基于机器学习和转录组学分析创伤性凝血功能障碍生物标志物
Analyze the biomarkers of trauma-induced coagulopathy based on machine learning and transcriptomics
摘要目的 深入探究创伤性凝血功能障碍(TIC)的发病机制,明确其具体的致病因素和病理生理过程,以寻找有效的诊断指标和治疗靶点.方法 从基因表达综合数据库(GEO)获取创伤失血性休克患者的转录组数据,筛选差异表达基因(DEGs).从京都基因与基因组百科全书(KEGG)获取凝血相关基因(CRGs),并与DEGs进行交集分析.采用最小绝对收缩和选择算子(LASSO)及随机森林(RF)两种机器学习算法识别关键基因.采用CIBERSORT算法分析关键基因与免疫细胞浸润的相关性.通过共识聚类,将创伤患者进行亚型分析,以比较免疫细胞浸润情况.构建创伤失血性休克大鼠模型,验证凝血功能及关键基因的表达.结果 数据集包含17例健康对照者和478例创伤失血性休克患者的样本.在校正P<0.05的筛选标准下,共鉴定出6 315个DEGs.基因集富集分析(GSEA)显示,上调的DEGs显著富集于葡萄糖代谢通路,而下调的DEGs则富集于免疫反应相关通路.通过交叉分析DEGs与CRGs,共筛选出65个差异表达的凝血相关基因(DE-CRGs),GO功能富集显示,这些基因主要定位于分泌颗粒膜和血小板α颗粒,并参与血液凝固、体液水平调节及伤口愈合等生理过程.KEGG通路分析显示,这些基因显著富集于血小板激活、补体和凝血级联反应、Rap1信号通路及人巨细胞病毒感染等途径.通过机器学习鉴定出6个关键DE-CRGs,受试者工作特征(ROC)曲线分析表明这些基因具有良好的诊断效能.CIBERSORT分析显示,关键基因与免疫细胞浸润之间存在显著相关性.基于6个关键基因将患者分为两类:亚型A富含CD8+T细胞与活化NK细胞,表现为免疫活跃状态;亚型B以单核细胞和静息NK细胞为主,免疫通路激活不足.大鼠动物实验表明,失血性休克可导致凝血功能障碍,qRT-PCR结果进一步证实关键基因的表达趋势与生物信息学分析结果一致.结论 本研究通过转录组学与机器学习方法,系统性筛选出了6个与TIC密切相关的关键基因,即GNA13、PIK3R3、ITGAM、MAPK14、PPP1CC和LYN,并揭示了其与凝血功能、免疫浸润的紧密联系.动物实验验证进一步支持了这些基因作为潜在诊断与治疗靶点的价值.
更多相关知识
- 浏览10
- 被引0
- 下载5

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



