关键词:
银屑病
铁死亡
生物信息学
差异表达基因
白术
白花蛇舌草
人参
摘要:
目的:基于生物信息学筛选参与银屑病发病机制的铁死亡差异表达基因(differentially expressed genes,DEGs),并预测和分析具有治疗作用的潜在中药,以期为银屑病的预防和治疗提供新思路。方法:从CEO数据库中下载GSE142582的基因表达数据集,将已获得的铁死亡相关基因与GSE142582数据集取交集基因,得到与银屑病相关的铁死亡DEGs,并进行基因本体(Gene Ontology,GO)功能富集分析及京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)通路富集分析,构建蛋白质-蛋白质相互作用(protein-protein interaction,PPI)网络,以筛选关键(Hub)基因。银屑病铁死亡相关DEGs与高风险因子进行风险因子的相关性分析,对铁死亡相关关键基因进行验证,并构建风险预测列线图模型,以筛选重要基因的风险因子。基于风险因子构建多种机器学习方法的预测模型,并筛选潜在治疗银屑病的中药。结果:共筛选银屑病相关的铁死亡151个DEGs,功能富集分析涉及氧化应激、上皮细胞增殖、脂肪酸代谢等生物学过程及PPAR信号通路、NOD信号通路、Th17信号通路。通过PPI网络筛选出7个核心基因,分别是H3CI3、H3CI2、HIF1A、STAT3、IL-6、JUN、IL-1β。通过关键基因的风险因子相关性分析验证上述基因对银屑病的临床预测效能,其中IL-1β可能是银屑病的风险因子。广义线性模型(generalized linear model,GLM)机器学习模型的预测性能最高。根据铁死亡DEGs预测白术、白花蛇舌草、人参等45味中药为治疗银屑病的潜在中药,其四气五味多属寒、温,苦、辛,归胃、肺经,多为清热、利水、补虚药。结论:IL-1β、HIF1A、H3CI3等7个核心基因及其相关的PPAR信号通路、NOD信号通路可能是银屑病铁死亡相关发病机制的重要环节,GLM机器学习模型可以较准确诊断银屑病。IL-1β、H3CI3、H3CI2、HIF1A等铁死亡DEGs可有助于分析银屑病血热证或虚证的发病机制,白术、白花蛇舌草、人参等中药可能为治疗银屑病的潜在中药。