摘要

目的 基于生物信息学技术和机器学习算法筛选急性心肌梗死（AMI）核心基因，并采用细胞实验进行验证。方法 本实验时间为2021—2022年。从美国国立生物技术信息中心（NCBI）的高通量基因表达（GEO）数据库下载与AMI相关的3个m RNA基因芯片数据集（GSE34198、GSE66360和GSE83500），其中GSE66360和GSE83500为测试集，GSE34198为验证集。运用R 4.2.0软件中的“limma包”筛选GSE66360和GSE83500中差异表达基因。使用LASSO回归方法缩小差异表达基因的范围，然后使用支持向量机-递归特征消除（SVM-RFE）方法在差异表达基因中寻找特征基因，取两种机器学习算法的交集，即为核心基因。比较测试集中AMI组和对照组核心基因表达水平，绘制ROC曲线以评估核心基因表达水平对测试集、验证集受试者发生AMI的预测价值。将衰老心肌细胞随机分为正常氧组和缺氧/复氧组，其中正常氧组心肌细胞常规培养；缺氧/复氧组心肌细胞缺氧3 h后复氧2 h，以制备AMI细胞模型。采用q PCR法检测心肌细胞IL1R2、NR4A2、TREM1 m RNA相对表达量。结果 从GSE66360和GSE83500中筛选出145个AMI差异表达基因。在差异表达基因中，通过LASSO回归分析筛选出10个特征基因，通过SVM-RFE方法筛选出10个特征基因，取交集得到9个核心基因，分别为NFIL3、IL1R2、NR4A2、IRAK3、VCAN、CCL20、TREM1、LYZ、ITLN1。在测试集中，AMI组仅IL1R2、NR4A2、TREM1表达水平高于对照组（P<0.05）。ROC曲线分析结果显示，IL1R2、NR4A2、TREM1表达水平预测测试集受试者发生AMI的AUC分别为0.648[95%CI(0.534～0.756)]、0.623[95%CI(0.511～0.728)]、0.622[95%CI(0.502～0.730)];IL1R2、NR4A2、TREM1表达水平预测验证集受试者发生AMI的AUC分别为0.834[95%CI(0.761～0.898)]、0.866[95%CI(0.802～0.923)]、0.808[95%CI(0.729～0.880)]。缺氧/复氧组心肌细胞IL1R2、NR4A2、TREM1 m RNA相对表达量高于正常氧组（P<0.05）。结论IL1R2、NR4A2、TREM1是AMI核心基因，三者有望成为AMI潜在的生物标志物。

关键词