获取途径

作者

庞雪

作者单位

山东第一医科大学第一附属医院肛肠科

刊名

安徽医科大学学报

年份

2024

卷号

第59卷

期号

第11期

页码

1958-1966

ISSN

1000-1492

关键词

肛瘘 加权基因共表达网络分析 机器学习 生物标志物 免疫浸润

分类号

R657.16

摘要

目的 利用加权基因共表达网络分析、机器学习算法、免疫浸润分析和动物实验筛选肛瘘潜在的生物标志物。方法 下载基因表达数据库中包含AF和瘘管旁组织的转录组数据进行差异分析，对差异表达基因进行基因本体和京都基因与基因组百科全书信号通路富集分析。整合WGCNA结果和DEGs,筛选AF相关基因。利用最小绝对收缩和选择算子、支持向量机递归特征消除和随机森林等机器学习方法筛选AF的潜在生物标志物，并进行免疫浸润分析，复制AF大鼠模型进行验证。结果 共获得377个DEGs,主要富集在B细胞受体信号通路、趋化因子信号通路等。机器学习算法筛选出AF的潜在生物标志物基质金属蛋白酶13。AF样本中记忆B细胞、浆细胞、M0巨噬细胞、M1巨噬细胞比例高于PF样本，静息CD4记忆T细胞、静息树突细胞比例低于PF样本。MMP13与M0巨噬细胞、活化肥大细胞和幼稚B细胞呈正相关；与静息肥大细胞呈负相关。实验结果显示，大鼠AF样本中MMP13表达水平高于对照组。结论 AF发病涉及多种免疫细胞和信号通路，MM...

基金

国家自然科学基金;山东省医药卫生科技发展计划项目;山东省中医药科技发展计划项目

文献类型

期刊

浏览量

8