基于生物信息学探讨疏肝降脂颗粒调节铁死亡治疗非酒精性脂肪性肝病的作用

摘要

本研究旨在运用生物信息学方法探讨疏肝降脂颗粒调节铁死亡治疗非酒精性脂肪性肝病(non-alcoholic fatty liver disease, NAFLD)的潜在分子机制。通过网络药理学方法获取“疏肝降脂颗粒-铁死亡”潜在的交集靶点，基于GSE89632数据集筛选“疏肝降脂颗粒-NAFLD-铁死亡”交集靶点的差异表达基因(differentially expressed genes, DEGs),并运用R4.2.2软件进行相关性分析、富集分析和免疫浸润分析。对GSE89632数据集的样本进行共识聚类，构建机器学习模型，筛选关键DEGs,构建列线图模型并验证；对关键基因进行临床相关性分析。共获得18个“疏肝降脂颗粒-NAFLD-铁死亡”DEGs,富集在Th17细胞分化、甲状腺激素信号通路、 ErbB信号通路、 IL-17信号通路等方面。随机森林(random forest, RF)模型为最优机器学习模型，AURKA、SREBF1、HMOX1、MYC和JUN是RF模型中重要性排名前五的基因，HMOX1、JUN与体重指数(body mass index, BMI)呈正相关。列线图模型可以较好地预测NAFLD患病风险。本研究发现疏肝降脂颗粒调节铁死亡治疗NAFLD可能是通过AURKA、SREBF1、HMOX1、MYC和JUN等差异铁死亡基因之间的网络调控作用及其介导的免疫调节，以及Th17细胞分化、甲状腺激素信号通路、 ErbB信号通路和IL-17信号通路等途径实现的。基于AURKA、SREBF1、HMOX1、MYC和JUN的列线图模型不但能够较准确地诊断NAFLD,而且可以间接评估疏肝降脂颗粒治疗NAFLD的效能。

关键词

疏肝降脂颗粒 / 非酒精性脂肪性肝病 / 铁死亡 / 分子机制 / 生物信息学