基于机器学习的EGFRI皮肤毒性特征基因及消疹方干预机制研究

程呈; 韩紫彤; 罗玲; 刘玉萍; 王心甜; 邢海燕

doi:10.13417/j.gab.045.000841

基因组学与应用生物学 ›› 2026, Vol. 45 ›› Issue (4) : 841 -855. DOI: 10.13417/j.gab.045.000841

基于机器学习的EGFRI皮肤毒性特征基因及消疹方干预机制研究

程呈, 韩紫彤, 罗玲, 刘玉萍, 王心甜, 邢海燕

作者信息 +

Author information +

文章历史 +

摘要

本研究探究表皮生长因子受体抑制剂(epidermal growth factor receptor inhibitor, EGFRI)所致皮肤毒性的发生和治疗机制,筛选其特征基因生物标志物,并从分子水平阐明中药复方消疹方的干预机制。首先,从美国国家生物技术信息中心(national center for biotechnology information, NCBI)的基因表达整库(gene expression omnibus, GEO)中纳入9个与EGFRI皮肤毒性相关的转录组数据集,进行Meta分析以筛选差异表达基因(differentially expressed genes, DEGs)。联合最小绝对收缩与选择算子(least absolute shrinkage and selection operator, LASSO)、支持向量机-递归特征消除(support vector machine-recursive feature elimination, SVM-RFE)及随机森林(random forest, RF)三种机器学习(machine learning, ML)算法,从DEGs中鉴定出核心特征基因。随后,通过给小鼠灌胃厄洛替尼建立皮肤毒性模型,设立消疹方预防组和治疗组进行干预。最后,利用转录组测序(RNA sequencing, RNA-seq)、实时定量聚合酶链式反应(real-time quantitative polymerase chain reaction, RT-qPCR)及蛋白质免疫印迹法(western blotting, WB)等技术,验证消疹方的疗效并探索相关治疗机制。Meta分析初步筛选出127个与EGFRI皮肤毒性显著相关的DEGs。通过3种机器学习算法的交集分析,并结合转录组学结果,最终确定VCAN、 VSNL1、CDC20、 NUF2和BIRC5为潜在生物标志物。动物实验表明,消疹方能有效改善厄洛替尼诱导的皮肤损伤。转录组学及后续分子生物学验证表明,消疹方可通过调节炎症反应、细胞周期等相关通路,缓解EGFRI所致皮肤毒性,并且在这一过程中,上述5个生物标志物的表达变化趋势具有较好一致性。本研究成功鉴定出一组可作为EGFRI皮肤毒性潜在生物标志物的特征基因,并揭示了消疹方是通过调控“细胞周期-干细胞轴”和“神经微环境”来发挥预防和治疗作用。该发现为消疹方的临床应用提供了坚实的理论依据,也为利用中医药防治靶向药物副作用提供了新的研究策略。