衰老与骨质疏松靶基因及小分子筛选的基因组分析

摘要

目的 利用公共数据库中的数据探索衰老与骨质疏松的共同靶基因，筛选有潜在治疗作用的小分子化合物。方法 从公共基因表达数据库（gene expression omnibus,GEO）中下载骨质疏松数据集GSE56814和GSE56815并合并，从Genecard数据库和Cell age数据库中选取衰老基因并合并，使用R软件对数据进行清洗，筛选出差异基因，制作火山图，进行加权基因共表达筛选出关键模块和基因以及使用机器学习方法筛选靶基因，利用微生信平台绘制韦恩图，Cytoscape软件进行蛋白互作结果可视化，使用STRING数据库进行差异编码蛋白的相互作用分析，利用Cmap数据库进行小分子化合物的预测。绘制受试者工作特征曲线，找出最有意义的靶基因，在此基础上建立逻辑回归模型并绘制列线图。结果 使用limma包共筛选出127个差异基因。对差异基因进行加权基因共表达网络分析，筛选出103个高表达基因。采用拉索回归、支持向量机和随机森林模型3种机器学习方法，最终获得4个靶基因：FOXO3、HIRA、CBX5、RAD1。列线图和校准曲线显示出良好的预测效果。使用Cmap数据库筛选出有潜在治疗作用的5种小分子化合物：樱黄素（O-甲基化异黄酮）、XMD-885、杠柳次苷、依维莫司和XMD-1 150。结论 FOXO3、HIRA基因目前已证实是衰老和骨质疏松共同的靶基因，樱黄素对衰老和骨质疏松有潜在治疗作用。

关键词

衰老 / 骨质疏松 / 靶基因 / 小分子化合物 / 基因组分析