肌少症运动相关基因标志物的识别分析

摘要

目的 探索运动干预下肌少症的分子机制，并寻找可能作为运动生物标志物的基因。方法 在基因表达数据库(gene expression omnibus)中检索、下载数据集GSE9103、GSE47881和GSE117525。将GSE9103作为训练集进行生物标志物的筛选，GSE47881和GSE117525作为验证集来评估预测效果。通过差异表达分析和加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)2种方法，获取共同基因，并进行通路富集。接着，使用支持向量机递归特征消除法(support vector machine recursive feature elimination, SVM-RFE)、最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)逻辑回归和随机森林(random forests, RF)3种机器学习方法筛选最佳特征基因，ROC曲线评估预测效果，确定可能作为生物标志物的基因。在此基础上，探索基因标志物的互作关系网络，进行相关富集分析。结果 通过差异表达分析和WGCNA获得共同基因87个。根据功能富集，这些共同基因与肌动蛋白丝基础过程的调节、钙信号通路以及PI3K-Akt相关信号通路有关。机器学习进一步筛选和验证集验证后，确定了LPAR6为潜在的基因标志物。结论 LPAR6可能是肌少症发展及预后的重要生物标志物。

关键词

运动 / 肌少症 / 基因标志物 / 机器学习

基金资助

上海市地方院校能力建设资助项目(22010502500)