关键词:
坐骨神经痛
中药
机器学习
生物信息学
内质网应激
摘要:
目的旨在筛选坐骨神经痛发病进程中的诊断性生物标志物,分析该病进程中的内质网应激相关基因。方法检索GEO(http://***/geo)数据库获得坐骨神经痛芯片数据,分析差异表达基因(differentially expressed genes,DEGs)与内质网应激基因取交集获得内质网应激相关差异基因,对差异基因进行富集分析及免疫细胞浸润分析,结果进一步结合加权基因共表达网络分析获得免疫相关差异表达基因。基于最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)、极限梯度提升算法(eXtreme gradient boosting,XGBoost)与随机森林(random forest,RF)方法筛选关键基因构建诊断性模型并进行验证。分析内质网应激相关基因与诊断性基因的相关性,然后预测能干预坐骨神经痛发病过程中与内质网应激基因相关的中药。结果差异分析获得286个DEGs,DEGs主要富集于细胞对活性氧的反应,细胞对化学应激的反应,免疫受体活性,氧化还原酶活性等生物学过程,以及过氧化物酶增殖物激活受体(peroxisomeproliferater-activatedreceptor,PPAR)信号通路,磷脂酶D信号通路,坏死性凋亡等信号通路。免疫浸润分析发现调节性T细胞、滤泡辅助性T细胞、记忆性CD4 T细胞差异表达,这也表明以上3种免疫细胞对坐骨神经痛发病发挥着一定作用。加权基因共表达网络分析(weighted correlation network analysis,WGCNA)结合免疫浸润分析获得83个关键模块基因,蛋白-蛋白互作(protein-protein interaction,PPI)分析得到含锌指CCCH型15(zinc finger CCCH domain-containing protein 15,ZC3H15)、核糖体蛋白L7(ribosomal protein L7,RPL7)、核糖体蛋白L26样1(RPL26L1-ribosomal protein L26 like 1,RPL26L1)、翻译调节肿瘤蛋白1(tumor protein,translationally-controlled 1,TPT1)、核糖体蛋白L22样1(ribosomal protein L22 like 1,RPL22L1)、核糖体蛋白S15A(ribosomal protein S15A,RPS15A)、核糖体蛋白S3A(ribosomal protein S3A,RPS3A)、核糖体蛋白L36A(ribosomal protein L36A,RPL36A)、核糖体蛋白S24(ribosomal protein S24,RPS24)、核糖体蛋白L30(ribosomal protein L30,RPL30)等10个Hub基因。机器学习方法筛选出KLF9、SCARF1、CYP27A1、CEBPA等4个诊断性基因,4个诊断性基因与Hub基因的表达具有相关性。最后预测得到可调控Hub基因的中药共计36味。结论KLF9、SCARF1、CYP27A1、CEBPA基因对坐骨神经痛具有诊断价值,内质网应激相关基因在坐骨神经痛发病中起着一定作用,预测出的全蝎、眼镜蛇、紫河车、硫磺、鹿茸等中药可能是防治坐骨神经痛的潜在药物。