Платформа поддержки принятия врачебных решений для выявления тромбоспондина 1 при неалкогольной жировой болезни печени с помощью иммуноинфильтрационного анализа

В этом исследовании изучали связь между неалкогольной жировой болезнью печени (НАЖБП) и инфарктом миокарда (ИМ) через ко-экспрессируемые гены, идентифицируя тромбоспондин 1 (THBS1) в качестве биомаркера. Иммуноинфильтрационный анализ показал, что CD8+ Т-клетки и нейтрофилы являются ключевыми факторами, при этом THBS1 демонстрирует потенциал в качестве диагностического инструмента для НАЖБП и ИМ.

Неалкогольная жировая болезнь печени (НАЖБП) и инфаркт миокарда (ИМ) являются двумя основными проблемами для здоровья со значительной распространенностью и смертностью. Это исследование было направлено на изучение ко-экспрессируемых генов, чтобы понять взаимосвязь между НАЖБП и ИМ и определить потенциальные важные биомаркеры ИМ, связанного с НАЖБП, с помощью биоинформатики и машинного обучения. Для идентификации одного дифференциально экспрессируемого гена (DEG) был использован метод машинного исключения функций опорного вектора (SVM-RFE) и метода наименьшего абсолютного сокращения и оператора отбора (LASSO) с использованием методов машинного устранения признаков опорного вектора (SVM-RFE) и наименьшего оператора абсолютной усадки и отбора (LASSO). THBS1 продемонстрировал высокую эффективность в различении пациентов с НАЖБП (AUC = 0,981) и пациентов с ИМ (AUC = 0,900). Иммуноинфильтрационный анализ выявил значительно более низкий уровень CD8+ Т-клеток и более высокие уровни нейтрофилов у пациентов с НАЖБП и ИМ. CD8+ Т-клетки и нейтрофилы были эффективны в дифференциации НАЖБП/ИМ от здоровых контрольных групп. Корреляционный анализ показал, что THBS1 положительно коррелирует с CCR (хемокиновым рецептором), классом MHC (классом основных комплексов гистосовместимости), нейтрофилами, паравоспалением и Tfh (фолликулярными хелперными Т-клетками) и отрицательно коррелирует с CD8+ Т-клетками, цитолитической активностью и TIL (инфильтрирующими опухоль лимфоцитами) у пациентов с НАЖБП и ИМ. THBS1 стал новым биомаркером для диагностики НАЖБП/ИМ по сравнению со здоровыми контрольными группами. Результаты показывают, что CD8+ Т-клетки и нейтрофилы могут служить воспалительными иммунными признаками для дифференциации пациентов с НАЖБП/ИМ от здоровых людей.

Неалкогольная жировая болезнь печени (НАЖБП) является серьезной проблемой общественного здравоохранения с распространенностью 25–30%¹. Сообщалось, что распространенность НАЖБП высока среди пациентов с сахарным диабетом^2-го типа. Тем не менее, значение НАЖБП у пациентов без диабета еще не ясно. Исследования показали, что НАЖБП играет самостоятельную роль в патогенезе атеросклероза ^3,4. Кроме того, метаанализ показал, что НАЖБП тесно связана с кальцификацией коронарных артерий, эндотелиальной дисфункцией и атеросклерозом и стала^{независимым фактором} риска сердечно-сосудистых заболеваний5. Связь между НАЖБП и сердечно-сосудистыми заболеваниями все еще требует дальнейшего изучения.

Инфаркт миокарда (ИМ) – это катастрофическое заболевание, которое угрожает здоровью и ложится значительным экономическим бременем на пациентов и их семьи во всем мире⁶. ИМ также является основной причиной смерти у пациентов с НАЖБП. Клиническое исследование, опубликованное в Британском медицинском журнале, показало, что риск инфаркта миокарда у пациентов с НАЖБП в 1,17 раза выше, чем у пациентов без НАЖБП в ^7,8 раза. В некоторых исследованиях были выявлены молекулярные пути, включая воспаление, окислительный стресс и метаболизм липидов, которые способствуют развитию ИМ ^9,10,11, связанного с НАЖБП. Тем не менее, основные механизмы, связывающие НАЖБП и ИМ, остаются неясными. Крайне важно определить новые биомаркеры, связанные с прогнозом НАЖБП и ИМ.

