基于基因加权共表达与机器学习算法筛选脓毒症预后相关的焦亡基因METTL7B及其表达验证

摘要

目的 利用加权基因共表达网络分析（WGCNA）与机器学习算法筛选脓毒症预后焦亡相关基因，并验证其在脓毒症模型中的表达。方法 从基因表达综合数据库（GEO）下载GSE95233基因数据集作为训练集，GSE65624基因数据集、GSE167363单细胞转录测序数据集作为验证集，筛选脓毒症组与正常对照组差异表达基因（DEGs）。利用焦亡相关基因，采用ConsensusClusterPlus R包进行无监督聚类，根据聚类分组在数据集中筛选焦亡相关差异基因。利用WGCNA筛选与脓毒症预后最相关的模块特征基因。脓毒症差异基因、焦亡相关差异基因结合模块特征基因，通过韦恩图（Venn diagram）得到与脓毒症预后相关的候选基因。采用最小绝对收缩与选择算子（Lasso）回归、随机森林（RF）及支持向量机（SVM）分析筛选出脓毒症预后焦亡关键基因METTL7B。对训练集GSE95233及验证集GSE65624中的关键基因METTL7B进行诊断和预后受试者工作特征（ROC）曲线及生存曲线分析。最后基于数据集GSE167363高通量测序数据分析展示METTL7B在脓毒症巨噬细胞的表达情况，并通过RT-PCR技术验证METTL7B在脓毒症造模巨噬细胞中的表达。结果 筛选出脓毒症差异表达基因203个、焦亡相关差异基因689个及模块特征基因891个，通过韦恩图得到14个脓毒症预后相关候选基因。随后利用Lasso回归、支持向量机及随机森林分析对上述14个重叠基因进行筛选。Lasso回归模型中保留了6个非零系数的特征基因。随机森林算法显示当特征基因数为5时，模型准确度最高。SVM显示当特征基因数为4时，10折交叉验证误差最小。最后通过韦恩图筛选出脓毒症预后潜在焦亡关键基因METTL7B。在训练集GSE95233中METTL7B诊断及预后的AUC分别为0.990、0.702，验证集GSE65624中诊断AUC为0.939，且在该数据集，高表达METTL7B的脓毒症患者有更高的生存率。通过对GSE167363单细胞转录测序分析发现METTL7B在巨噬细胞中表达，进一步在体外实验验证了脓毒症造模巨噬细胞中METTL7B的表达升高（P <0.05）。结论 通过WGCNA与机器学习算法筛选的脓毒症预后相关焦亡关键基因METTL7B，可能成为脓毒症预后标志物。

关键词

脓毒症 / 加权基因共表达网络 / 机器学习算法 / METTL7B / 焦亡基因