基于机器学习探讨不同年龄阶段半月板损伤铁死亡作用机制和免疫浸润研究

摘要

目的：确定不同年龄阶段半月板损伤的重要铁死亡相关生物标志物和免疫浸润研究。方法：（1从GEO数据库中获得训练数据集，使用GSE191157基因芯片表达矩阵分析数据，同时，从铁死亡官方下载相关基因进行进一步分析。（2）使用“limma”包对半月板损伤的老年患者和年轻患者进行差异表达基因分析，对GSE191157基因芯片的所有基因进行WGCNA分析。（3）选取2个与半月板损伤疾病最相关的颜色模块，再将相关模块的基因与铁死亡相关基因取交集。（4）随后将交集基因进行本体（GO）、京都基因和基因组百科全书（KEGG）分析。（5）通过机器学习LASSO回归对不同年龄半月板损伤铁死亡交集基因进行分析，提取核心基因。（6）最后进行基因集富集分析（GSEA）、SSGEVA免疫浸润等功能分析，确定核心基因与半月板损伤铁死亡确有相关性。结果：共鉴定出2 517个差异基因，与铁死亡相关基因取交集得到61个基因，经WGCNA分析后得到与疾病相关性最高的青色和黄色模块，与之取交集得到46个交集基因；通过机器学习LASSO回归筛选出4个核心基因BEX1、MMP13、PTPN18和SLC38A1;GSEA分析结果提示半月板损伤铁死亡主要与Toll样受体信号通路、RNA转录与剪接、mTOR信号通路和ECM-受体相互作用有关；免疫细胞浸润分析显示出核心基因表达与免疫细胞浸润之间具有明显相关性，MMP13在效应记忆CD8 T细胞、CD56dim自然杀伤细胞、中央记忆CD4 T细胞中呈现负相关，而SLC38A1、BEX1、PTPN18三个核心基因呈正相关。结论：该研究共筛选出4个与不同年龄阶段半月板损伤的铁死亡相关关键基因，分别为BEX1、MMP13、PTPN18和SLC38A1；免疫细胞浸润分析显示出核心基因表达与免疫细胞浸润之间具有明显相关性。

关键词

半月板损伤 / 铁死亡 / 免疫浸润 / 生物信息学 / 机器学习