基于机器学习和生物信息学分析的 I 组肺动脉高压潜在生物标志物的鉴定

研究背景：

肺动脉高压(pulmonary arterial hypertension, PAH)是一种进行性肺血管疾病,以肺血管重构和肺血管阻力增加为特征,死亡率高。I 组 PAH 是所有肺动脉高压亚型中最重要的，因为它具有侵袭性、治疗选择受限和预后不良。经过近 30 年的努力，I 类 PAH 患者的存活率因医疗服务的改善而提高；然而，潜在的分子机制仍然未知。在 I 组肺动脉高压（I 组 PAH）的发展过程中已经报道了许多过程和途径； 然而，需要确定新的生物标志物以便更好地诊断和管理。

研究方法和结果：

我们采用了一种稳健的等级聚合 (RRA) 算法来筛选 I 组 PAH 患者和对照组之间的关键差异表达基因 (DEG)。 通过比较七种机器学习算法获得最佳诊断模型，并在独立数据集中进行验证。 使用各种计算机方法分析了关键 DEG 和生物标志物的功能作用。 最后，使用患者样本和细胞系模型对生物标志物和一组关键候选物进行了实验验证。 共鉴定出48个具有较好诊断价值的关键DEGs。 利用梯度提升决策树算法构建具有三种生物标志物 PBRM1、CA1 和 TXLNG 的诊断模型。 免疫细胞浸润分析显示，对照组和 PAH 患者之间七种免疫细胞的相对丰度存在显着差异，并且与生物标志物相关。 实验验证证实了 I 组 PAH 患者中三种生物标志物的上调。 总之，机器学习和生物信息学分析以及实验技术将 PBRM1、CA1 和 TXLNG 确定为 I 组 PAH 的潜在生物标志物。

研究结论：

I 组 PAH 代表一种罕见的进行性疾病，具有高度复杂性，难以治疗并最终可能导致死亡。在本研究中，通过多种机器学习算法对使用 I 组 PAH 患者肺组织数据的诊断模型进行了比较，最终建立了包含 PBRM1、CA1 和 TXLNG 基因的新诊断模型。我们对分子生物标志物进行了全面分析，包括信号通路、PPI 网络、免疫浸润、调节性 TF 网络、潜在治疗药物和铁死亡相关基因分析。最后，生物标志物的表达和一组选定的候选基因在 mRNA 和蛋白质水平上进行了实验验证。

参考文献：

Hu H, Cai J, Qi D, Li B, Yu L, Wang C, Bajpai AK, Huang X, Zhang X, Lu L, Liu J, Zheng F. Identification of Potential Biomarkers for Group I Pulmonary Hypertension Based on Machine Learning and Bioinformatics Analysis. Int J Mol Sci. 2023 Apr 28;24(9):8050. doi: 10.3390/ijms24098050. PMID: 37175757; PMCID: PMC10178909.