神经胶质瘤中自噬和铁死亡相关特征基因的生物信息学分析

摘要

目的：神经胶质瘤（Glioma）是最常见的脑原发性恶性肿瘤，对人们构成巨大威胁。研究表明自噬和铁死亡在Glioma发生、发展中具有重要作用，但其机制尚未完全阐明，为了揭示自噬和铁死亡与Glioma之间的密切关系，本研究通过确定差异特征基因的潜在功能，寻找新的生物标志物和潜在的治疗靶点。方法：将GEO数据库的4个Glioma数据集进行合并，然后进行免疫细胞侵润评估。随后将相关基因与自噬和铁死亡数据库交集，筛选出差异基因后进行生物功能预测。随后采用两种机器学习算法获得与Glioma相关的自噬-铁死亡特征基因，并利用差异分析法、ROC曲线、IHC分析以及构建miRNA-genes调控网络分析确定这些特征基因的潜在价值。结果：基于生物信息学分析获得1 376个Glioma的差异表达基因（DEGs），免疫细胞浸润分析显示Glioma中的CD4⁺T细胞、单核细胞和嗜酸性粒细胞比例更高。然后DEGs与自噬-铁死亡相关基因交集筛选出12个差异表达自噬-铁死亡基因（DEAFGs），通过GO和KEGG分析显示这些DEAFGs主要富集于传染性病毒感染通路、癌症相关的通路和泛素介导的蛋白水解通路等。接下来，使用两种机器学习最终鉴定出6个与Glioma相关的自噬-铁死亡特征基因，其中5个上调（HIF1A、TNFAIP3、YAP1、BIRC5、AIM2）和1个下调（NEDD4L）,ROC曲线分析显示这些特征基因AUC值范围为0.723至0.867。根据IHC分析，验证了YAP1和BIRC5的表达水平在胶质瘤中显著高于正常脑组织。miRNA-genes调控网络表明相关的miRNAs参与特征基因的调控，在Glioma中发挥潜在作用。结论：Glioma中自噬和铁死亡相关的6个特征基因具有诊断和预后的潜在功能，未来可能作为临床上的治疗靶点被开发利用。

关键词

神经胶质瘤 / 自噬 / 铁死亡 / 生物信息学 / 特征基因