换一批基于生物信息学及机器学习探讨苍术治疗非酒精性脂肪肝的作用机制
Integrating Bioinformatics and Machine Learning Algorithms to Elucidate Target Characteristics and Molecular Mechanisms of CangZhu in Non-Alcoholic Fatty Liver Disease Intervention
摘要目的:旨在运用网络药理学结合生物信息学方法探讨苍术治疗非酒精性脂肪性肝病(non-alcoholic fatty liver disease,NAFLD)的潜在分子机制.方法:采用网络药理学方法获取苍术的潜在的靶点,通过检索基因表达数据库(gene expression omni-bus,GEO)获取NAFLD的靶点,并通过构建靶点PPI网络筛选核心目标靶点.运用R4.2.2软件对靶点进行差异分析、相关性分析,以获得显著差异表达的核心基因(SDECGs).接着,对SDECGs进行富集分析和免疫浸润分析.利用SDECGs构建机器学习模型以筛选特征基因并构建Nomo图.采用分子对接和GSE63067数据集外部验证法对上述结果进行初步验证.结果:本研究确定了NAFLD和正常组之间的14个SDECGs,这些SDECGs主要富集于IL-17、AGE-RAGE等信号通路,且与免疫细胞存在多种相互调节关系.XGBoost模型(XGB)是多种机器学习中最优的模型,确定了CTNNB1、IL10、PTGS2、IL6、JUN为XGB模型中前5个特征基因,并用于构建nomo图.外部数据集证明了该模型的可靠性(AUC值为0.73).最后,分子对接确定了苍术核心有效成分(OB值排名前4位)(MOL000179、MOL000186、MOL000449以及MOL000188)与NAFLD特征基因之间可形成稳定结构.结论:苍术及其有效活性成分可能通过作用CTNNB1、IL10、PTGS2、IL6、JUN,并调节免疫和炎症相关途径从而缓解NAFLD,这些发现对临床实践和未来的研究具有潜在影响.
更多相关知识
关键词
非酒精性脂肪性肝病苍术机器学习网络药理学分子对接Nonalcoholic fatty liver diseaseAtractylodis RhizomaMachine learningNetwork pharmacologyMolecular docking
分类号
R962.1（药理学）
栏目名称
DOI
10.3969/j.issn.1009-0959.2025.09.009
发布时间
2025-12-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
上海市普陀区科委项目（ptkwws202223）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
