因，并运用CIBERSORT算法分析免疫细胞浸润特征。最终，通过孟德尔随机化分析验证候选基因与脓毒症风险之间的因果关系。结果 差异表达分析和WGCNA分析揭示了多个与脓毒症显著相关的基因模块。通过113种机器学习算法的筛选，最终确定16个核心诊断基因。免疫细胞浸润分析结果显示脓毒症患者的免疫细胞组成发生显著变化。孟德尔随机化分析进一步确认了GRB10基因与脓毒症风险之间存在显著的因果关联(OR=1.459,P=0.034)。结论 综合运用多种生物信息学分析方法，筛选出脓毒症的潜在生物标志物。GRB10基因与脓毒症风险的因果关联为其作为治疗靶点提供了新的科学依据，同时研究还揭示了免疫细胞浸润在脓毒症发生发展中的关键作用。这些发现为脓毒症的早期诊断和个体化治疗提供了新的视角和潜在靶点。

关键词

脓毒症 / 机器学习 / 孟德尔随机化 / GRB10 / 免疫浸润