基于GEO数据库筛选脊髓损伤中差异PANoptosis相关基因

摘要

目的:旨在探讨PANoptosis相关基因（PRGs）在SCI中的作用机制。方法:基于GEO数据库中的GSE151371数据集（包含38例SCI样本和10例健康对照样本）开展系统分析。通过差异表达分析、加权基因共表达网络分析（WGCNA）及机器学习等综合策略，筛选鉴定与SCI发病机制相关的关键基因。结果:共鉴定出1 138个SCI患者与健康对照之间的差异表达基因（DEGs）,其中19个为PRGs与WGCNA模块基因的交集特征基因。功能富集分析显示，这些基因主要参与免疫炎症反应调控、炎症细胞黏附与分化及蛋白酶相关过程。基于机器学习的特征筛选获得8个枢纽基因，其中仅NOL3在独立验证数据集GSE45006中得到一致验证。免疫浸润分析进一步表明，NOL3表达与中性粒细胞和巨噬细胞浸润呈显著正相关，与多种T细胞亚群呈显著负相关，尤以活化CD8⁺ T细胞最为显著。结论:NOL3可能在SCI的病理生理过程中发挥重要作用，其具有潜在的诊断标志物及治疗靶点价值。

关键词

脊髓损伤 / 生物信息 / 机器学习 / PANoptosis

基金资助

陕西省教育厅一般专项科学研究计划项目(25JK0752); 延安职业技术学院校级科研项目(YZKQ2502;YZKZ2503)