基于多尺度嵌入式基因共表达网络分析和机器学习方法研究扩张型心肌病发病机制

摘要

目的 联合多尺度嵌入式基因共表达网络分析（multiscale embedded gene co-expression network analysis,MEGENA）和机器学习方法筛选在扩张型心肌病（dilated cardiomyopathy,DCM）发病机制中起关键作用的mRNA和miRNA，并明确二者之间的调控关系。方法 从基因表达综合数据库下载DCM的mRNA和miRNA的高通量测序数据集，采用MEGENA和三种机器学习算法筛选候选mRNA和miRNA，并在独立数据集上进行验证，进一步利用细胞浸润反卷积（cell-type identification by estimating relative subsets of RNA transcripts,CIBERSORT）算法评估22种免疫细胞类型的浸润丰度，同时构建miRNA-mRNA调控网络来探索miRNA作为mRNA干预靶点的治疗潜力。结果 共确定了5个关键mRNA(FREM1、SLC16A9、ISLR、SFRP4和CD3E)和1个miRNA(miR-4662a-5p)作为DCM的候选生物标志物；免疫浸润分析显示，多种类型免疫细胞在DCM患者中表达显著上调；miRNA-mRNA调控关系中发现关键miRNA(miR-4662a-5p)靶向调控关键mRNA(SFRP4)。结论 鉴定出5个候选关键mRNA和1个关键miRNA，且miR-4662a-5p靶向负调控SFRP4，研究结果为DCM转录组调控机制提供新见解。

关键词

扩张型心肌病 / 生物信息学分析 / 机器学习 / 多尺度嵌入式基因共表达网络分析