Растущая распространенность НАЖБП, которая поражает широкий сегмент населения, подчеркивает серьезную проблему общественного здравоохранения, особенно учитывая ее связь с диабетом. Тем не менее, влияние НАЖБП на пациентов без диабета остается плохо изученным. НАЖБП участвует в патогенезе атеросклероза и признана независимым фактором риска сердечно-сосудистых заболеваний, тесно связанным с кальцификацией коронарных артерий, эндотелиальной дисфункцией и атеросклерозом. Несмотря на эти ассоциации, точные механизмы, связывающие НАЖБП и сердечно-сосудистые заболевания, такие как инфаркт миокарда (ИМ), требуют дальнейшего выяснения. ИМ является одной из ведущих причин смертности во всем мире и налагает значительное экономическое бремя. Риск развития ИМ у пациентов с НАЖБП значительно выше, чем у пациентов без НАЖБП, что подчеркивает необходимость более глубокого понимания молекулярных путей, соединяющих эти состояния. В то время как воспаление, окислительный стресс и метаболизм липидов были предложены в качестве способствующих факторов, точные механизмы остаются неясными. Существует острая необходимость в выявлении новых биомаркеров, которые могут дать представление о прогнозе и лечении ИМ, связанного с НАЖБП.

Следовательно, в этом исследовании наборы данных микрочипов РНК для НАЖБП и ИМ были загружены из Национального центра биотехнологической информации-экспрессии генов Omnibus (NCBI-GEO, см. Таблицу материалов) для идентификации и анализа взаимодействия дифференциально экспрессируемых генов (DEGs) между НАЖБП и ИМ. Анализ обогащения, построение диаграммы сети белок-белковое взаимодействие (PPI), устранение рекурсивных признаков опорного вектора (SVM-RFE), и алгоритмы оператора наименьшей абсолютной усадки и отбора (LASSO) были использованы для идентификации генов-хабов 12,13,14,15,16,17,18,19. Иммуноинфильтрационный анализ проводили для изучения иммунных клеток у пациентов с НАЖБП и ИМ. В конечном счете, эти методы были интегрированы для выяснения взаимосвязи между НАЖБП и ИМ. Рисунок 1 иллюстрирует последовательность дизайна, использованную в этом исследовании. Сочетая биоинформатику, машинное обучение и иммуноинфильтрационный анализ, это исследование призвано внести свой вклад в разработку новой платформы поддержки принятия медицинских решений.

Основными вкладами этой статьи являются: (1) Идентификация ко-экспрессируемых генов: Исследование подчеркивает связь между НАЖБП и ИМ путем идентификации ко-экспрессированных генов, предлагая более глубокое понимание молекулярных связей между этими двумя состояниями. (2) Применение биоинформатики и машинного обучения: Используя методы биоинформатики и машинного обучения, включая машинно-рекурсивное устранение опорных векторов (SVM-RFE)¹⁷ и оператор наименьшей абсолютной усадки и отбора (LASSO)¹⁹, исследование идентифицирует THBS1 как дифференциально экспрессируемый ген. THBS1 демонстрирует высокую эффективность в дифференциации пациентов с НАЖБП и ИМ от здоровых контрольных групп. (3) Иммуноинфильтрационный анализ: Исследование проводит иммуноинфильтрационный анализ, выявляющий значительно более низкие уровни CD8+ Т-клеток и более высокие уровни нейтрофилов у пациентов с НАЖБП и ИМ. (4) Корреляционный анализ: Исследование демонстрирует, что THBS1 положительно коррелирует с несколькими иммунными факторами, включая CCR (хемокиновый рецептор), MHC класс I (основной комплекс гистосовместимости класса I), нейтрофилы, паравоспаления и Tfh (фолликулярные хелперы Т). Он отрицательно коррелирует с CD8+ Т-клетками, цитолитической активностью и инфильтрирующими опухоль лимфоцитами (TIL).

Подробная информация о базах данных, веб-ссылках и используемом программном обеспечении/пакетах приведена в Таблице материалов. Используемые параметры моделирования приведены в таблице 1.

1. Получение наборов данных микрочипов РНК

1. Загрузите набор данных об инфаркте миокарда ( ИМ) GSE66360 из базы данных NCBI-GEO .
2. Загрузите набор данных о неалкогольной жировой болезни печени (НАЖБП) GSE89632 из базы данных NCBI-GEO .
3. Убедитесь, что загруженные наборы данных включают 49 образцов MI, 50 работоспособных контрольных образцов для GSE66360, 39 образцов NAFLD и 24 работоспособных контрольных для GSE89632.

