摘要

目的 基于机器学习算法筛选肥厚性心肌病（HCM）铁死亡的潜在疾病特征基因。方法 从基因表达数据库（GEO）中下载GSE36961、GSE141910数据集，其中GSE36961数据集包括106例HCM患者和39例健康对照者，作为训练集；GSE141910数据集包括28例HCM患者和166例健康对照者，作为测试集。使用R语言“limma”包筛选GSE36961数据集中HCM患者与健康对照者之间的差异表达基因（DEGs），然后与铁死亡数据库（FerrDb）中的259个铁死亡相关基因取交集，以筛选HCM铁死亡相关DEGs。采用随机森林筛选疾病特征基因，绘制热图以分析疾病特征基因在测试集中的表达情况，并基于疾病特征基因构建人工神经网络（ANN）模型；绘制ROC曲线以评估ANN模型对训练集、测试集HCM的预测价值。结果 从GSE36961数据集中筛选出2 959个DEGs，与铁死亡数据库中259个铁死亡相关基因取交集后获得72个HCM铁死亡相关DEGs。采用随机森林从72个HCM铁死亡相关DEGs中筛选出9个疾病特征基因，分别为ALOX5、ZFP36、RGS4、DDIT3、LPCAT3、SOCS1、EGLN2、NNMT和DUSP1。热图分析结果显示，RGS4、DDIT3表达上调，ALOX5、ZFP36、LPCAT3、SOCS1、EGLN2、NNMT、DUSP1表达下调。基于9个疾病特征基因构建ANN模型。ROC曲线分析结果显示，ANN模型预测训练集HCM的AUC为1.000[95%CI(0.998～1.000)]，预测测试集HCM的AUC为0.817[95%CI(0.745～0.881)]。结论 ALOX5、ZFP36、RGS4、DDIT3、LPCAT3、SOCS1、EGLN2、NNMT和DUSP1是HCM铁死亡的潜在疾病特征基因。

关键词