基于生物信息学方法筛选抑郁症免疫诊断标志物

摘要

目的：通过生物信息学方法筛选、分析潜在的与抑郁症具有相关性的免疫细胞浸润生物学标志物及进一步探讨其在抑郁症发生、发展过程中的生物学作用。方法：从GEO数据库中选取与抑郁症相关的GSE-98793和GSE-52790数据集，首先所得数据经背景矫正和归一化以及降维处理后，分析数据集中抑郁症的差异表达基因；随后对差异基因使用SVM-RFE、LASSO和RF算法进行免疫相关性分析，构建免疫相关抑郁症诊断预测模型；GO功能和KEGG富集分析；免疫浸润CIBERSORT算法对DEGs进一步筛选，得出22个差异表达基因；使用STRING和Cytoscape软件构建PPI分子网络，并进行内部验证。结果：通过Cytoscap软件构建PPI网络，筛选出11个与免疫相关的差异表达基因，分别为TLR2、CD1C、S100A12、MARCO、CD48、XCL1、LTB、RETN、PTX3、IFNK、ERAP2基因，其中TLR2、S100A12、XCL1、LTB基因参与免疫炎症反应的调节，且参与免疫细胞的浸润，可作为免疫细胞浸润生物学标志物。结论：本研究筛选出了与抑郁症具有相关性且参与免疫细胞浸润的相关基因，可能作为预测其发生的生物标志物，有望将其研发为免疫靶向药物作用靶点提供可能性。

关键词

抑郁症 / 生物信息学 / 免疫细胞浸润 / 生物标志物 / 差异基因

基金资助

黑龙江省创新训练项目国家级一般项目,编号：202210222038; 黑龙江省卫生健康委科研课题,编号：20230202060379