2. Идентификация DEG

1. Предварительная обработка данных и идентификация DEG
   1. Загрузите наборы данных в RStudio с помощью соответствующих функций R.
   2. Используйте лимму пакета R для идентификации DEGs¹² со следующими пороговыми значениями: P < 0,05P и |log FC | > 1,5.
   3. Используйте пакеты R pheatmap, ggplot2 и Venn для создания тепловых карт и диаграмм Венна для визуализации DEG.
2. Создание визуализаций
   1. Используйте pheatmap для создания тепловых карт DEG.
   2. Используйте ggplot2 для создания диаграмм Венна, показывающих перекрытие DEGs между НАЖБП и MI.

3. Анализ обогащения

1. Выполнение анализа обогащения GO, KEGG и DO
   1. Загрузите DEG в пакет R clusterProfiler¹³.
   2. Проведите анализ обогащения онтологии генов (GO) для классификации ДЭГ по молекулярным функциям, биологическим процессам и клеточным компонентам.
   3. Выполняйте анализ путей Киотской энциклопедии генов и геномов (KEGG) для сопоставления ДЭГ с биохимическими путями.
   4. Используйте обогащенный анализ онтологии заболевания (DO) для связывания ДЭГ с конкретными клиническими состояниями.

4. Анализ PPI путем построения сетей PPI

1. Используйте онлайн-платформу^{STRING 14} для построения диаграмм сети белок-белковых взаимодействий (ИПП) ко-ДЭГ с доверительной вероятностью 0,4.
2. Визуализируйте сети PPI с помощью Cytoscape¹⁵.

5. Отбор кандидатов в DEG хаба с применением алгоритмов машинного обучения

1. Используйте алгоритмы регрессии SVM-RFE (Support Vector Machine-Recursive Feature Elimination) и LASSO (Least Absolute Shrinkage and Selection Operator) в RStudio для выбора наиболее релевантных DEGs 16,17,18.
2. Убедитесь, что SVM-RFE ранжирует и удаляет объекты итеративно, в то время как регрессия LASSO¹⁹ применяет регуляризацию для идентификации разреженного набора DEG.

6. Построение ROC-кривой для оценки эффективности диагностики

1. Использование RStudio для анализа кривой ROC (Receiver Working Characteristic)²⁰.
2. Рассчитайте площадь под кривой (AUC) для критических со-DEG.

7. Иммуноинфильтрационный анализ для изучения иммунной инфильтрации

1. Проведите анализ обогащения набора генов (ssGSEA) с использованием пакетов R GSVA и GSEABase для анализа иммунной инфильтрации при НАЖБП и MI²¹.
2. Сравните относительную распространенность типов иммунных клеток между образцами НАЖБП и ИМ и здоровыми контрольными группами.

8. Статистический анализ

1. Выполняйте все статистические анализы в RStudio.
2. Примените корреляционный анализ Пирсона для изучения паттернов коэкспрессии генов.
3. Обеспечьте статистическую значимость с помощью P < 0,05.
   ПРИМЕЧАНИЕ: Перед запуском протокола убедитесь, что все программное обеспечение и пакеты R правильно установлены и обновлены до последних версий.

Здесь представлены основные результаты предлагаемого исследования, охватывающие различные анализы, проведенные для выяснения молекулярных механизмов, лежащих в основе НАЖБП и ИМ.

Идентификация DEG
В наборе данных GSE89632 76 генов с повышенной р?...

Метод, описанный в данном исследовании, имеет важное значение для изучения молекулярных механизмов, лежащих в основе НАЖБП и ИМ. Идентифицируя ключевые биомаркеры, такие как THBS1, предлагаемый протокол предлагает потенциальные мишени как для диагностических, так и для...

Никакой.

Это исследование было поддержано Национальным фондом естественных наук Китая (No 62271511, U21A200949), Фондом Юкай больницы общего профиля Южного командования театра военных действий (2022NZC011), Проектом научно-технической программы Гуанчжоу (2023A03J0170), Национальным клиническим исследовательским центром гериатрии (NCRCG-PLAGH-2023006) и Фондом фундаментальных и прикладных фундаментальных исследований провинции Гуандун (No 2020A1515010288, No 2021A1515220101).